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
ESMC-6B スパースオートエンコーダー（SAE）の特徴アクティベーションによりミスセンス変異を解釈する。特定のタンパク質と変異について、変異部位でどのような解釈可能な SAE 特徴（触媒、リガンド結合、PTM、構造モチーフ、ドメインなど）が失われたか、または獲得されたかを計算する。標準的な病原性スコア（AlphaMissense、ClinVar）が変異を有害と判定するが、MECHANISTIC な説明が必要な場合に使用する——たとえば「なぜこの変異は LoF なのか」。ACMG 分類や調節機構に焦点を当てた変異解釈および変異から機構へのスキルを補完する（置き換えるものではない）。
タンパク質中の残基の集合が与えられたとき、構造的な文脈（結合インターフェース、リガンドポケット、コア、二次構造）、UniProt の特徴（活性部位、結合部位、PTM 部位、ジスルフィド）、任意の SAE 特徴の証拠、任意の DMS データを組み合わせて、それらがなぜ機能的に重要であるかを説明する。あらゆる来源の残基を受け付ける：DMS ホットスポット（最大効果による top-K）、ClinVar の再発変異、文献報告のホット領域、進化的に保存された位置、ユーザーが整理したリスト。クラスタごとのメカニズム判定を返す：触媒 / リガンド結合 / インターフェース / 構造コア / PTM / 調節 / 不明。
Venice の課金と使用量分析 - GET /billing/balance、GET /billing/usage-history（リクエスト単位の台帳をキーセットページネーションで取得、JSON または CSV）、GET /billing/usage-analytics（日付/モデル/キー別に集計）。いずれも ADMIN キーが必要です。GET /billing/usage は 2026-09-16 に廃止され、現在は常に 410 を返します。DIEM/EARNED_CREDITS/BUNDLED_CREDITS/USD の消費優先順位とダッシュボードの構築を扱います。（ベータ）
PostHog の本番 ClickHouse（US と EU）向けにスロークエリのパフォーマンスレポートを作成・構成する。スロークエリレポート、直近 N 日間のクエリパフォーマンス分析、チーム別のクエリコスト、OOM やタイムアウトの調査、クラスタのコスト／メモリ劣化、マテリアライズ候補の依頼に使用する。最新の `query_log_archive` ソース（型付き `lc_*` 列、複数日の保持期間）、スロークエリの分類と帰属の方法、根本原因のパターン（未マテリアライズの JSONExtract、高カーディナリティの内訳、重い join）、レポート構造を扱う。クエリは `querying-production-databases-via-metabase` スキル経由で実行する。
blueprint を作成して、録画またはテーブルの Rerun ビューアーの外観を変更します。録画やデータセットのレイアウト、デフォルトの blueprint の設計、各ビューに表示するエンティティの決定、列の非表示・順序変更や行のフィルタリングによるセグメント／カタログテーブルの調整など、ビューアーの外観変更を求められた場合に参照します。archetype からビューへのマッピング、レイアウトの検討、rrb 構築 API、contents 文法、テーブル blueprint、スクリーンショットの反復確認を扱います。
ML ワークスペースの `tests/` フォルダーと、実験とテストの対応ルールを管理します。軽量なルーターです。各テストカテゴリーには専用のサブスキルがあります（v1 では `smoke-test-ml-pipeline` のみ。ワークスペースの拡大に応じて `regression-test-ml-pipeline`／`distribution-test-ml-pipeline` などを同列に追加します）。この skill は空の `tests/<category>/` フォルダーを作成し、`tests/<category>/test_NN_<short_name>.py` と `experiments/NN_<short_name>.py` のファイル名の対応ルールを適用します。ユーザーがテストを依頼したら、該当するサブスキルに振り分けます。起動条件：`iterate-ml-experiment` が設計ノートを承認した直後で、実験を完了扱いにする前に対応するテストの草案が必要な場合、ユーザーが「`02` の smoke test を書いて」「regression test を追加して」「X のテストはある？」と依頼した場合、実験スクリプトを編集して対応テストの見直しが必要な場合、`pytest tests/` の実行直前に必要な対応テストが欠けている場合。スキップ条件：設計ノートがまだない（先に `iterate-ml-experiment` に振り分ける）、テストが特定の実験に関係しないパッケージ内部の helper 向け（通常のユニットテストはプロジェクトの `pytest` 設定に従って配置し、対象外）、質問が「テストを作るべきか」ではなく「テスト結果は何を意味するか」である（該当するサブスキルに振り分ける）。使用方法：この skill はルーターです。振り分け表で依頼されたテストカテゴリーを担当するサブスキルを確認し、引き継いでください。テスト本体は自分で書かないでください。それはサブスキルの担当です。対応するファイル名の空テストファイルと pytest の足場は作成し、その後に制御を引き継いでください。
