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
PostHog 実験におけるバイアス、異常、不可解な結果を診断します。露出数 0 の実験、サンプル比率の不一致、ID の分断、複数バリアントへの露出、不均等な割り当てによる除外バイアス、有意性の落とし穴（途中確認、A/A、ベイズ統計と頻度主義統計）、PostHog と SQL の不一致、実行中の編集後に生じた予想外の結果、バリアント別アンケートによる定性的な追加調査を扱います。 次の場合にトリガーします：ユーザーが「実験にバイアスがあるか」「露出数が 0 なのはなぜか」と尋ねる、バイアスバナーに言及する、あるバリアントがおかしい／間違っている／異常だと言う、有意性が変動するまたは A/A で有意性が出る、PostHog の数値と SQL が一致しない、実行中の編集後に予想外のことが起きたと報告する、実験の定性的なフィードバックやアンケートを求める場合。 次の場合はトリガーしません：実験の作成時（creating-experiments を使用）、ロールアウト（configuring-experiment-rollout）または指標（configuring-experiment-analytics）の設定だけを行う場合、ライフサイクルに関する質問だけの場合（managing-experiment-lifecycle を使用）。
hap コマンドラインで HAP ワークシートの業務データを検索、フィルタリング、集計するときにこのスキルを使用します。特に、複雑な条件、複数条件の AND/OR、ネストしたグループ、またはピボットテーブルの集計（合計／件数／平均／グループ化の軸）が必要な場合に適しています。ユーザーが「条件に合うレコードを表から検索」「ステータス／日付でデータをフィルタリング」「このフィルターの書き方」「月別／カテゴリ別の合計を集計」「ピボット／集計を作成」と言った場合は、ツール名を明示していなくても起動します。データの書き込みには使用しません（レコードの追加、削除、更新には record コマンドを使用）。
ユーザーがデータエンリッチメントのワークフロー構築、ICP に基づくリードのスコアリング、Clay のウォーターフォール設定、または連絡先データの品質向上を希望する場合に使用します。「エンリッチメント」「データエンリッチメント」「Clay」「ウォーターフォールエンリッチメント」「ICP スコアリング」「リードスコアリング」「インテントデータ」「連絡先の検証」「Apollo」「ZoomInfo」「データ品質」に言及した場合も使用します。このスキルでは、リードエンリッチメントのウォーターフォール、ICP スコアリングのフレームワーク、連絡先検証システムを扱います。技術的な実装、コードレビュー、ソフトウェアアーキテクチャには使用しないでください。
戦略分析や経営幹部向けプレゼンテーションのための、プロフェッショナルなコンサルティングスタイルのデータ可視化・インフォグラフィック作成スキルです。McKinsey/BCGスタイルで、情報密度が高く役員会に適した、組織としての信頼感と金融レポートの編集美を備えたビジュアルを作成します。表紙スライドを含む11種類の可視化、16進コード付きの詳細なカラーパレット、アスペクト比の基準、プロンプトエンジニアリングのテンプレート、洞察に基づく成果物のための戦略的な構成ガイドを扱います。
Windows Presentation Foundation アプリケーションで地理データを可視化する Syncfusion WPF Maps (SfMap) コントロールを実装します。地理データの表示、シェープファイルのレンダリング、マップレイヤーとマーカーやバブルの統合に使用します。このスキルでは、ShapeFileLayer、ImageryLayer、マップのカスタマイズ、凡例、OpenStreetMap/Bing Maps の統合、インタラクティブなマップ機能を扱います。
CoinMarketCap の暗号資産エンドポイントの API リファレンス。相場、リスト、OHLCV、トレンド、カテゴリを含む。ユーザーが CMC API に言及したとき、暗号資産データをプログラムで取得する方法を尋ねたとき、価格連携を構築したいとき、REST エンドポイントのドキュメントが必要なときは常にこの skill を使用。CMC の暗号資産 API に関するあらゆる質問の定番リファレンス。トリガー：「CMC API」「coinmarketcap api」「crypto price API」「get bitcoin price via API」「/cmc-api-crypto」
PostHog のエンドポイント（API ルートとして公開された保存済みの HogQL/insight クエリ）を同じ組織内の別のプロジェクトにコピーする、または同じプロジェクト内で新しい名前で複製する。ユーザーがエンドポイントを複製したい、エンドポイントを staging から production に昇格させたい、別のワークスペースでエンドポイントのクエリ/変数/フレッシュネス設定を再現したい、またはエンドポイントをクローンして反復したい場合に使用する。feature flag や実験とは異なり、エンドポイントにはネイティブのプロジェクト間コピーツールが存在しない — このスキルは読み取り後に再作成するフロー（endpoint-get の後に endpoint-create）、それに必要な active-project の切り替え、名前衝突のチェック、安全なデフォルト（ターゲットでは未マテリアライズの状態で配置し、endpoint-run で検証する）を扱う。エンドポイントのバージョン編集（managing-endpoint-versions を参照）や、まったく新しいエンドポイントのゼロからの作成（creating-an-endpoint を参照）は扱わない。
