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 97,501 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
JSON manifest を作成して、任意の REST API を Custom source として PostHog データウェアハウスに接続する。データソースごとのコードは不要。ユーザーが、組み込みの PostHog コネクタがない API を指定したとき——"import data from this REST API"、"sync my internal API"、"connect this API from its docs"、"build a custom data warehouse source"——に、ドキュメントの URL またはエンドポイントの自然言語による説明を提示した場合に使用する。RESTAPIConfig manifest の起草（認証——bearer、API key、HTTP basic、または OAuth2 client credentials / refresh token——ページネーション、レコードパス、増分カーソル、親子ファンアウト）、その検証、フィールドマッピングを確認するための実データ行のテスト読み取り、データソースの作成までを順に説明する。API にネイティブの PostHog コネクタがすでにある場合は、代わりに setting-up-a-data-warehouse-source を使用する——このスキルはまずコネクタレジストリを確認し、ネイティブコネクタがない API のみを扱う。
Azure AI Anomaly Detectorの開発に関する専門知識。トラブルシューティング、ベストプラクティス、制限とクォータ、構成、デプロイを扱います。DockerベースのAnomaly Detector、ACIまたはIoT Edgeのデプロイ、単変量/多変量API、サービス制限の調整や、その他のAzure AI Anomaly Detector関連の開発タスクに使用します。Azure AI Metrics Advisor（azure-metrics-advisorを使用）、Azure Monitor（azure-monitorを使用）、Azure Machine Learning（azure-machine-learningを使用）には使用しません。
Azure AI Custom Vision の開発に関する専門知識を提供します。ベストプラクティス、意思決定、制限とクォータ、セキュリティ、インテグレーション、コーディングパターン、デプロイを扱います。Custom Vision モデルのエクスポート、予測 API の呼び出し、ONNX/TensorFlow の使用、CMK/RBAC の管理、Smart Labeler など、Azure AI Custom Vision の開発タスクに使用します。Azure AI Vision（azure-ai-vision を使用）、Azure AI services（microsoft-foundry-tools を使用）、Azure Machine Learning（azure-machine-learning を使用）、Azure AI Foundry Local（microsoft-foundry-local を使用）には使用しません。
Azure Digital Twins開発に関する専門知識。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。DTDLグラフのモデル化、IoT Hub/ADxの統合、エンドポイント/ルートの構成、アクセス保護、クエリユニットの調整など、Azure Digital Twins関連の開発タスクで使用します。Azure IoT Hub（azure-iot-hubを使用）、Azure IoT Central（azure-iot-centralを使用）、Azure IoT Operations（azure-iot-operationsを使用）には使用しないでください。
Azure Stream Analytics の開発に関する専門知識。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。Event Hubs/Kafka を使った ASA ジョブの構築、Cosmos/SQL 出力、自動スケーリング、VNets/プライベートエンドポイント、エッジ/IoT ワークロード、およびその他の Azure Stream Analytics 関連の開発タスクに使用します。Azure Data Explorer（azure-data-explorer を使用）、Azure Synapse Analytics（azure-synapse-analytics を使用）、Azure HDInsight（azure-hdinsight を使用）、Azure Event Hubs（azure-event-hubs を使用）には使用しないでください。
指定した期間と国・地域における Google Trends のリアルタイムの話題や検索トレンドを検索・分析します。ユーザーが Google Trends、話題のトピック、リアルタイムのトレンド検索、人気トレンド、現在の注目トピック、最近のトレンド、バイラルトピック、期間別のトレンド、地域別トレンド分析、real-time hot topics、trending topics、popular trends、recent trending searches、trend discovery に言及した場合に起動します。Google Trends と明示されていなくても、特定市場で最近注目されている、または流行中の話題や検索語を見つける要望があれば起動します。
