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 98,639 件掲載。コマンド 1 行でインストールできます。
開発
訓練済みの getitune モデル（Geti トレーニングライブラリ）をデプロイ可能な形式にエクスポートする。ユーザーが `engine.export(...)` や `getitune export` を実行したい場合、OpenVINO IR と ONNX のどちらかを選択したい場合、`ExportFormat` / `Precision` で FP32 と FP16 の精度を設定したい場合、エクスポートされた成果物の書き込み先と推論のために読み戻す方法を理解したい場合に使用する。トレーニングと OpenVINO/ONNX 推論の間のエクスポート/ロードの契約を扱う。
getitune モデル（Geti トレーニングライブラリ）で推論と評価を実行する。ユーザーが `engine.predict()` / `engine.test()` や `getitune predict` / `getitune test` を呼び出したい場合、PyTorch チェックポイントとエクスポートされた OpenVINO IR（`.xml`）または ONNX（`.onnx`）モデルで推論を実行したい場合、`OVEngine` が ModelAPI 経由でデプロイ済みモデルを読み込む方法を理解したい場合に使用する。PyTorch、OpenVINO、ONNX の推論バックエンドを扱う。
getitune ライブラリ（Geti トレーニングライブラリ）の Python API または CLI を使用してコンピュータビジョンモデルをトレーニングする。ユーザーが `create_engine(...)` と `engine.train()/engine.test()` でモデルをトレーニング、微調整、評価したい場合、`getitune train`/`getitune test` を実行したい場合、`getitune.recipe.<task>` のレシピを選択または上書きしたい場合、デバイス（cpu/gpu/xpu/cuda）を選択したい場合、チェックポイントからウォームスタートしたい場合、トレーニング実行をデバッグしたい場合に使用する。分類、検出、インスタンス/セマンティックセグメンテーション、キーポイント検出を扱う。
ユーザーが「create a hook」「add a PreToolUse/PostToolUse/Stop hook」「validate tool use」「implement prompt-based hooks」「use ${CLAUDE_PLUGIN_ROOT}」「set up event-driven automation」「block dangerous commands」と依頼した場合、または hook イベント（PreToolUse、PostToolUse、Stop、SubagentStop、SessionStart、SessionEnd、UserPromptSubmit、PreCompact、Notification）に言及した場合に使用します。高度なプロンプトベースの hooks API に重点を置き、Claude Code プラグインの hook の作成と実装を包括的に案内します
ユーザーが「convert this html to breakdance」や「paste html into breakdance」と発言したとき、または Webflow、Framer、CodePen、古い静的エクスポートを Breakdance サイトに取り込みたいときに使用する。生の HTML と CSS を _breakdance_data 内のネイティブな EssentialElements ノードに変換し、色・タイポグラフィ・スペーシングを Breakdance Variables にマッピングし、Breakdance がスキップレンダリングする要素タイプは拒否する。
Baymard Institute（20 万時間以上のユーザビリティ研究）と Nielsen Norman Group の研究に基づく、Shopify Hydrogen ストアフロント向けの研究裏付けのある UX ベストプラクティス。ユーザーが Shopify Hydrogen の EC サイトのいずれかの部分——ホームページ、コレクション/一覧ページ、商品ページ、カート、チェックアウト、検索、フィルター、モバイル UX、アクセシビリティ、信頼性——を構築、レビュー、改善しているときは常にこのスキルを使用します。Hydrogen コンポーネントのコードレビューを求められた場合、新しいルートやコンポーネントの雛形作成を望む場合、コンバージョン、カート放棄、購買体験の問題に言及した場合にも使用します。ユーザーが明示的に「UX」と言わなくても起動してください——Hydrogen ストアフロントに関するあらゆる作業がこのガイドラインの恩恵を受けます。
Codex 用のエリート Web サイト画像からコード変換スキル。視覚的に重要な Web タスクでは、まず設計画像を生成し、深く分析してから、ウェブサイトを実装してできるだけ正確に一致させる必要があります。Codex では、小さく圧縮されたボードの代わりに大型で読みやすいセクション固有の画像を優先し、古い画像をトリミングする代わりにセクションまたは詳細ビュー用に新しいスタンドアロン画像を生成し、怠け者の生成不足を避け、カード内カード内カード UI を避け、ヒーローをきれいで広々とした読みやすく、小さいラップトップで表示されるようにする必要があります。
パキスタンのウェブサイト、アプリ、コマースプラットフォーム向けに、安全な JazzCash マーチャント決済統合を設計、実装、レビュー、移行、トラブルシューティングします。HTTP POST リダイレクト、承認済み API またはホスト型チェックアウト、JazzCash Mobile Wallet、バウチャー支払い、有効時のカード、セキュアハッシュ、コールバック、ステータス確認、返金、精算、消込、オンボーディング、テスト、本番展開を網羅します。JazzCash の追加、既存の JazzCash ゲートウェイの修復、旧式のマーチャント統合のアップグレードを行う場合に使用します。
