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
顧客が自身の結果を確認する PostHog Experiments（A/B テスト）のデバッグとサポート。実験のサポートチケットが貼り付けられたとき、または顧客が結果について質問したときに使用。最も多いのは「なぜエクスポージャーが均等でないのか」「なぜ一方のバリアントにトラフィックがないのか」「なぜエクスポージャーが欠けている／少なすぎるのか」「なぜバイアスバナーが表示されるのか」「なぜ PostHog の数値が自分の SQL と一致しないのか」。実験の実データを読み取り専用で取得し、既知原因カタログと照合して、顧客向けの説明、修正、該当数値のレビューを作成する。深い診断ライブラリとして diagnosing-experiment-health を読み込む。以下ではトリガーしない: 実験の作成（creating-experiments を使用）、ロールアウトの設定のみ（configuring-experiment-rollout）または指標の設定のみ（configuring-experiment-analytics）、ライフサイクルに関する質問（managing-experiment-lifecycle）、または結果ではなく基盤のフィーチャーフラグが不具合を起こしている場合（debugging-feature-flags を使用）。
CockroachDB アプリケーション向けのマルチリージョンパターンの選択と実装を開発者にガイドする。active-passive と active-active のアーキテクチャ、REGIONAL BY ROW、GLOBAL テーブル、リース優先設定を用いた手動の地理パーティショニング、検証クエリを伴うライブデモのセットアップを扱う。マルチリージョンのデータベーストポロジーを設計するとき、REGIONAL BY ROW と手動パーティショニングのどちらを選ぶかを決めるとき、マルチリージョンのデモを構築するとき、またはリージョン間レイテンシを最適化するときに使用する。
データを収集する前に、「何を検証したいのか」を統計的に妥当で再現可能、かつ解釈可能な研究デザインに変えます。ユーザーが実験・研究計画を設計する、デザインの種類（完全無作為化／無作為化区画／要因／一部実施要因／クロスオーバー／反復測定／クラスター無作為化／応答曲面）を選ぶ、無作為化とブロック化を行う、サンプルサイズと統計的検出力を見積もる、機械学習のアブレーション・ベンチマークを計画する、または統計解析計画と事前登録を作成するときに使用します。「収集前のデザイン」のみを扱い、収集後の統計・オミクスの実行はデータ分析系のスキルに任せます。
モデルを設計する前にデータセットを探索します。`data_analysis/data_analysis.py`を配置し、実行しません。`materialize.py`を1回実行し、`data_analysis.md`とJOURNAL § Data understandingを記述します。モデルの設計、`src/<pkg>/`の編集、生データファイルの変更は決して行いません。ユーザーがデータの探索、プロファイリング、理解を求めた場合、トリアージで`status.data_analysis`の不足によりここへ案内された場合、データソースが変更された場合、記録済みのEDAの更新を求められた場合、または記録済みのEDAに関してデータ漏洩や研究上の問題が生じた場合に起動します。`status.setup.pending`が空でない場合（`setup-ml-project`を読み込む）、データがない場合（トリアージへ案内）、依頼が生データ探索ではない場合、または更新や方法論上の懸念がないままEDAが記録済みの場合は停止します。セットアップが保留中の間、パッケージルートやルートの`JOURNAL.md`を作り出してはいけません。使用方法：`add-python-package`経由でG-TABULARを使用し、ターゲットを推測するかユーザーに尋ねます。インストール済みなら`plot-ml-figure`を読み込み、その後Closeを含む5択の続行メニューを提示します。
J-Quants CLI (jquants) で日本株式市場データを取得するコマンドを構築・実行する。株価・四本値・分足・ティック、信用取引残高・空売り比率、先物・オプション、財務諸表・配当金、TOPIX・指数データの取得に対応。プランごとの API 利用可否・取得可能データ期間（Free/Light/Standard/Premium）の確認にも対応。トリガー: jquants, J-Quants, 株価, 株価データ, 銘柄, 四本値, 分足, OHLCV, JPX, 東証, TOPIX, 日経225, 先物, オプション, デリバティブ, 空売り, 信用取引, 配当, 財務諸表, 決算, 決算発表予定日, PER, PBR, ROE, EDINET, 大株主, 政策保有株式, 大量保有報告書, 有価証券報告書, 指数, バルクダウンロード, 日本株, Japanese stock, stock price, market data, financial statements, プラン, サブスクリプション, subscription, plan, Free, Light, Standard, Premium, 取得可能期間, データ範囲, data range, API availability, 更新時刻, データ更新, 更新タイミング, データが古い, 最新データ, いつ更新, data freshness, update schedule, update time, when is data updated, latest data
