Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,222 件掲載。コマンド 1 行でインストールできます。
データ・データベース
各監査モジュールが読み取る共有PageSnapshotにページまたはサイトを取り込みます。実際のHTTPステータスチェーン、ヘッダー、robotsディレクティブ、ディスク上の生HTML、解析済みドキュメント、任意のheadless-Chromeレンダリングと生データとの差分、実行ごとに一度取得するサイト成果物（robots、サイトマップ、AIディスカバリーファイル）が含まれます。取り込みには同梱スクリプト（snapshot.mjs / crawl.mjs）を使用し、WebFetchは使用しません。到達したデータ階層を記録します。
個別株の詳細分析に関する中核ワークフローです。「詳細分析／包括的な分析／見てほしい／買う価値があるか／DCF／機関投資家向けモデリング／新規カバレッジ／投資委員会メモ」など、個別株調査の依頼時に使用します。中国本土株、香港株、米国株に対応し、22次元のデータ、66人の専門家による定量評価、6種類の機関投資家水準のバリュエーションモデル（DCF/Comps/LBO/3-Stmt/Merger）、7種類の調査成果物（新規カバレッジ／決算分析／カタリストカレンダー／投資テーゼの追跡／モーニングブリーフ／定量スクリーニング／業界概観）、6種類の意思決定手法（IC Memo/DD/Porter/ユニットエコノミクス/VCP/リバランス）、不正な株価吊り上げ・売り抜けの検出を提供します。最終的に Bloomberg 風の HTML レポートとソーシャル共有用の実績レポートを生成します。キーワード：株式、個別株、詳細分析、バリュエーション、DCF、comps、新規カバレッジ、IC memo、不正な株価吊り上げ・売り抜け、龙虎榜、akshare。
clickhousectl CLI を使用して ClickHouse をセットアップおよび管理します。開発用にローカル ClickHouse サーバーをインストールして実行し、本番用にマネージド ClickHouse Cloud サービスを作成します（認証、サービス作成、スキーマ移行、アプリケーション接続）。ユーザーが ClickHouse を使ったアプリケーションの構築、ローカル ClickHouse 開発環境のセットアップ、テーブル作成とクエリの開始、本番環境または ClickHouse Cloud へのデプロイ、ローカル環境からクラウドへの移行を希望する場合に使用します。
Google Trendsを使用してキーワードの検索人気を比較し、トレンドを分析します。世界各地域とカスタム期間に対応します。ユーザーがGoogle Trends、時間経過に伴うキーワード人気、検索関心の比較、キーワードトレンド分析、季節性トレンドの検出、地域別検索人気、キーワードヒートマップ、複数キーワードのGoogle上での比較、keyword popularity comparison、search trends、seasonal analysis、regional popularity、keyword comparisonに言及した場合に、このスキルを起動します。「Google Trends」と明示していなくても、異なる期間や地域のキーワード検索人気のトレンド比較を求めている場合は起動します。
実験計画法（DOE）、感度分析、最適化手法の選定を通じてシミュレーションパラメーターを探索・最適化します。ラテン超方格、準乱数、要因計画のサンプルプランを生成し、感度スコアでパラメーターの影響度を順位付けします。次元数と予算に基づき、ベイズ最適化、CMA-ES、勾配ベース手法を推奨し、コストの高い評価向けにサロゲートモデルを適合します。実験データに対する材料特性の較正、パラメータースイープの計画、不確実性の定量化、評価予算が限られたシミュレーションの最適化戦略選定に使用します。「最も重要なパラメーターは何か」「モデルをどう較正すればよいか」といった質問にも対応します。
シミュレーション出力データを抽出、分析、要約します。特定のタイムステップにおける空間場の取得、時系列傾向の計算と定常状態の検出、計算領域を通るラインプロファイルの抽出、統計的な要約と分布の生成、派生量（勾配、フラックス、体積分率、界面面積）の計算、解析解や実験データとの結果比較、自動分析レポートの作成を行います。完了したシミュレーション結果の解釈、質量またはエネルギー保存の確認、2 つの実行結果やメッシュの比較、フェーズフィールド出力からの界面プロファイル抽出、出版可能な品質の分析準備に使用します。「結果はどんな感じ？」「シミュレーションは定常状態に達した？」といった質問にも対応します。
Syncfusion .NET MAUI Range Selector（SfRangeSelector）コンポーネントを実装します。.NET MAUI で、チャートを埋め込んだ範囲選択、数値範囲入力、RangeStart/RangeEnd、トラックのカスタマイズ、つまみのスタイル設定に使用します。ツールチップ設定、ラベルの書式設定、目盛り／区切り線、選択モード、イベント、範囲コントロール内への SfCartesianChart の埋め込みを扱います。
