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
頻出の実務上の課題を解決する：Yakit History に某サイトの大量のトラフィックが蓄積された後、ドメイン単位で一括してすべての一意なパスを取得し、ログイン Cookie を入手し、それらのパスを再利用可能な Payload 辞書として蓄積し、ログイン状態を保ったままパスごとにリクエストを送信してスキャン/Fuzz する方法。db.QueryHTTPFlowsByKeyword による History の取得、URI の重複排除、Cookie の抽出、db.SavePayload/YieldPayload による辞書管理、poc.HTTP によるログイン状態でのリクエスト送信を扱う。ユーザーが「履歴トラフィックからデータを抽出して以降のスキャンを駆動したい」ときに使用する。
Yaklang のデータベース操作（db ライブラリ）特集。スクリプト/プラグインでデータを永続化または照会する必要がある場合に使用する：一時 SQLite のテーブル作成と CRUD（db.OpenTempSqliteDatabase / db.ScanResult / Exec）、スクリプト間で共有する設定のキー・バリューストア（db.SetKey/GetKey/DelKey/SetKeyWithTTL）、ブルートフォース辞書の一元管理（db.SavePayload/YieldPayload）、およびプロジェクト単位の設定（db.SetProjectKey/GetProjectKey）。
Apify Actors を介した、追跡対象のポートフォリオ企業向けのソーシャルリスニングシグナル — Reddit のセンチメント（fatihtahta）、Twitter/X のリアルタイム言及（kaitoeasyapi、従量課金）、Trustpilot のサービス品質（getwally.net）。ユーザーがセンチメント、SNS での言及、顧客レビュー、ブランド認知、危機シグナル、OSINT、ソーシャルリスニング、"what are people saying about X" を求めたときに使用します。追跡対象企業は data/companies.json から読み取ります。ニュース（apify-financial-news を使用）や登記情報の検索（apify-public-registries を使用）には使用しないでください。
D3.js でカスタムのインタラクティブなデータ可視化を作成するためのガイド — 棒／折れ線／散布図、ネットワーク図、地理マップ、階層構造、ズーム／パン／ブラシ操作とアニメーション遷移を伴うリアルタイムデータ更新。チャートライブラリ（Highcharts、Chart.js）に必要なカスタマイズ性がなく、データ駆動の DOM 操作、スケール、シェイプ、レイアウトを低レベルで制御する必要がある場合に使用する。ユーザーが D3、d3.js、custom visualization、force-directed graph、data-driven SVG に言及したときに呼び出す。
TypeScript または Rust での Geohash エンコード/デコード — ビットインターリーブ、base32 アルファベット、精度とセル形状、隣接計算、近傍検索とバウンディングボックス検索、geohash を基盤とする空間インデックス。また「コードベースをナビゲート可能な 2D マップとして扱う」パターンも扱う — コードベースを座標平面に投影し、geohash 化してプレフィックスをビジネスドメインの領域にし、Google Maps のようにナビゲートする（ズーム、タイル、詳細度、クラスタリング、ディープリンク）。geohash の実装、レビュー、デバッグ時にトリガーする — ユーザーが「geohash」と言わなくても、作業が空間ハッシュ、Morton/Z-order コード、緯度経度の近傍検索、コード構造の空間的なマッピングと可視化に関わる場合も含む。影響度順に並んだ 42 のルールを TypeScript と Rust の例とともに収録。
Huawei Cloud ModelArts トレーニングジョブの障害診断スキル。hcloud CLI を使用して ModelArts トレーニングジョブのログ/イベント API を呼び出し、トレーニングジョブの失敗/タイムアウト/スタックを分析し、顧客のトレーニングコードの問題を特定し、修正提案と信頼度を伴う診断結論を提供する。シナリオ：トレーニングジョブの失敗（status.phase=Failed）、タイムアウト（Timeout）、異常（Abnormal）、ジョブのスタック。トリガー：training job failure、training job timeout、training job stuck、ModelArts training diagnosis、训练任务失败排查、训练作业异常分析。