CoinMarketCap MCP データを使って包括的な暗号資産市場レポートを生成する。ユーザーが市場全体の状況やセンチメントについて尋ねたり、要約を求めた場合に使用する。恐怖/強欲、BTC ドミナンス、アルトコインシーズン、トレンドのナラティブ、または一般的な「市場はどうなっているか」という質問にも使用する。トリガー："market report"、"market overview"、"what's happening in crypto"、"market sentiment"、"fear and greed"、"is it altcoin season"、"/market-report"。
ソフトウェアメトリクスを信頼または最適化する前に実証的に検証する——任意の候補メトリクス（パスを受け取り 1 つの数値を出力するコマンド）とコーパスを入力として与えると、優れたメトリクスが備えるべき各特性を反証しようとする実験を実行する。決定性（同じ入力で、実行やハッシュシードをまたいでも同じ数値）、見た目上の編集に対する不変性（アンチゲーミングの検証も兼ねる）、構文を増やす編集の下での単調性、識別力、エッジ入力での堅牢性、ほぼ線形の扱いやすさ、構念妥当性（収束妥当性、LOC に対する弁別妥当性、予測 AUC、ベースラインに対するリフト）を確認する。誰かがメトリクス、スコア、指標を提案・レビュー・チューニング・出荷するとき、「このメトリクスは優れているか」と尋ねるとき、スコアが LOC を追っている、または実行ごとに跳ねると疑うとき、決定的な最適化ターゲットを構築するときに発動する。deterministic-metric-design スキルの実証的な相棒であり、読み取り専用である。
CockroachDB クラスターの初期プロビジョニングと本番デプロイをガイドする。Self-Hosted は cockroach start/init、Kubernetes デプロイ（Operator、Helm）、ハードウェアサイジング、本番構成を扱う。Advanced/BYOC は本番設定を伴う Cloud Console、API、Terraform によるプロビジョニングを扱う。Standard はクラスター作成とプロビジョニング済みコンピュートの選択を扱う。Basic はクラスター作成と支出上限を扱う。新しいクラスターの作成、本番稼働の準備、デプロイ構成の検証時に使用する。
Rerun Chunk Processing API（rerun.chunk）の中核となる仕組み——LazyChunkStream パイプライン、Chunk、lens（MutateLens/DeriveLens/Selector）、RrdReader、最適化された RRD の書き込み。取り込み／変換／前処理コード（MCAP の変換、データセットからの recording の構築、.rrd の前処理、旧コンバーターの移植）を書く前に必ず読んでください。reader+lens パイプラインの使用が必須で、手作業による chunks の構築は避けます。reader/lens で生成できるデータに Chunk.from_columns を使わない、メッセージごとに rr.log を呼び出さない、pa.array を手動で組み立てないでください。データソース固有の知識はインポータースキル（rerun-mcap、rerun-urdf、rerun-parquet、rerun-mp4、rerun-lerobot）にあります。データを何に変換するか判断するため、まず rerun-data-model を読んでください。
生のマルチモーダルロボットデータが Rerun データモデルにどのようにマッピングされるか。データセットをモデリングまたは変換する前に必ず最初に読み、またロボットデータを .rrd に変換/取り込み/前処理したり Rerun recording を構築しようとするときは、データモデルを求められていなくても読む。entity と component、property と component と layer、静的と時間的という判断を解決し、適切な仕組みへ導く（手作りの chunk やメッセージごとの rr.log ではなく、readers と lenses で行う）：rerun-chunk-processing と、インポータースキル rerun-mcap、rerun-urdf、rerun-parquet、rerun-mp4、rerun-lerobot。