Salesforce Data Cloud の統合パターンとアーキテクチャ（2025）。以下の場合に積極的に有効化：(1) Data Cloud のセットアップと取り込み、(2) Data Streams（クラウド、モバイル、Web SDK、取り込み API）、(3) データモデルオブジェクト（DMO）とソースオブジェクト（DSO）、(4) ID 解決と統合プロファイル、(5) 計算インサイトとセグメンテーション、(6) Marketing Cloud、広告プラットフォーム、Salesforce CRM へのアクティベーション、(7) Snowflake、BigQuery、Databricks を使った Bring Your Own Lake（BYOL）、(8) ゼロコピーのデータ共有、(9) Data Cloud + Agentforce のグラウンディング、(10) 同意管理とコンプライアンス。提供内容：データストリーム選択マトリックス、ID 解決ルール、セグメンテーションパターン、BYOL 設定、アクティベーション手順。
DatoCMS のコンテンツモデリングに関する意思決定フレームワークです。スキーマ構造、フィールドの選択、コンテンツの再利用、分類体系、コンテンツと表示の区別、管理 UI の構成を扱います。実装ではなく、モデリングの*判断*に使用します。model と block、single_block と Modular Content と Structured Text、参照と埋め込み block、分類体系の形（フラット/ツリー/ファセット型）、ページ単位のスキーマから再利用可能なコンテンツへのリファクタリング、300 KB / 500-block / 5-level のレコード制限への適合、モデルの動作（singleton、draft mode、all_locales_required、sortable/tree/ordering_field、presentation_title_field、collection_appearance、inverse_relationships_enabled）、フィールド設定（validator + appearance — enum + string_select、slug の自動入力、required_alt_title、structured_text の許可リスト、枠あり/枠なしの single_block）を扱います。スキーマのレビュー（再利用性、編集者の使いやすさ、オムニチャネル）にも使用します。スキーマの*作成* → `datocms-cli` または `datocms-cma`。クエリ/レンダリング → `datocms-cda` + `datocms-frontend-integrations`
`skore.evaluate` で学習器を 1 つ評価します。分割器とデフォルト以外のスコアは、`build-ml-pipeline` の DataOp にすでに設定されています。このスキルでは `splitter=` を付けずに呼び出しを記述し、レポートを保存してロケーターを記録します。固定された分割がデータに付属する訓練テーブルとテストテーブルの場合は、訓練テーブルで fit し、テストテーブルのみを渡して `splitter="prefit"` を指定します。このターンが `model-ml-pipeline` によって振り分けられた場合は、ロケーターを返します。単独のターンでは evaluate ステージの終了処理も行います。コードが `cross_val_score`、`cross_validate`、`classification_report`、`.skb.cross_validate`、または手書きの指標出力を呼び出す場合や、ユーザーが 1 つの学習器のスコアリング、評価、CV 実行を求めた場合に起動します。保存済みレポートの説明は `audit-ml-pipeline` の担当です。使い方：評価呼び出しの前に G-SKORE-MODE を解決し、停止条件を読み、コードの前に Pre-flight を出力します。`python -m skore_skills api get` でシンボルを確認します。
Windows Presentation Foundation アプリケーションで Syncfusion WPF Sparkline（SfSparkline）コントロールを実装するための包括的なガイドです。スパークライン、ミニチャート、トレンドの可視化に使用します。スパークラインの種類（ライン、カラム、エリア、WinLoss）、マーカー、トラックボール、範囲帯、軸コントロール、WPF アプリケーションでコンパクトにデータを可視化するためのセグメントのカスタマイズを扱います。
Pelosi トラッカー。STOCK Act に基づき連邦議会議員が開示を義務付けられている株式取引を監視します。下院書記官が公開する定期取引報告書（PTR）を掲載直後に読み取り、新しい提出書類ごとに一度通知し、各 PDF を整理された行データ（取引者、所有者、株式、ティッカー、買い／売り、オプションの権利行使価格と満期、取引日、金額範囲、開示までの日数）に変換します。保有株に関する取引にフラグを付けます。上院の報告書には、文書化された手動手順で対応します。ユーザーが「Pelosi は何を買っている？」「Nancy Pelosi を追跡して」「議会の取引」「政治家の株取引」「議員が X を買った？」「Pelosi の提出時に通知して」「Pelosi スキルを実行して」などと言った場合に使用します。