単一の低スペックマシン上で RAM を超える可能性のあるデータセットを処理・変換・移動する — メモリ規律（ストリーミング、ジェネレーター、dtype 縮小）、I/O アクセスパターン（シーケンシャルとランダム、mmap、非同期）、データフォーマット（Parquet と CSV と JSON、述語プッシュダウン）、チャンク化とバッチ処理、ディスクへのスピル（外部マージソート、DuckDB/Polars）、パイプライン化（有界キュー、バックプレッシャー、チェックポイント）、コーデック選択（zstd/lz4/gzip）、I/O バウンドなワークロードの並行処理（asyncio、スレッド、プリフェッチ）、可観測性（iowait と CPU%、行/秒、py-spy/strace）を扱う。「大きなファイルを処理する」「これをストリーミングする」「out-of-core」「OOM kill」「これが遅い」、あるいは数 GB のファイルに対する `pd.read_csv`、大きなボディに対する `requests.get(...).content`、無制限の入力に対する `BytesIO`、行ごとの INSERT、シーケンシャルな `requests.get` ループ、低下する `tqdm` レートを含むコードでトリガーする — I/O やメモリに言及していなくてもよい。computer-science-algorithms の補完。
MySQL から MariaDB へ移行する開発者、および MySQL の経験を持ち MariaDB を扱う開発者向けの互換性ガイド。MySQL アプリケーションを MariaDB へ移行するとき、MySQL の構文や習慣が MariaDB で予期しない動作を引き起こすとき、MySQL/MariaDB の互換性について尋ねるとき、または MySQL 向けに書かれたコードを MariaDB で動くように改変するときに使用します。重要 — MariaDB は MySQL 8.0 と大きく異なり、現代の MySQL の単純なドロップイン代替ではありません。認証プラグイン、JSON の扱い、GTID レプリケーション、およびいくつかの SQL 機能が重要な点で異なります。
PostgreSQL 17/18+ のパフォーマンスチューニングと最適化。非同期 I/O の設定、クエリプランのフォレンジック、インデックス戦略、autovacuum のチューニング、ベクトル検索の最適化、コネクションプーリング、宣言的パーティショニング、実用的なクエリパターンを扱う。遅いクエリの診断、非同期 I/O の設定、autovacuum のチューニング、ベクトルインデックスの最適化、EXPLAIN BUFFERS による実行計画の分析、PgBouncer やコネクションプーリングの設定、テーブルパーティショニングの設定、カーソルページネーションの実装、キュー処理の最適化を行うときに使用する。
診断検査 / バイオマーカーの精度 — 2x2 表からの感度、特異度、PPV、NPV、尤度比、正確度。連続値バイオマーカーの ROC 曲線、AUC、最適カットオフ（Youden）。および Bayes による検査後確率。検査結果とゴールドスタンダード（二値の 2x2、または連続スコア + 真のラベル）があり、検査の良し悪しを判断したい、閾値を選びたい、結果が与えられたときの疾患確率を計算したい場合に使用する。PPV/NPV が有病率に依存することを強調する。
Cube.dev のセマンティックモデルの model-graph.png 可視化を生成する——cube グラフの描画、cube 間の関係の表示、ファクトスパインの描画、セマンティックレイヤーの図示。ユーザーがセマンティックモデル / cube モデル / cube 関係の可視化、描画、図示、グラフ化に言及したときはいつでも使用する——PNG を明示的に求めていなくても。トリガー: "visualize the semantic model"、"draw the cube graph"、"show relationships between cubes"、"generate model-graph.png"、"diagram the semantic layer"、"render the cube model"。オプションのフォルダ引数を受け取る（デフォルトは `cubes/`）。
Gate-News MCP 経由でコミュニティセンチメントを取得。X/Twitter を優先。ソーシャル上の議論、KOL の見解、特定のコインやトピックに関する意見の把握に使用。トリガー：ETH についてコミュニティはどう考えているか、Twitter や X のセンチメント、人々は何と言っているか、KOL の意見。search_ugc が利用可能な場合は Reddit、Discord、Telegram も対象。それまでは出力を X/Twitter のみと明示する。ツール：news_feed_search_x、news_feed_get_social_sentiment。