濃度-時間データの薬物動態（PK）解析 — Cmax、Tmax、AUC（0-t および 0-∞）、終末半減期、クリアランス（CL）、分布容積（Vd）、MRT、絶対バイオアベイラビリティ（F）の非コンパートメント解析（NCA）。1 コンパートメントフィッティングにも対応。投与後の経時的な血漿／血清中薬物濃度があり PK パラメータが必要な場合、または IV と経口の AUC からバイオアベイラビリティを算出する場合に使用する。構造からの ADMET 特性予測には使用しない（tooluniverse-admet-prediction を使用）。
時間の経過に伴う変化の可視化、前後比較、前期間比の変動に関するリクエストで、@posthog/quill-charts を使って UI（ダッシュボード、レポート、mcp_analytics フロントエンド、カスタム可視化）を構築しているときに、PostHog のエンジニアとエージェントが適切なグラフを選べるように支援する。ユーザーが、あるものが 2 つの時点または期間の間で "changed"、"moved"、"grew"、"dropped"、"improved"、"regressed" したかを尋ねたとき、または "before/after"、"period over period"、"week over week"、"delta"、"slope graph"、"slopegraph" に言及したとき、あるいは 2 つのスナップショット間で多数のシリーズを比較するときに使用する。`SlopeChart` quill コンポーネントとネイティブの `ChartDisplayType.SlopeGraph` インサイト表示の両方を選択肢として提示する。
PostHog データウェアハウスのインポートソース向けに、ユーザー向けの posthog.com ドキュメントを作成または更新する。新しいソースドキュメントの追加、不整合またはスタブのソースドキュメントの修正、contents/docs/cdp/sources 配下のドキュメントの標準化に使用。正規テンプレート、共有スニペット、自動レンダリングされる <SourceParameters /> と <SourceTables /> コンポーネント、frontmatter、404 を防ぐ docsUrl/slug ルールを扱う。
ユーザーがゲームエコノミー、通貨設計、マネタイズ、仮想通貨、インフレ、シンク/ソースのバランス、F2P エコノミー、プレミアム通貨、ルートボックス、シーズンパス、バトルパスの経済、二重通貨、リソースフローのモデリングについて尋ねたときに呼び出す。トリガー："economy"、"currency"、"monetization"、"F2P"、"premium"、"loot box"、"battle pass"、"sink/source"、"inflation"、"resource flow"。コアなゲームプレイ機制には呼び出さない（game-designer を使用）。ギャンブル法に関する法的助言は法律の専門家に相談すること。AlterLab GameForge コレクションの一部。
ユーザーが GTM 指標を定義したい、指標ダッシュボードを構築したい、パイプライン効率を測定したい、AI 製品のパフォーマンスを追跡したいときに使用。また、ユーザーが「GTM metrics」「revenue latency」「pipeline metrics」「TTFV」「time-to-first-value」「data health」「attribution」「conversion rate」「CAC」「LTV」「NRR」「GTM dashboard」「magic number」「pipeline velocity」「funnel metrics」に言及したときにも使用。このスキルは、指標の選択からダッシュボード設計までの GTM 測定を扱い、AI 固有のコスト指標、アトリビューションモデル、週次のレビューサイクルを含む。
OpenSearch で検索アプリをゼロから構築する。ユーザーが検索アプリ、インデックス設定、検索アーキテクチャ、セマンティック検索、ベクトル検索、ハイブリッド検索、BM25、密ベクトル、疎ベクトル、agentic search、RAG、embeddings、KNN、PDF 取り込み、ドキュメント処理、または関連する検索トピックに言及したときにこのスキルを使用する。ユーザーが OpenSearch に言及せずに検索品質、評価、nDCG、適合率、関連性チューニング、検索ビルダーと言った場合でも有効化する。
他の決済プラットフォーム（Stripe Billing、Paddle、Lemon Squeezy）から Polar への移行ガイドです。次の場合にこのスキルを使用します：(1) 他の決済プロバイダーから Polar への移行を計画する。(2) Polar の Stripe 移行機能を使って、顧客、サブスクリプション、保存済みカードを移行する。(3) 移行期間中に両方の請求システムを稼働させる。(4) プラットフォーム間で商品と価格を対応付ける。(5) 移行したサブスクリプションの webhook とアクセス処理を更新する。(6) 顧客に移行を案内する。(7) まずサンドボックスで移行をテストする。
SimulationInput オブジェクトを使用して Simulink シミュレーションを非破壊的に構成する。モデルを変更せずにパラメーターを上書きし、parsim でバッチスイープを実行し、Dataset でカスタム入力信号を定義し、logsout でシミュレーションデータを取得する。setVariable、setBlockParameter、setExternalInput を指定して sim()/parsim() を実行する場合や、パラメータースイープと複数回実行の分析を行う場合に使用する。構成が不要な単発のシミュレーションには不要。
