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
このスキルは、LLM が @ax-llm/ax を使って正しい AxAgent のメモリ検索、context-map、動的スキル読み込みのコードを生成するのを支援する。contextMap、AxAgentContextMap、onMemoriesSearch、memoriesCatalog、recall(...)、inputs.memories、onLoadedMemories、onUsedMemories、onSkillsSearch、skillsCatalog、AxAgentCatalogSkill、discover({ skills })、onLoadedSkills、onUsedSkills、プリロードされたスキル、forward 時のメモリのプリロード、relevanceRanking のヒント、読み込み済みのメモリ/スキル ID、複数の forward() 呼び出しにまたがるメモリの保持についてユーザーが尋ねたときに使用する。
ネイティブ Android(Kotlin/Java)プロジェクトでの Scandit Barcode Capture(`BarcodeCapture`)——低レベルで完全に制御できる単一バーコードスキャンモード(BarcodeCapture + DataCaptureView + overlay)。既製の SparkScan UI は使用しない。統合、シンボロジーとスキャン設定、結果処理、overlay のカスタマイズ、SDK バージョン移行(v6→v7→v8)、サードパーティ製スキャナー(ZXing、ML Kit)の置き換え、トラブルシューティングに使用。
ブラウザ向けの BFF とバックエンド HTTP エントリポイントを設計し保護する。すべての本番ルートに対する明示的な公開/保護アクセス分類、セッション、Origin、Fetch Metadata、CSRF、コンテンツタイプポリシーを構築時に設定するコンポジションで準備されたエンドポイント登録器、アプリケーション内部でのプロバイダー非依存の認可、保護された SSE と WebSocket の登録、ブラウザセッションの調整、自動化された強制ゲート。HTTP エンドポイントを追加またはレビューするとき、テナントや顧客がルートを通じて他者のデータを見られる場合、エンドポイントで認可の不具合が報告された場合、認証ミドルウェア、セッションクッキー、CSRF または Origin ポリシー、リアルタイムストリーム、ログイン/ログアウトフロー、どのルートが公開かを監査するときに使用する。BFF を採用すべきか、粒度、集約、上流の ID 仲介については bff-design を使用。BFF ルートの物理的なレイアウトには structure-codebase を使用。REST セマンティクス、ページネーション、バージョニングには api-design を使用。OAuth/OIDC プロトコルフローには secure-oauth-oidc を使用。ポートとアダプターの実装には hexagonal-architecture を使用。
あらゆる職種向けに、完全な役割ベースのプロフェッショナルワークベンチ、運用コックピット、ケースポータル、エキスパートワークステーション、データリッチな社内ツールを構築、再設計、拡張、監査する。工作台、业务驾驶舱、职业后台、运营中心、role dashboard、admin portal、CRM ライクなワークスペース、再利用可能なマルチページ Web アプリに使用し、特に各モジュールにリアルなレコード、それぞれ異なるダッシュボード、職種固有の情報アーキテクチャ、Quiet Luxury A のビジュアルデザイン、複雑なインタラクション、自動ローカル永続化、オフラインの純粋な Web 互換性、検証可能なワークフローが必要な場合に適する。
PostHog canvas の React + Quill 実装を作成します。単一コンポーネントの契約、許可されたインポート、Quill(PostHog のデザインシステム)のコンポーネントとコンポジションのルール、テーマ対応のデザイントークン、ローディングスケルトン、canvas 内の日付ピッカーを扱います。building-canvases が canvas リクエストを React 実装にルーティングした後に使用します。ダッシュボード、データボード、フォーム、ツール、または PostHog にネイティブに見えるべきあらゆる canvas が対象です。
JS/TS プロジェクトで @cat-kit/* の公開機能を選択して正しく使用するためのスキル。ディープコピー、cloneDeep、structuredClone、デバウンス・スロットル、日付、HTTP、nanoid、および lodash、axios、dayjs などの同等機能を扱う。JS/TS ベースのあらゆるプロジェクト(フロントエンドまたは Node.js)で、汎用ユーティリティや関数を自作したり、lodash、axios、dayjs、nanoid などの同種の依存を追加したりする前に必ず本スキルを使用し、まず確認してからラップまたは依存追加を行う。