Alibaba Cloud PAI DSW（Data Science Workshop）インスタンスのライフサイクル全体を管理します。インスタンスの作成、更新、照会、一覧表示、起動、停止、および ECS 仕様の検索に対応します。トリガー：PAI DSW、DSW instance、create instance、start instance、stop instance、update instance、query instance、instance list、ECS spec、CreateInstance、UpdateInstance、GetInstance、ListInstances、StartInstance、StopInstance、ListEcsSpecs
Omni Agent の Blobby 向けに Omni Analytics モデルを最適化します。ai_context、ai_fields、synonyms、sample_queries、AI 固有のトピック拡張を設定します。Omni での AI の精度向上、Blobby の改善、AI コンテキストや質問例の追加、AI に表示するフィールドの選定、ユーザー属性に応じた AI コンテキストの個別化、モデル階層やエージェントごとのコンテキスト範囲指定、コンテキストウィンドウの削除や切り詰めの診断、AI がアクセスできるトピックの制御、Blobby が誤答する原因の調査、「AI を改善したい」「Blobby の回答が正しくない」「AI 向けに最適化したい」「AI に自社データを教えたい」といった要望に使用します。
Basecamp の activerecord-tenanted gem を使った SQLite-per-tenant の Rails アプリ向けの専門的なガイダンス。マルチテナンシー、テナントデータベース、GlobalRecord、ApplicationRecord.with_tenant、Current.tenant、Current.account、シャード切り替え、db/global_migrate、テナントごとの SQLite を追加するときに使用。Nebula スタイルの acts_as_tenant による行スコープや、Fizzy の同一データベースパステナンシーには使用しない。
ADF アクティビティのネスト規則、制限、検証時の注意点。次の場合に積極的に有効化します。（1）ADF アクティビティのネスト規則（If、Switch、Until 内の ForEach）、（2）ForEach の制限（ネストした ForEach は不可、項目数の上限）、（3）パイプラインの検証エラーと ARM テンプレートのビルド失敗、（4）リンクサービスの認証問題、（5）ForEach 内の Set Variable の制約、（6）データフローの制約（変換の制限、ソース／シンクの規則）、（7）パラメーターと変数のスコープ、（8）パイプラインあたりのアクティビティ数の上限、（9）パイプラインの同時実行数の制限。ネスト規則マトリックス、アクティビティ制限のリファレンス、検証エラーカタログ、未対応のネストを回避するリファクタリングパターンを提供します。
プロジェクトを定期的にスキャンして調査結果を報告するエージェント、PostHog Signals scout の作成、編集、調整を行います。標準 scout の対象範囲、しきい値、スケジュール、ドライラン設定の変更、未対応領域の scout 追加、定期的な LLM スコアリングの構造化出力の記録、メモによるフィードバックに使用します。SKILL.md の構成、レポート要件、フォローアップレポートの確認、構造化出力、重複検出、スクラッチパッドメモリ、scout メモ、チーム別 skills-store と標準リポジトリの編集、保存済み評価基準による非公開プロンプト試行を扱います。「signals scout を作成/編集/カスタマイズ」「X 用の新しい scout」「scout のスケジュールを調整」「<event> を監視する scout を作成」「scout で X を採点/判定/測定」「scout のプロンプトをテスト/比較」「scout の評価基準を生成」「scout の構造化出力」「scout の出力を Slack へ」「scout にメモを残す / フィードバックする」などで起動します。
トラブルシューティング、ベストプラクティス、制限とクォータ、セキュリティ、構成、統合とコーディングパターンなど、Azure Data Box 開発の専門知識を提供します。オフラインでのデータコピー、SMB/NFS アップロード、REST API、CMK/Key Vault、NTFS ACL の保持などに Data Box/Disk/Heavy を使用する場合や、その他の Azure Data Box 関連の開発タスクに使用します。Azure Import Export（azure-import-export を使用）、Azure Stack Edge（azure-stack-edge を使用）、Azure Virtual Machines（azure-virtual-machines を使用）には使用しないでください。
Azure Energy Data Services の開発に関する専門知識。トラブルシューティング、意思決定、アーキテクチャと設計パターン、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。ADME メトリック/CORS の構成、階層の選択、DDMS/RAFS/Seismic API の使用、法的タグ/ACL の保護、AKS への GCZ のデプロイ、およびその他の Azure Energy Data Services 関連の開発タスクに使用します。Azure Data Explorer（azure-data-explorer を使用）、Azure Synapse Analytics（azure-synapse-analytics を使用）、Azure Data Factory（azure-data-factory を使用）、Azure Databricks（azure-databricks を使用）には使用しないでください。
