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 99,064 件掲載。コマンド 1 行でインストールできます。
開発
全履歴の Godot バージョン移行ハブ。任意の Godot プロジェクトをライブラリのターゲット（現在 4.7）へアップグレードするとき — 1.x/2.x の旧世代から 3→4、さらに 4.x のマイナーをホップごとに — あるいはドメインスキル範囲の移行メモを探すときに使用。トリガーキーワード：upgrade Godot、migrate Godot version、Godot 3 to 4、Godot 2 to 3、upgrading_to_godot、version migration、breaking changes、convert-3to4、TileMapLayer、AnimationMixer、engine.cfg、project.godot。
Hostinger Headlessの構築フローを統括します。ドメイン名を指定した1つのプロンプトから、ユーザーのHostingerアカウント上に実際のウェブサイトを構築してデプロイします。段階の流れと状態の取り決めを管理し、接続、状態確認、調整、プロビジョニング、コンテンツモデル、デザイン、フロントエンド、検証、デプロイ、完了の順に各段階を進めます。トリガー：<domain>のヘッドレスサイトを構築、サイトを作って、ウェブサイトを作成、Hostingerにデプロイ、Hostingerでホスト、このプロジェクトをHostingerに接続。
OpenAI、Gemini/Google AI、または Anthropic API を呼び出すコードを Amazon Bedrock に移行したい場合に使用します。対象はモデル/SDK の書き換えのみです。コードベースを評価し、SDK 呼び出しを書き換え、Bedrock と照合して出力品質を評価し、マージ可能な git ブランチを提供する一連の作業を行います。Agent のランタイム選定、Agent アーキテクチャの決定、Agent 移行計画には使用せず、agent-advisor を使用してください。Bedrock の費用見積もりのみ、またはインフラストラクチャのみの移行にも使用しません。この skill と併せて gcp-to-aws skill をインストールする必要があります。評価はクロススキル呼び出しによって全面的に委任されるため、gcp-to-aws がない場合の単独フォールバックはありません。
プロジェクトに marko-ui の components.json がある場合、または marko-ui コンポーネント（Zag.js を基盤とする Marko 6 向けの shadcn スタイルのコンポーネント）のインストール、使用、編集、デバッグを行う場合に使用 —— コンポーネントの検索、API の確認、marko-ui CLI での追加、レンダリングはされるが挙動がおかしいコンポーネントの修正、新規プロジェクトでの marko-ui のセットアップ。一般的な Marko 6 の構文（marko6 を参照）やルーティング（marko-run を参照）には向かない。
JavaScript コードベースを TypeScript に移行します。.js ファイルの .ts への変換、既存の JS への型追加、型付けが緩い TS プロジェクトの strict モードへの移行を扱います。tsconfig と allowJs の方針、strict フラグ（noImplicitAny、strictNullChecks、noUncheckedIndexedAccess）の段階的な適用、公開 API の型付け、`any` や安全でないキャストの `unknown` と型の絞り込みによる置き換え、実行時境界（JSON、env、API レスポンス）の検証、CommonJS から ESM への変換、プロトタイプのクラス化、移行に必要なビルド／CI の変更を網羅します。ユーザーが「型を追加」「strict モードを有効化」「このファイルを TypeScript に変換」とだけ述べた場合も、特に JS/TS 混在リポジトリでは使用します。一般的な TypeScript リファクタリングとは異なり、ビルドを維持しながらファイル単位で移行を進めます。
新しいカスタム Jetpack Compose 修飾子を作成し、レガシーな修飾子を Modifier.composed { } から Modifier.Node + ModifierNodeElement<T> へ移行するためにこのスキルを使用する。永続ノードのライフサイクル（onAttach、onDetach、onReset、coroutineScope）、専用ノードインターフェース（DrawModifierNode、LayoutModifierNode、SemanticsModifierNode、PointerInputModifierNode、CompositionLocalConsumerModifierNode、LayoutAwareModifierNode、GlobalPositionAwareModifierNode、ObserverModifierNode、DelegatingNode、TraversableNode）、差分比較のために ModifierNodeElement が data class でなければならない理由、手動無効化の調整項目（invalidateDraw、invalidateMeasurement、invalidatePlacement、shouldAutoInvalidate）を扱う。開発者が Modifier.composed、カスタム修飾子、ModifierNodeElement、Modifier.Node、"rewriting our drawBehind helper"、ノードライフサイクルに言及した場合、またはコードレビューで Modifier.composed { } を見た場合に使用する。
Next.js ページ用の URL 状態フィルターをスキャフォールドする — 型付きの `searchParams.ts` パーサーマップと、`useQueryStates` に支えられた `<Filters />` クライアントコンポーネント。単一の JSON 仕様から 4 つのファイルを同期して生成する — クライアントパーサーマップ、サーバーのローダー／キャッシュ／シリアライザー、クライアントコンポーネント、Vitest テスト — いずれも nuqs Standard Schema パターンに従い同じパーサー定義を共有する。ユーザーが「/search にフィルターを追加して」や「このページ用の型付きクエリ文字列がほしい」と言っただけでもトリガーする — どちらもまさにこのスキルの役割である。