hcloud コマンドラインで Huawei Cloud ModelArts のトレーニングジョブと関連リソースをライフサイクル全体にわたって管理する。8 つの機能領域にまたがる 52 の API インターフェースをカバー：トレーニングジョブ管理、アルゴリズム管理、トレーニングジョブタグ、トレーニング実験、トレーニングジョブイベント、モデルインポート、自動検索（ハイパーパラメーターチューニング）、トレーニングイメージの保存。すべての書き込み操作は実行前にユーザーの確認を必要とする。トリガーには次が含まれる："ModelArts training"、"训练作业"、"模型训练"、"创建训练作业"、"查询训练作业"、"停止训练作业"、"删除训练作业"、"算法管理"、"超参配置"、"training job"、"training management"、"create training"、"ModelArts 训练"、"训练实验"、"自动搜索"、"超参调优"。
PPL と Query DSL を使って OpenSearch のログを分析する。ユーザーがログを照会したい、エラーパターンを分析したい、ログパターンを発見したい、エラー率を確認したい、ログの異常検知を行いたい、またはログデータからアプリケーションの問題を調査したい場合に使用するスキル。OpenSearch に言及せず、log analysis、Fluent Bit、Fluentd、Logstash、syslog、PPL、error rate、anomaly detection、log patterns、log analytics と言った場合でも発動する。
AWS OpenSearch（Elasticsearch）または AWS Personalize の前段に置くキャッシュ戦略 — 検索、レコメンダー、マルチレコメンダーページ、匿名とログイン済みのトラフィック。ROI 判断（TPS/minProvisionedTPS、Zipf、増幅）、キー設計（正規化、コホートかユーザーか、ソリューションバージョンの固定、バケッティング）、パーソナライズの境界（匿名/ログインの分割、ファンアウトの合流）、戦略（cache-aside、refresh-ahead、write-through、バッチ事前計算、L1+L2）、TTL（変動性、ソフト/ハード、ジッター、イベント駆動の無効化）、スタンピード対策（single-flight、XFetch、stale-while-revalidate、サーキットブレーカー）、可観測性（ヒット率、1000 件あたりのコスト、カーディナリティのドリフト、ログリプレイ）、防御的キャッシュ（ネガティブキャッシュ、Bloom filter）、階層の構成（LRU、ElastiCache Redis、CloudFront、OpenSearch のリクエスト/フィルターキャッシュ）を扱う。トリガーはキャッシュヒット率、Personalize のスロットリング、スタンピード、single-flight、L1/L2、ElastiCache のサイジング。opensearch-function-scoring-algorithms を補完する。
すべてのティアにわたる計画的なクラスターメンテナンスを管理する。セルフホストでは、OS パッチ適用、ハードウェア変更、構成更新のためのノードドレイン手順を扱う。Advanced/BYOC では、メンテナンスウィンドウの構成、パッチのスケジューリング、延期ポリシー、CRL 管理のメンテナンス中の監視を扱う。Standard と Basic のメンテナンスは完全にマネージドで、お客様の作業は不要。メンテナンスの計画、メンテナンスウィンドウの構成、メンテナンスイベントに向けたアプリケーションの準備に使用する。
Lazy API を使って高速で慣用的な Python の Polars コードを記述し、データに関する自然言語の質問に一度で回答します。表形式データ（CSV、Parquet、NDJSON、DataFrame）の読み込み、クエリ、変換、集計、結合、分析、top-k、傾向、期間比較、分布、時系列、全体に占める割合についての質問への回答、SQL による DataFrame やファイルのクエリ、Polars コードの作成・デバッグ・高速化、pandas から Polars への変換を含むタスクで使用します。ユーザーが「Polars」と明示していない場合にも適用され、Python のデータ作業で既定の選択肢となります。式、ウィンドウ関数、グループ集計、結合、メモリ容量を超えるデータを扱います。Polars Cloud、On-Prem、分散処理、GPU ワークロードには使用しません。
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。