CoinMarketCap MCP データを用いて暗号通貨の包括的なデューデリジェンスを行う。ユーザーが特定のコインについて価格以外の情報を求めたときに使用する。これには「what is [coin]」「is [coin] legit」「analyze [coin]」といった質問、トークノミクスに関する質問、保有者分布、または単一の暗号通貨に関する詳細情報のあらゆるリクエストが含まれる。トリガー：「research [coin]」「tell me about [coin]」「should I invest in [coin]」「DYOR [coin]」「is [coin] safe」「/crypto-research」
RevOS MCP サーバーを通じて、組織の RevOS セマンティックモデルを構成する cube 定義を読み取り、作成、編集、削除します。ユーザーが「cube」と言わなくても、セマンティックモデルの内容を変更したい場合は常に使用します。新しいテーブルやソースストリームのモデル化（「HubSpot tickets をクエリ可能にする」）、ディメンションやメジャーの追加・修正（「売上合計を追加」「close date は時間フィールドにする」）、2 つの cube の結合（「deals と companies をリンク」）、フィールドの名前変更や削除、cube の削除、cube 定義の確認（「crm_deals の SQL を表示」）、セマンティックモデルやテーブルが突然読み込めなくなった原因の調査が対象です。`cubes` リソースに対して api_write または api_delete を実行する前に読み取ってください。データに関するビジネス上の質問には semantic-model、オーディエンスには segments を使用します。
Frappe/ERPNext でデータベースエラーを処理するときに使用。DuplicateEntryError、LinkValidationError、MandatoryError、TimestampMismatchError、CharacterLengthExceededError、InReadOnlyMode、QueryTimeoutError、SQL インジェクションエラー、frappe.db.sql のパラメータ形式（% と %s）、get_value が None を返す、トランザクションのデッドロック、MariaDB gone away、too many connections を扱う。v14/v15/v16 のエラーから修正へのマッピング。キーワード：database error、DuplicateEntryError、TimestampMismatchError、MariaDB error、MySQL error、column not found、table missing、duplicate entry、database crash、SQL injection、deadlock、MariaDB gone away、query timeout。
DocType の JSON 定義の作成・変更、fieldtype の選択、命名規則の設定、子テーブルの追加、ツリー構造の設定を行うときに使用します。fieldtype の選択ミス、命名規則の破損、子テーブルリンクの設定不備による無効な DocType 設定を防ぎます。DocType JSON schema、すべての fieldtype とそのプロパティ、autoname/naming_rule パターン、子テーブル（Table fieldtype）、ツリー DocType、仮想 DocType、Single DocType を扱います。キーワード：DocType、fieldtype、naming_rule、autoname、子テーブル、ツリー、仮想 DocType、Single、JSON 定義、Custom Field、Customize Form、コードなしでフィールドを追加、階層、ツリービュー、フィールドタイプリスト。
Gate-Info MCP による DeFi エコシステム分析。TVL ランキング、プロトコル指標、イールド/APY、ステーブルコイン、ブリッジ、取引所準備金、清算ヒートマップをユーザーが求めたときにこのスキルを使用する。トリガーフレーズには Uniswap TVL、DeFi ranking、USDC yield、bridge volume、exchange BTC reserves、liquidation density が含まれる。コインのみのファンダメンタルズは gate-info-coinanalysis に振り分ける。サブシナリオツール：info_platformmetrics_* ファミリーと info_coin_get_coin_info（シナリオごとの正確なツール名は SKILL.md を参照）。