単発決済、Checkout、Payment Element、サブスクリプション、請求書、保存済み支払い方法、返金、異議申し立て、webhook、顧客管理、Stripe Tax、Connect プラットフォームやマーケットプレイス向けに、安全な Stripe 統合を設計、実装、レビュー、トラブルシューティングします。Web やモバイルのバックエンドに Stripe を追加するとき、SaaS の課金を構築するとき、支払いを受け付けるとき、コネクトアカウントを作成するとき、既存の Stripe 統合を本番に備えるときに使用します。
確認済みのコード問題に対する外部調査のルーティングです。根本原因が内部、外部、または複合要因かを切り分け、詳細な原因調査に入る前に既知問題を簡易検索します（プラットフォームの無言の失敗、ネストされたホストランタイム、コードレベルの疑わしい箇所がない場合）。また、業界全体に共通するハードリミットを評価します。WebSearch の手順はすべて effective-web-research に委譲します。PDCA ホストが frontmatter の依存関係を通じて参照し、技術分析段階で読み込みます。競合製品の動作、インタラクション境界、仕組みの観察（competitive-research）には使用しないでください。
Kuroco の API 設計とコンテンツ管理のベストプラクティス。エンドポイント設計、認証（Cookie・動的トークン・静的アクセストークン）、CORS、流量制限、キャッシュ、エラーハンドリング（401/403/429）、Topics API によるコンテンツ CRUD（list / details / insert / update / delete / bulk_upsert）、フィルタークエリ、ページネーション、多言語対応（langs_open_flg）、拡張項目（ext_col）、ファイルアップロード・CSV インポート、EC ポイント（ECPoint）をカバー。API 呼び出しの実装、ログイン API・トークン認証、認証・権限エラーの解決、コンテンツの取得・作成・更新・削除・絞り込みの質問で使用。
Luau の型注釈を追加または修正する場合に使用します。luau-lsp/luau-analyze のエラー、--!strict への準拠、「Type X could not be converted into Y」、ジェネリクス、ユニオン型、型の絞り込み／精密化、キャスト（::）、型付きメタテーブルと OOP、.d.luau 定義、.luaurc の設定が対象です。「type error」「strict mode」「luau-lsp」「type mismatch」「export type」などがトリガーになります。
MapStruct Java マッピングフレームワーク。基本的なマッパー、更新マッピング、ネストしたオブジェクト、コレクション、カスタムメソッド、Lombok 連携を扱う。castellino と gestionale-presenze の本番パターンに基づく。使用タイミング：ユーザーが "mapstruct"、"@Mapper"、"@Mapping" に言及し、"DTO mapping"、"entity conversion"、"@MappingTarget"、"nested mapping" について質問する場合。使用しない場合：Java 言語——代わりに `java` スキルを使用。使用しない場合：Lombok——代わりに `lombok` スキルを使用。使用しない場合：JPA エンティティ——JPA 専用スキルを使用する。
（NS）製品バージョンのスコープ記述、スタックのコンテキスト、設計ブリーフから構造化された requirements.md を生成する。新しいバージョンを開始するとき、ユーザーが要件や RF/機能ドキュメントを求めたとき、または requirements.md が存在しない状態でタスク生成を行う前に使用する——ユーザーがチャットで機能を説明しただけの場合でも同様。ns-harness の SDD プランニングゲートに従う。タスクファイルは生成しない（ns-sdd-task-generator を使用）。
NVIDIA ハードウェア上で科学計算向け Python を GPU で高速化し、結果が正しく、より速いことを検証します。CUDA/GPU の最適化、CPU がボトルネックとなる NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、ベクトル検索、画像処理、グラフ、シミュレーション、ファイル I/O のワークロード、CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT に関する質問、プロファイリング、メモリ転送、カーネル、マルチ GPU のボトルネックに使用します。大規模なデータ並列 Python コードが遅く、GPU 高速化が有効そうな場合は、ユーザーが CUDA と明示していなくても使用します。
PyTorch標準のscaled_dot_product_attention（PyTorch 2.2以降）またはflash-attnライブラリを使用して、TransformerモデルでFlash Attentionを有効にします。マルチクエリアテンション、スライディングウィンドウアテンション、H100でのFP8（FlashAttention-3）にも対応します。高速化のプロファイリング、ベースラインとの精度比較、インストールやGPUサポートのエラーのトラブルシューティングを扱います。512トークンを超える長いシーケンスでTransformerを学習・実行するとき、標準アテンションでGPUメモリが不足するとき、推論のボトルネックがアテンションのとき、PyTorchモデルをflashバックエンドに切り替えるとき、またはH100 GPUでアテンションを調整するときに使用します。CPU推論、V100 GPU、256トークン未満のシーケンスには使用しません。他のアテンション方式にはxFormersを検討してください。
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。