ユーザーが A/B テストや実験の計画、設計、実施、または成長実験プログラムの構築を希望する場合に使用します。「A/B テスト」「スプリットテスト」「実験」「この変更をテスト」「バリアントの文案」「多変量テスト」「仮説」「これをテストすべきか」「どちらのバージョンがよいか」「2つのバージョンをテスト」「統計的有意性」「テストをどれくらい実施すべきか」「成長実験」「実験の速度」「実験バックログ」「ICE スコア」「実験プログラム」「実験プレイブック」などに言及した場合にも使用してください。2つのアプローチを比較して成果を測りたい場合や、体系的な実験の取り組みを構築したい場合は常に使用してください。トラッキングの実装については analytics-tracking、ページ単位のコンバージョン最適化については page-cro を参照してください。
AKShare Python ライブラリを使って、中国および世界の金融データを照会します。(1) A株、香港株、米国株の株価、過去の価格、財務諸表の取得、(2) GDP/CPI/PMI などのマクロ経済データの照会、(3) 先物、オプション、債券、外国為替、ファンドデータの取得、(4) 指数データの検索、(5) ニュースセンチメントなどのオルタナティブデータの取得に使用します。株式、先物、オプション、債券、外国為替、ファンド、マクロ経済、指数、オルタナティブデータ向けに 500 以上のデータインターフェースをカバーします。
ターゲットと競合のブログ記事を集計・比較し、sitemap の lastmod 日付でコンテンツの鮮度を監査し、競合のオーガニックキーワード（米国、非ブランド、情報提供型）をターゲットと照合してランキングギャップを明らかにする。ブログ記事数の比較、コンテンツ量、公開頻度、コンテンツの鮮度、キーワードマッピング、キーワードギャップ分析、競合キーワードレポートを求められたときに使用する——例：\"how many blog posts does X have vs Y\"、\"how fresh is content on X\"、\"where does [target] rank for [competitor] keywords\"、\"keyword gap between X and Y\"。会社名だけで動作する。ブログ比較、鮮度監査、キーワードマッピングのタスクには常に使用する。
決定論的メトリクスを発明する — 「保守性」「リスク」「このコードがどれだけ削減可能か」といった曖昧な性質を、エージェントが信頼して最適化できる決定論的で計算可能な数値に変える。構成概念から採用までの道のりを扱う — 構成概念の操作化、計算可能性の限界（Kolmogorov、Rice）に妥当な代理指標で立ち向かうこと、適切な測定尺度の選択、性質の証明（単調性、不変性、Weyuker/Briand の公理）、決定論の保証、構成概念妥当性の確立（単なる LOC の偽装ではないこと）、そしてエージェントがメトリクスを最適化する際の Goodhart 的なゲーミングへの備え。定量的なメトリクス、スコア、尺度、指数を設計、レビュー、検証するときにトリガーする — ユーザーが「メトリクス」と言わなくても、コードや振る舞いを定量化、スコア化、順位付け、測定したい、決定論的な最適化目標を構築したい、またはこれまで定量化されなかったものの尺度を発明したい（例：振る舞いを保ったままのコードベース規模の削減）ときにもトリガーする。
Rust 製 AI/ML ライブラリ fandhe-ai のリファレンス。Burn / candle / tch に依存しない from-scratch 実装。tape(), tape_for, Tape, Gradients, Tensor, Var, LinearVars, autodiff, kernel fusion, FusionPlan, BackendOps, Device（Cpu / Cuda / Metal）、DeviceParamStore、compat::array、compat::Sequential、nn::Module、optim（AdamW / GradScaler）、data::DataLoader、ONNX の import / export、safetensors、inference::generate / KvCache、guardrail / self-repair CLI。
MCP ライブラリに同期された EHunt Etsy カテゴリデータから、`_ehunt_etsyCategorySearch`（MCP 表示名「Etsy品类查询」）を使ってカテゴリ名、id、parentIds を検索し、商品やショップの絞り込みに使うカテゴリ id を特定します。ユーザーが EHunt Etsy カテゴリ、Etsy category id、Etsy カテゴリツリー、`_ehunt_etsyCategorySearch`、Etsy品类查询、または syncEtsyCategory / _ehunt_syncEtsyCategory（Etsyカテゴリ同期）後のカテゴリ検索に言及した場合に使用します。EHunt という語がなくても、ローカルに同期済みの Etsy カテゴリライブラリでキーワードからカテゴリ id を検索する場合にも使用します。
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。