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 98,873 件掲載。コマンド 1 行でインストールできます。
開発
LLM API のコストが話題になるとき、あるいは話題にすべきときは常に主体的に使用。トリガー例: 「AI のコストが高すぎる」「token の使用量を最適化したい」「どのモデルを使うべきか」「LLM の支出が制御不能」「prompt caching を実装したい」「AI 機能を間もなくリリースする」「AI エンドポイントを作ってほしい」。コストの不満が明示されるのを待たない——AI 機能の構築、LLM エンドポイントの設計、モデルの選択を行っているなら、コストアーキテクチャは議論に含めるべき。次のいずれかに該当する場合は直ちに適用: 数百 token を超えるシステムプロンプトがある、すべてのリクエストが同じモデルに送られている、max_tokens が設定されていない、機能単位のコストログが存在しない。RAG パイプラインの設計には使用しない（rag-architect を使用）。プロンプトの品質や効果の改善には使用しない（senior-prompt-engineer を使用）。
ブロッキング要件。PR のタイトル/本文、issue 本文、GitHub Discussion の投稿/コメント/回答、PR レビューコメント、README/ドキュメントの文章、インラインコードコメント、設計ドキュメント/RFC/振り返り、要件/受け入れ基準を書いたり編集したりする前に、またこれらの成果物に対する編集、校正、修正、書き直し、言い換え、やり直し、推敲、リファクタリングの依頼の前にも、そして create_pull_request、update_pull_request、add_pr_review_comment、edit_pr_review_comment、reply_to_comment、reply_to_review_thread、reply_and_resolve_review_thread を呼び出す前に、この Skill を呼び出すこと。
Novita AI：ビルダーとエージェントのための AI ネイティブクラウド。このスキルは、モデルの実行、GPU のスケール、AI エージェントの構築、LLM/画像/動画/音声 API の利用、OpenAI 互換クライアントの設定、GPU/サーバーレス/Sandbox ワークフローの管理、novita-sandbox-cli によるエージェントのデプロイ、Novita のトラブルシューティング、または「Novita を X と一緒に使うには？」への回答に使う。エージェント向けの生の GitHub ルーティング入口。デフォルトのモデルを推奨しないこと。ユーザーのモデル、プロジェクト設定、またはライブカタログを使う。
完全な Python 型ヒントシステム。次の場合に能動的に有効化する：(1) 組み込みジェネリクス（list[str]、dict[str, int]）、(2) ユニオン型（str | None）、(3) Python 3.12+ の型パラメータ構文、(4) 構造的型付けのための Protocol、(5) dict スキーマのための TypedDict、(6) Literal と Final 型、(7) TypeGuard と TypeIs、(8) デコレータのための ParamSpec、(9) Mypy/Pyright の設定。提供：型構文、Protocol パターン、TypedDict、mypy 設定。漸進的型付け戦略による静的型安全性を保証する。
useForm、useWatch、useController、useFieldArray、subscribe() API、およびWatch／FormStateSubscribe／FieldArrayのrender-propコンポーネントを使った、React Hook Formによるクライアント側フォーム検証のパフォーマンス最適化です。resetDefaultValues()やdisabledフィールド配列オプションなど、RHF 7.82の追加機能を扱います。React Hook Formライブラリでクライアント側の制御フォームを構築する際に使用します。React 19 Server Actions、useActionState、サーバー側フォーム処理は対象外です（これらにはreact-19スキルを使用してください）。
論理的なリレーショナルデータベース設計手法を、エージェントがスキーマの設計やレビュー時に適用するルールにまとめる。設計手順（ミッション → テーブル → フィールド → キー → リレーションシップ → ビジネスルール → ビュー → 整合性レビュー）、1 テーブル 1 主題への分解、原子的な単一値フィールド、候補キー/主キー/外部キー、削除規則と参加を伴うリレーションシップ種別、データ整合性の 4 レベル、データベースとアプリケーションのビジネスルール、検証テーブル、派生データ用のビュー、避けるべきフラットファイル/スプレッドシート/RDBMS 駆動のアンチパターンを扱う。構造は論理的で RDBMS に依存せず、構築時点で正規化されている。新しいリレーショナルスキーマの設計、既存スキーマのレビューやリファクタリング、冗長または重複データの解消、キーの選択、リレーションシップのモデリング、制約の配置先の決定に使用する。
ROS1（Robot Operating System 1）開発のベストプラクティス、設計パターン、よくある落とし穴。ROS1 のノード、パッケージ、launch ファイルを構築するときや ROS1 システムをデバッグするときにこのスキルを使う。ユーザーが ROS1、catkin、rospy、roscpp、roslaunch、roscore、rostopic、tf、actionlib、メッセージ型、サービス、その他 ROS1 時代のロボティクスミドルウェアに言及したら常にトリガーする。ROS1 コードを ROS2 へ移行する、レガシーな ROS1 システムを保守する、ROS1-ROS2 ブリッジを構築する場合にもトリガーする。catkin ワークスペース、nodelet、dynamic reconfigure、pluginlib、ROS1 エコシステム全体を扱う。
Salla App Function 構築のステップ 3：trigger の `template` から handler 本体を書く。ロジックを実装するときに使用する — 型付きの `context`（payload/merchant/settings）を読み取り、`Resp`（またはエンティティ `Shipment`）builder でレスポンス契約を返し、V8-isolate サンドボックス内に留まり（web 標準 API、HTTP には `fetch` を使用）、各 `fetch` を同期/非同期タイムアウト内に収める。salla-app-functions からルーティング。次に salla-app-functions-validate で検証する。トークン処理 → salla-app-auth、API の詳細 → salla-api-core。
Salla App Function を保存する前の必須事項：テンプレートの wrapper を正確に保つ — その最初の行と最後の行 — すべてのコードを wrapper 内に置き（const/helper の巻き上げは不可）、エディターのバーで TypeScript コンパイラを使って trigger の `types`（.d.ts URL）に対して handler を型チェックする — 非 strict、未使用（TS6133）は無視 — さらに、文書化された Admin API 呼び出しをその OpenAPI schema に対して検証する（salla-api-core ループ）。`salla_functions action=save` が検証するのはこれらの wrapper 行のみ。salla-app-functions からルーティング。salla-app-functions-release でリリースする。
SE Ranking API 統合アーキテクト。SE Ranking の全サーフェスをカバーする — Data API（キーワードリサーチ、バックリンク、ドメイン・競合分析、SERP、サイト監査、AI Search）と Project API（ランク追跡、プロジェクト/キーワード/バックリンク管理、マーケティングプラン、サブアカウント、AIRT プロンプト）。エンドポイント、パラメーター、JSON schema、クレジット消費、レート制限、認証に関するあらゆる「どうすれば…」という質問に答え、そのまま貼り付けられる cURL / Python / TypeScript / MCP ツール呼び出しのレシピを生成する。明示的な確認があれば、Project API の状態も実際に設定する — プロジェクトの作成、キーワードの追加、監査の設定、AIRT プロンプトグループのセットアップ。接続された MCP から最新のツール schema を取得する。分析系スキル（ブリーフ、監査、レポート）とは異なり、seo-api は統合レシピと設定済みの状態を生成する。ユーザーが SE Ranking API の使い方、どのエンドポイントがある指標を返すか、ランクトラッカーの構築方法、Postman / cURL / Python のレシピ、Looker / n8n / Make との統合方法を尋ねたときに使用。
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。