Airflow 3.3 の AIP-103 キー／バリューストア（`task_state_store`、`asset_state_store`）と、クラッシュに強い `ResumableJobMixin` を使って、リトライや DAG 実行をまたいでタスクとアセットの状態を永続化します。タスク状態ストア、タスクのチェックポイント、リトライをまたぐ状態の永続化、ワーカークラッシュ後も保持されるジョブ ID、ウォーターマーク、アセットメタデータ、再開可能なタスク、クラッシュに強いオペレーター、「Airflow 3.3 の新機能」について質問された場合に使用します。Variables または XCom をタスク内の連携状態に使う DAG を読む際にも積極的に使用し（アンチパターンとして指摘）、外部システム（Databricks、Snowflake、BigQuery、Redshift、Spark、dbt Cloud、EMR、AWS Batch など）にジョブを送信して完了を待つ DAG をレビューする際にも使用します。送信と待機を一つのオペレーターで行う場合も、送信タスクとセンサー／ポーリングタスクに分ける場合も対象です。`wait_for_termination`、`deferrable`、`durable`、手書きのポーリングセンサーを扱います。状態永続化機能には Airflow 3.3 以降が必要ですが、送信とポーリングのアーキテクチャに関するガイダンスはすべてのバージョンに適用できます。
ユーザーが DataHub 接続の設定、DataHub CLI のインストール、認証の設定、接続の確認、デフォルトの scope の設定、Agent 設定プロファイルの作成を必要とする場合に使用します。次の語句で起動します：「set up DataHub」「connect to DataHub」「install datahub CLI」「configure DataHub」「set default platform」「focus on domain X」「create profile」、または DataHub 接続の確立、設定、トラブルシューティングに関する依頼。
既存の PostHog 顧客が PostHog インスタンスを改善できるよう支援します。「help [customer] improve their PostHog setup」、「audit [company]'s PostHog instance」、「create tracking plan for [company]」、「design data schema for [customer]」や、分析カバレッジの改善、計測の抜けの修正、PostHog の利用拡大、既に PostHog を利用している顧客向けのインサイト改善の依頼で起動します。PostHog を既にインストールしている顧客と作業する場合に使用します。
高精度なモデリング、財務分析、目視検証を伴うスプレッドシート操作（Excel/CSV）を行います。予算モデル、データダッシュボード、複雑な数式を含むシートに使用します。数式エラーゼロとプロ品質が求められる場合は、積極的に使用します。例：ユーザーが「LBO モデルを作成して」と言った場合は、銀行業界標準の書式で Excel を作成。「このデータを分析してダッシュボードを作成して」の場合は openpyxl + artifact_tool を使用。「このスプレッドシートの数式を検証して」の場合は recalc.py を実行してエラーを確認します。
Synapse ワークスペースを Fabric に変換します。Spark 項目、Lake Database、Linked Services、Lakehouse または Warehouse 向けの Dedicated SQL Pool のスキーマ／プロシージャが対象です。Pool から Lakehouse への移行時に限り、ノートブックの準備完了後、承認された依存プロシージャの呼び出し元も移行できます。スタンドアロンのパイプラインと Warehouse 管理は対象外です。対象：Synapse ワークスペースから Fabric、Dedicated SQL Pool から Lakehouse、Dedicated SQL Pool から Fabric Warehouse への移行。
Spring Boot、Quarkus、Micronaut のいずれかを選ぶことなく、フレームワークに依存しない MongoDB と非リレーショナルデータベースのクエリに関するガイダンスが必要な場合に使用します。ドキュメントスキーマ設計、コレクションのモデリング、JSON Schema 検証、インデックス、集約パイプライン、クエリ性能、一貫性のトレードオフ、トランザクション、運用上の安全性を扱います。次のような依頼で起動します：MongoDB ドキュメントスキーマの設計、MongoDB クエリとインデックスのレビュー、集約パイプラインの性能改善、非リレーショナルデータアクセスパターンのモデリング、NoSQL の一貫性とトランザクションのトレードオフの検討。Plinth Toolkit の一部です
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。