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 98,284 件掲載。コマンド 1 行でインストールできます。
開発
Markdown ファイル内のすべての Python コードブロックが実際にコンパイルおよび実行できるかを検証する。各ブロックを一時ファイルに抽出し、隔離されたサブプロセスで実行して、スニペットごとのカバレッジを含む合否レポートを書き出す。README、ガイド、ドキュメントページのコードサンプルを検証・テスト・確認したい場合、Markdown ファイル内のどのスニペットが壊れているか、または古くなっているかを知りたい場合、スニペット検証レポートを求められた場合に使用する。プロジェクトのテストスイートの実行（pytest を直接実行）、コードスタイルやフォーマットの確認（`adk-style` を使用）、新しい実行可能なサンプルエージェントの作成（`adk-sample-creator` を使用）には使用しない。
AG2 の `Agent` にシェルコマンドを実行する能力を与える。`SandboxShellTool`（`LocalEnvironment` 経由のクライアント側 `subprocess`、あらゆるプロバイダーで動作）と、プロバイダー ネイティブの `ShellTool`（OpenAI Responses 実行）を扱う。ユーザーが Agent にコマンドの実行、コードのビルド/テスト、ファイル管理、ワークスペース上での操作をさせたい場合に使用する。必ずサンドボックス化と組み合わせること — `allowed`、`blocked`、`ignore`、`readonly`。
Agile Iteration Method を通じて、リポジトリのコンテキストを踏まえた AI 支援ソフトウェア開発を計画・実行します。意図の発見、PO が担当する Epic、TDO が担当する User Story、Epic 横断のデリバリー計画、明確なゲート、レビュー、検証、ユーザー主体の受け入れを活用します。リポジトリのコンテキストに基づく製品方針の検討、Epic と User Story の作成・改善、デリバリー対象の計画、実装、デリバリーのレビュー、プロジェクト専門家の設定、リポジトリの調整とローカルの学びの共有、ローカル AIM プロジェクト間の知識の集約、AIM モードとコストプロファイルの制御、ローカル AIM UI の起動・操作、AIM の実行継続に使用します
全知型の APEX エコシステム開発スキル。トリガー: apex code、omnihub development、tradeline build、aspiral feature、apex bug、fix apex、apex architecture、omnidash component、triforce guardian、man mode、apex security、apex test、armageddon test、apex deploy、apex optimize、semantic translation、web2 web3 bridge。生成物: APEX OmniHub、TradeLine 24/7、aSpiral およびすべての連携アプリケーション向けの、ドリフトのない一発成功のコード。すべての LLM と互換。
ApexCharts.js のチャートとデータ可視化を構築するための AI スキル（対象は v8）。ApexCharts を使ったチャートの作成、設定、トラブルシューティングに使用します（line、area、bar、pie、donut、radialBar、scatter、bubble、heatmap、candlestick、boxPlot、violin、histogram、radar、polarArea、rangeBar、rangeArea、treemap、funnel、pyramid、gauge、sunburst、icicle、unit、waffle、waterfall、dumbbell、streamgraph、raincloud）。適切なデータ形式、ライフサイクル、フォーマッター、tree-shaking、SSR、および機能プラットフォーム（プラグイン、canvas レンダラー、カスタムシリーズ、スモールマルチプル、元に戻す／やり直し、共有可能なビュー、テーマ、クロスフィルター、注釈作成、ストーリーボード、ストリーミング、ドリルダウン、ハイライトフィルター）を扱います。デフォルトの v8 バンドルに含まれるチャートタイプや機能と、明示的なインポートまたはフルバンドルが必要なものを把握しています。React / Vue / Angular プロジェクトでは、コア API よりフレームワーク用ラッパーパッケージ（`react-apexcharts`、`vue3-apexcharts`、`ng-apexcharts`）を優先します。
Arbor 論文の Hypothesis Tree Refinement（HTR）を使用し、目標と評価器に照らして実際の成果物（コード、学習レシピ、エージェントハーネス、データパイプライン、プロンプト）を自律的に改善します。過学習を避けながら、多くの実験を通じて反復的に最適化したい場合に使用します。例：「モデルの評価スコアを上げる」「このエージェント／ハーネスを改善する」「このパイプラインを調整する」「このベンチマークでベースラインを超える」「複数のアプローチを探索して最良のものを残す」「MLE-bench／Kaggle 形式の最適化を行う」、または「開発セットを丸暗記せず成果物を改善する」といった長期的なタスクです。ユーザーが「Arbor」や「仮説ツリー」と言わなくても、実験と評価の反復、競合するアイデアの分岐探索、開発セットとテストセットの差への懸念を述べた場合も対象です。Claude 自身がコーディネーターとなり、分離された git worktree 内のサブエージェント実行器を動かします。単体の `arbor` CLI ツールについては references/arbor-upstream.md を参照してください。
Azure Horizondb 開発のための専門知識。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。pgvector、azure_ai SQL 関数、LangChain ベクトルストア、Apache AGE グラフ、ハイブリッド検索のチューニングなど、Azure Horizondb 関連の開発タスクに使用します。Azure Cosmos DB（azure-cosmos-db を使用）、Azure SQL Database（azure-sql-database を使用）、Azure Table Storage（azure-table-storage を使用）には対応しません。