ADF + Databricks 2025 の統合パターン。次の場合に積極的に有効化します。（1）ADF の Databricks Job アクティビティ、（2）DatabricksJob（プレビュー）と DatabricksNotebook アクティビティ、（3）ServiceNow V2 コネクター、（4）ADF のマネージド ID による Databricks 認証、（5）Databricks サーバーレスリンクサービス、（6）Snowflake V2 コネクター、（7）Databricks ジョブのパラメーターと出力、（8）MFA の強制と認証の更新、（9）Unity Catalog の統合、（10）ADF からの Delta Live Tables オーケストレーション。Databricks リンクサービスのテンプレート（PAT、MSI、サーバーレス）、DatabricksJob アクティビティの例、パラメーター受け渡しの手順、認証移行ガイドを提供します。
Amazon ABA（ブランド分析）の検索語データを検索・分析します。15 のマーケットプレイスにおける過去 3 年分の週次データを対象とします。ABA データ、Amazon 検索語分析、キーワード調査、検索ランキングの推移、市場機会分析、季節性キーワード、クリック数が多くコンバージョン率が低い分析、ブルーオーシャンキーワードの発見、競合キーワード分析、ABA data、search term report、keyword mining、search ranking trends、blue ocean keywords、click share、conversion share、seasonal keywords、market opportunity analysis、competitor keywords に言及した場合にこのスキルを起動します。「ABA」と明示されていなくても、Amazon の検索語データとランキング分析に関する依頼であれば起動してください。
Azure AI Metrics Advisor 開発に関する専門知識を提供します。意思決定、制限とクォータ、セキュリティ、構成、統合とコーディングパターンを含みます。データフィードの構成、異常検出の調整、アラート／フックの管理、Metrics Advisor REST／SDK の呼び出し、その他の Azure AI Metrics Advisor 関連の開発タスクに使用します。Azure AI Anomaly Detector（azure-anomaly-detector を使用）、Azure Monitor（azure-monitor を使用）、Azure Stream Analytics（azure-stream-analytics を使用）には使用しないでください。
Azure AI Video Indexer 開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを含みます。ライブカメラ分析、カスタム AI インサイト、OpenAI の要約、Video Indexer API、人脸のぼかし処理の構成や、その他の Azure AI Video Indexer 関連の開発タスクに使用します。Azure AI Vision（azure-ai-vision を使用）および Azure AI Search（azure-cognitive-search を使用）には使用しないでください。
AI/LLM アプリが本番環境でどこで失敗しているかを見つけ、実際のトレースから失敗パターンを提示する。AI 機能の何がうまくいっていないかを理解したい、失敗モードを見つけて分類したい、エラーをトリアージしたい、品質問題(誤った回答、指示の無視、ハルシネーション、ツールの誤用)を調査したいときに使用する — 「自分のエージェントのどこが失敗しているか」「エラーパターンを提示して」「なぜ応答が悪いのか」「よくある失敗モードを見つけて」「次に何を直すべきか」。1 つのユースケースへのスコープ設定、コンテキストに合うシグナル(コードエラー、メトリクスの外れ値、トレース種別のスライス、手動レビュー、既存評価の急増、クラスタリング)による失敗トレースの特定、それらをランク付けした失敗分類として読み解くことを扱う。
Kafka Streams アプリ（JVM 組み込みのストリーム処理）の設計、構築、デバッグに使用します。ユーザーが KStream、KTable、topology、TopologyTestDriver、StreamsBuilder、インタラクティブクエリ、GlobalKTable、joins/windows/aggregations、またはデバッグの問題（リバランシング、ステートストア、ラグ、デシリアライズエラー）に言及した場合に使用します。WarpStream 向けの Kafka Streams の最適化や、WarpStream 用の Kafka Streams クライアント設定の調整にも使用します。Flink、コネクター、CDC、または単純な producer/consumer には使用しないでください。
ASINから、価格、タイトル、メイン画像、出品日、素材、重量、バリエーション別月間販売数、過去12か月の月間販売データなど、Amazon商品の詳細を取得します。ユーザーがAmazon商品の詳細、ASIN検索、商品価格、販売ランキングの履歴、月間販売数の傾向、商品サイズ、FBA手数料、製品仕様、ASINの一括検索、Keepaの商品詳細、ASIN詳細、月間販売データ、価格情報、製品仕様、FBA手数料、またはASINの一括照会を求めた場合に、このスキルを起動します。ユーザーが「Keepa」と明示していなくても、1つ以上のAmazon ASINの構造化された商品データの取得が求められていれば、このスキルを起動します。
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。