AWS (EKS)、Azure (AKS)、GCP (GKE) 上でセルフホスト型 Materialize をデプロイするための Terraform モジュール。ネットワーキング、Kubernetes クラスター、マネージド PostgreSQL、オブジェクトストレージ、Materialize operator、Materialize インスタンスの構成を扱う。Terraform でセルフホスト型 Materialize をデプロイする方法、任意のクラウドで Materialize インフラストラクチャを構築する方法、Materialize 用に EKS/AKS/GKE を構成する方法、セルフホスト型デプロイのトラブルシューティング、Materialize インスタンスのアップグレード、Materialize 用の Terraform 変数のカスタマイズ、materialize-terraform-self-managed リポジトリの操作についてユーザーが尋ねたときはいつでもこのスキルを使用する。Materialize 用の Karpenter ノードプール、persist または metadata バックエンド URL、Materialize operator Helm chart、CRD バージョン（v1alpha1 と v1）、ロールアウト戦略、Materialize ノードの NVMe swap 構成に言及した場合にもトリガーする。
ブランチ上の既存の Datex Studio レポートを変更するときに使用する。ラベル/スタイルの変更、フィールドの並べ替え、列の追加/削除、データソースの変更、新しいデータセクションの追加を扱う。トリガー：「edit a report」「modify a report」「change the label」「add a column」「update the report on branch X」「fix the report layout」。新しいレポートをゼロから作成する場合は `report-creator` を使用する。
ScraperAPI を初めて使うエージェントと開発者向けの入口。ScraperAPI をエージェントやアプリに統合するとき、Claude Code や他の LLM ツール向けに MCP サーバーをセットアップするとき、適切な ScraperAPI 製品を選ぶとき、API キーを取得するときに最初に読む。トリガー: "how do I use ScraperAPI"、"set up ScraperAPI"、"connect ScraperAPI to Claude"、"which ScraperAPI product should I use"、"get web data for my agent"、"scrape a website in my app"、"add web scraping to my project"、"ScraperAPI getting started"。読んだ後は、選択したパスを担当するより狭いスキルにルーティングする。注意：ユーザーが提供したクエリ、URL、コンテンツを ScraperAPI に送信する。
RevOS MCP サーバーを通じて、RevOS のテーブル（スコアリングモデル）を作成、読み取り、編集、削除し、segment でその行を絞り込む。テーブルの行は cube から取得し、その列は cube から読み取るか、RevOS に保存するか、アクションで埋める。ユーザーが RevOS のテーブルやリストを求めたとき（「わが社の企業一覧のテーブルを作る」「停滞している商談のテーブル」）、列の追加・変更・改名・非表示・削除をしたいとき、関連オブジェクトのフィールドをテーブルに取り込みたいとき（「企業の業種を商談テーブルに追加する」）、アクション列を追加したいとき、テーブルの構成を確認したいとき、テーブルを削除したいときに本スキルを使用する（「テーブル」という言葉を使わない場合でも）。`tables` または `table-views` リソースに対する最初の api_write や api_delete の前には必ず読むこと。
同期済みデータウェアハウステーブルの列を PostHog の person または group プロパティに同期し、ウェアハウスデータを person と group プロパティが既に使えるあらゆる場所で利用可能にする：フィーチャーフラグのターゲティング、cohort、インサイトのフィルターと内訳、サーベイ、セッションリプレイのフィルター、ワークフロー、person プロファイル。ユーザーが「自分のウェアハウスから person プロパティを追加したい」「Stripe/Postgres/Salesforce のデータで person をエンリッチしたい」「person に ARR やプラン階層を設定したい」「ウェアハウスの列でフィーチャーフラグをターゲティングしたい」「ウェアハウスの列を group や組織に同期したい」と考えている場合、または既存のウェアハウス連携の person または group プロパティを確認、バックフィル、無効化、デバッグしたい場合に使用する。
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。