React Native プロジェクトで Scandit Barcode Capture（`BarcodeCapture`）を使用するための説明です。組み込みの SparkScan UI を使わない、低レベルで完全に制御可能な単一バーコードスキャンモード（BarcodeCapture + DataCaptureView + BarcodeCaptureOverlay）を扱います。統合、シンボル体系の設定、結果処理、ビューファインダーやフィードバックのカスタマイズ、SDK バージョンの移行、サードパーティ製スキャナー（react-native-vision-camera、expo-camera）の置き換え、トラブルシューティングに使用します。
Structurizr DSL（第一選択）または Mermaid C4（フォールバック）を使って C4 モデルのアーキテクチャ図を生成する。使用場面：ユーザーが "draw a diagram"、"create a C4 diagram"、"show architecture as a diagram"、"generate architecture diagram"、"document the system" と求めたとき。コードの説明やウォークスルー（`explain-code` を使う）、クラス図・シーケンス図・ER 図（C4 はシステムアーキテクチャ専用）、図がコード変更の副産物にすぎない場合には使わない。C4 図が主要な成果物である場合にのみ使う。
AWS S3、Azure Blob Storage、Google Cloud Storage とのクラウドオブジェクトストレージ統合。署名付き URL、マルチパートアップロード、バケットポリシー、ライフサイクルルール、CDN 統合を網羅する。使用場面：ユーザーが "S3"、"blob storage"、"cloud storage"、"object storage"、"presigned URL"、"file upload to cloud"、"GCS"、"Azure Blob"、"bucket" に言及した場合。使用しない場面：ローカルファイルのアップロード — 代わりに `file-upload` を使用；データベースの BLOB 列；ローカルファイルシステムの操作。
都爆鸭（Doubaoya）プラットフォームの**呼び出しゲートウェイ**（インフラ系 Skill、**業務意図は扱わない**）：認証の付与方法、フォールバックしない 2 つのルートの選び方、統一エンベロープとエラーコードの解釈、そして 1 つの規律——**入力仕様は呼び出し直前に取得する**。記事の執筆 / テーマ探し / カバー作成 / 禁止ワード確認は担当しない。それらは `dby` を使う。トリガーワード：doubaoya 呼び出しプロトコル / 呼び出しゲートウェイ / DOUBAOYA_API_KEY / operationKey / execution.target / inputContract / 入力仕様 / 統一エンベロープ / SKILL_NOT_FOUND / ENDPOINT_NOT_FOUND / DEDICATED_ROUTE / NO_RESULT / CAPABILITY_UNAVAILABLE / どのルートを叩くか；および都爆鸭 API の呼び出し時に「401 / 404 / 429 エラー」「つながらない」「認証方法」「requestId」。
エラーの調査、障害の診断、予期しない動作の追跡を含むタスクでは積極的にロードしてください。ユーザーが "debug this"、"fix this error"、"why is this failing"、"trace this issue"、"it's not working" と言った場合に使用します。エラーメッセージとスタックトレースの分析、ランタイムデバッグ、ネットワークリクエストの検査、状態のデバッグ、パフォーマンスプロファイリング、型エラーの診断、ビルド失敗の解決、過去の障害に対する記憶に基づくパターンマッチングを用いた根本原因分析を扱います。
このリポジトリで音声合成のために Deepgram Text-to-Speech v1（`/v1/speak`）を呼び出す JavaScript/TypeScript を書く、またはレビューする際に使用。`client.speak.v1.audio.generate` によるワンショット REST と、`client.speak.v1.createConnection()` / `connect()` によるストリーミング WebSocket を扱う。一方向の合成ではなく全二重の STT + LLM + TTS が必要な場合は `deepgram-js-voice-agent` を使用。トリガー: 「TTS」「text to speech」「speak」「aura」「streaming TTS」「speak.v1」。
Effect v4 のコード（beta、RC、リリース版を含む）をレビューし、エラー伝播、リソースの所有権、キャンセル、並行性、プリミティブの選択、services/layers、schemas、atoms、可観測性、テストが正しいかを確認する。プロジェクトが v4 を使用している場合に「effect v4 review」「review my Effect 4 changes」「check Effect patterns」「audit the Effect codebase」といったリクエストで使用。ファイル、作業中の変更、PR/ブランチの diff、リポジトリ監査をサポートする。既定では 1 つのエージェントでレビューし、委譲には明示的な総量上限がある。API はインストール済みのバージョンに対して検証する。Effect v3 には effect-review を使用。
Elementor アドオンの構築、カスタムウィジェットの作成、Elementor コンポーネントの管理に使用。Widget_Base クラス（get_name、get_title、get_icon、register_controls、render、content_template）、elementor/widgets/register フックによるウィジェット登録、アドオン構造とプラグインヘッダー、ウィジェットアセット用の wp_enqueue_script、get_script_depends、get_style_depends、インライン編集ツールバー、カスタムウィジェットカテゴリ、マネージャー登録（register/unregister）、セレクタトークン（{{WRAPPER}}）、非推奨の処理、Elementor CLI コマンドをカバー。
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。