このスキルは、Jetpack Compose の Modifier 順序のバグ（background の描画領域の誤り、clickable のクリック領域の誤り、clip のクリッピングの誤り、padding/size の測定の誤り、予想外の graphicsLayer スコープ）を診断して修正するために使用します。「次の Modifier を包む」というメンタルモデル、典型的な落とし穴（padding と background、clickable の配置、background より前の clip、graphicsLayer の配置）、および remember { Modifier.… } で Modifier チェーン全体をホイストしても、Compose が同一のチェーンをすでにインターンするため、実際のパフォーマンス向上になることはほとんどない理由を扱います。開発者が「クリック領域が可視のボタンを超えて広がるのはなぜか」「背景が間違った場所に描画されるのはなぜか」「Modifier の順序は重要か」「Modifier チェーンをキャッシュすべきか」と尋ねるとき、または Modifier を並べ替える diff をレビューするときに使用します。
ソフトウェアプロジェクト向けに高品質な README とシステムドキュメントを作成します。次の場合に使用します。（1）プロジェクトの README ドキュメントの作成または更新、（2）Mermaid によるシステム動作原理のフローチャートの追加、（3）詳細な手順形式の使用方法の作成、（4）設定の説明（環境変数、設定ファイル）の整理と改善、（5）ドキュメントをより使いやすく、理解しやすくする。オープンソースプロジェクト、社内ツール、API サービスなど、ドキュメントの改善が必要なあらゆるプロジェクトに適用できます。
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。
Snippe（api.snippe.sh）との統合を構築する。これはタンザニアの決済処理 API である。ユーザーが Snippe に言及した場合、タンザニア向けの決済統合（M-Pesa、Airtel Money、Mixx by Yas、Halotel によるモバイルマネー、Visa/Mastercard によるクレジット/デビットカード、動的 QR コード）に取り組んでいる場合、TZS 決済を受け付ける必要がある場合、タンザニアのモバイルウォレットや銀行（CRDB、NMB、NBC、ABSA、Equity、KCB、Stanbic など）へ送金する場合、Snippe の webhook を検証する場合、または Snippe のエラーと冪等性を処理する場合は常にこのスキルを使用する。v2026-01-25 API をカバーする——認証、決済、ホスト型チェックアウトセッション、送金、webhook、エラー処理。
ローカルの上流チュートリアル、プロダクションカーネル、言語定義、コンパイラソースをもとに、Triton と Gluon の GPU カーネルを書き、デバッグし、最適化する。タスクが triton.jit、triton.language、tl.*、Gluon、TensorDescriptor、Triton autotune、TritonGPU/MLIR lowering、triton_kernels を明示的に扱う場合、または CUDA カーネルを Triton に変換する場合に使用。生の CUDA/PTX と NVIDIA アーキテクチャの事実には cuda-skill、CUTLASS、CuTe、CuTeDSL の作業には cutlass-skill を使用。
Typesense でセルフホスト可能でタイポに強い検索環境を立ち上げる——オープンソースの Algolia / ElasticSearch 代替（単一の C++ バイナリ、<50ms のインスタント検索、実行時依存なし）。ルーティング優先の 1 つの skill：サーバーモード（バイナリのダウンロード、公式 Docker イメージ、マネージドの Typesense Cloud）を選び、API クライアント（Python/JS/PHP/Ruby は公式、Go/Dart/C# はコミュニティ）をインストールし、コレクション schema を設計してドキュメントをインデックスし、タイポ耐性、ファセット/フィルタリング、ジオ検索、ソート、グループ化、同義語、キュレーション、スコープ付き API キー、連合マルチ検索を備えた検索を実行する——その後 InstantSearch.js の UI を組み込み、本番用に Raft ベースの HA クラスタを構成する。ユーザーがインストール可能な検索バックエンドを構築・運用したい場合、サイト/アプリ/製品の検索を追加したい場合、Algolia/Elasticsearch から移行したい場合に使用する。トリガー：typesense、search engine、typo-tolerant search、algolia alternative、elasticsearch alternative、instantsearch、faceted search、geo search、vector search、self-hosted search、site search、product search。
Venice API のエラーを正しく処理します。エラーボディの形式（StandardError、検証の詳細／問題を含む DetailedError、OpenAI 形式の context_length_exceeded、request_id を含む上流プロバイダーの拒否と TypeSafe/FastAPI の検証エラー、ContentViolationError、ProviderContentPolicyError、PayloadTooLargeError、2 種類の x402 402 ボディ）、意味のあるすべてのステータスコード（400～504。廃止済みエンドポイントの 410、modelPrivacy、region、ipAllowlist の 403 を含む）、3 系統のレート制限ヘッダー、キーごとのエラー予算（FAILED_REQUESTS / UNSUPPORTED_FEATURE_REQUESTS）、過負荷モデルの Retry-After、SSE ストリームエラー、エラー予算に抵触しないバックオフ戦略を扱います。
Huawei Ascend NPU のモデル変換とエンドツーエンド推論の適合に対応する完全なツールキットです。ワークフロー 1：ユーザーのソースコードから入力形状とパラメーターを自動検出します。ワークフロー 2：PyTorch モデルを ONNX にエクスポートします。ワークフロー 3：複数の CANN バージョンに対応し、ATC で ONNX を .om に変換します。ワークフロー 4：ユーザーの推論パイプライン全体（前処理 + モデル + 後処理）を適合させ、NPU 上でエンドツーエンドに実行します。ワークフロー 5：ONNX と OM の出力間の精度を検証します。ワークフロー 6：再現可能な README を生成します。標準的な PyTorch/ONNX モデルに対応します。Ascend AI プロセッサ上でモデルを変換、テスト、デプロイする際に使用します
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。