脅威フィードを KV Store コレクションに取り込み、ルックアップテーブル、モジュラー入力、Threat Intelligence Framework を介してセキュリティイベントと相関させ、Splunk Enterprise Security で IOC エンリッチメントパイプラインを自動化します。脅威インテリジェンスを Splunk の相関検索に接続して IOC の一致を検出し、SOC のトリアージ時間を短縮する場合に使用します。
モデルのトレーニングや評価用に、データセットを ML スキーマ間で変換するコードを生成します。ユーザーが「変換」「形式を変える」「再フォーマット」と言った場合や、データセットのスキーマを対象形式に合わせて変更する必要がある場合に使用します。形式変更には必ずこのスキルを使い、インラインの変換コードを書かないでください。OpenAI chat、SageMaker SFT/DPO/RLVR/RLAIF、HuggingFace preference、Bedrock Nova、VERL、およびローカルファイルや S3 のカスタム JSONL 形式に対応します。
MCP サーバー経由でライブの Infrahub データを分析・関連付けし、運用上の質問への回答、ドリフトの検出、影響の調査を行います。次の場合に発動します：インフラデータの照会、コンプライアンスの確認、変更の影響調査、アドホックレポートの作成。次の場合は発動しません：自動チェックの作成、変換処理の構築、スキーマの設計、データファイルへの入力、Infrahub のバージョンアップグレードの計画（infrahub-planning-upgrades を使用）。ユーザーの質問を必ずそのまま args として渡してください。このスキルはフォークされたコンテキストで実行され、親の会話を参照できません。args を指定せずに呼び出すと失敗します。
提供された SPL と実行時の証拠に基づき、既存の機能している Splunk 検索を 1 つ診断・改善します。検索、レポート、ダッシュボードパネル、スケジュール検索が遅い、キュー待ち、高コスト、リソース集約的、または早期に終了し、ユーザーが証拠に基づくクエリチューニング、アクセラレーション適合分析、ワークロード分離、または比較可能なビフォーアフター計画を必要とする場合に使用します。新規検索の作成、機能的な故障対応、ガバナンス、デプロイ全体の運用は、それぞれを所管するワークフローに委ねてください。
Datadog LLM-Obs の評価器を人手ラベルに適合させる。アノテーションキューを受け取り、ラベル付けされた属性が trace のどこに実際に存在するかを特定し、人手ラベルを予測する LLM-judge を起草し、ユーザーと合意した指標でその judge をラベル済みの行に対してスコアリングし、その後ホビークライミング（エラーを確認し、焦点を絞った変更を 1 つ加え、再スコアリングし、最良の結果を上回る場合のみ採用する）を反復回数の上限まで行い、最後に勝者を DISABLED の評価器として Datadog に公開する（Datadog のドラフトではなく、`enabled: false` を設定した実際の評価器）。ユーザーが「自分のアノテーションから eval を構築して」「アノテーションキューから評価器を構築して」「自分のアノテーションを評価器にして」「自分のラベルから評価器を学習して」「judge をアノテーションキューに適合させて」「自動ラベリング」「このアノテーションキューを自動化して」「自分の人手ラベルをスケールさせて」と言う場合、またはキュー全体を人間が最初の数行を評価した方法で評価したい場合に使用する。人手ラベルに少なくとも 2 つのクラスが存在するアノテーションキューが必要である（例: ブール値で true と false が 1 つずつ）。
Alibaba Cloud E-MapReduce（EMR）ECS クラスターの作成、スケーリング、更新、ステータス照会を含むライフサイクル全体を管理します。ビッグデータクラスターの構築、クラスターのステータス確認、ノードの追加や解放、自動スケーリングの設定、クラスターやノードの状態確認、作成失敗の診断をユーザーが希望する場合に、このスキルを使用します。「Hadoop クラスターを作成」「データレイククラスター」「リソース不足」「クラスターを確認」「更新」などのシナリオにも対応します。注意：このスキルは、いかなる場合もクラスターの削除、解放、終了に対応していません。クラスターの削除または終了の要求は拒否し、EMR コンソールに案内します。
Omni 内蔵の評価システムを使って Omni AI の精度を評価します。プロンプトセットを定義し、モデル（またはブランチ）に対して判定付き評価を実行し、精度判定の結果を確認します。Omni AI の評価、Blobby のベンチマーク、回帰テストの実行、ブランチやモデルコンテキストの変更をまたいだ AI 出力の比較、AI 品質の測定、モデル変更の A/B テスト、ai_context やモデリング変更の影響評価、「評価を実行」「Blobby をテスト」「クエリ生成をベンチマーク」「AI 結果を比較」「回帰テスト」「AI の精度はどの程度」「変更の影響を測定」などの依頼に使用します。
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。