失敗している本番コールをデバッグし、Cekura のエバリュエーターでバグを再現し、修正を実装して検証し、回帰テストを実行したうえで、エビデンスを添えて PR を作成する。本番コールのバグを修正したい、失敗している本番コールを調査したい、本番の問題を再現して修正したい、PR の前に回帰テストを実行したい場合、または「fix this prod call issue」「debug and fix call ID」「test my fix against prod scenarios」「reproduce this production bug」「regression test before raising PR」などと言及した場合に使用する。
チャートとデータ可視化のライブラリ。Recharts、Chart.js、D3.js、Victory、Nivo、ECharts。一般的なチャート種別、レスポンシブデザイン、リアルタイム更新。使用する場合:ユーザーが「chart」「graph」「data visualization」「Recharts」「Chart.js」「D3」「ECharts」「Victory」「bar chart」「line chart」「dashboard」に言及したとき。使用しない場合:PDF レポート生成——`pdf-generation` を使用。データエクスポート——`data-export` を使用。
Workers AI を使って Cloudflare のグローバル GPU ネットワーク上で LLM と AI モデルを実行する。Llama、Flux による画像生成、BGE 埋め込み、および AI Gateway によるキャッシュとログ記録を伴うストリーミング対応を含む。使用場面:LLM 推論の実装、Flux/Stable Diffusion による画像生成、埋め込みを使った RAG の構築、AI レスポンスのストリーミング、AI Gateway によるコスト追跡、または AI_ERROR、レート制限、model not found、token 制限、neurons exceeded のトラブルシューティング。キーワード:workers ai, cloudflare ai, ai bindings, llm workers, @cf/meta/llama, workers ai models, ai inference, cloudflare llm, ai streaming, text generation ai, ai embeddings, image generation ai, workers ai rag, ai gateway, llama workers, flux image generation, stable diffusion workers, vision models ai, ai chat completion, AI_ERROR, rate limit ai, model not found, token limit exceeded, neurons exceeded, ai quota exceeded, streaming failed, model unavailable, workers ai hono, ai gateway workers, vercel ai sdk workers, openai compatible workers, workers ai vectorize
PostHog のグリッド canvas を構成します。再利用可能なコンポーネント canvas から構築されるウィジェットグリッド(ユーザーのホーム canvas を含む)です。グリッドまたはホーム canvas でウィジェットの追加、配置、移動、サイズ変更、削除を行うタスク、1 回の依頼でウィジェットの canvas 全体を構成する場合、再利用可能なウィジェット/コンポーネントを構築する場合、または配置 id やグリッド canvas id が対象の場合に使用します。コンポーネントストアの検索 → 設定 → fork → 構築のはしご、コンポーネント配置契約(size、configSchema)、配置のライフサイクル(pending/generating/live/failed)、保護されたレイアウトパッチループ、canvas のコメントスレッドの読み取りを扱います。
PostHog のエンドポイント(API ルートとして公開された保存済みの HogQL/insight クエリ)を同じ組織内の別のプロジェクトにコピーする、または同じプロジェクト内で新しい名前で複製する。ユーザーがエンドポイントを複製したい、エンドポイントを staging から production に昇格させたい、別のワークスペースでエンドポイントのクエリ/変数/フレッシュネス設定を再現したい、またはエンドポイントをクローンして反復したい場合に使用する。feature flag や実験とは異なり、エンドポイントにはネイティブのプロジェクト間コピーツールが存在しない — このスキルは読み取り後に再作成するフロー(endpoint-get の後に endpoint-create)、それに必要な active-project の切り替え、名前衝突のチェック、安全なデフォルト(ターゲットでは未マテリアライズの状態で配置し、endpoint-run で検証する)を扱う。エンドポイントのバージョン編集(managing-endpoint-versions を参照)や、まったく新しいエンドポイントのゼロからの作成(creating-an-endpoint を参照)は扱わない。
Datadog Browser RUM でブラウザベースの Web アプリケーションを計測する。アプリケーションのフレームワーク、ルーター、パッケージマネージャー、バンドラー、エントリーポイント、認証情報、既存の RUM 設定を検出し、React、Next.js App または Pages Router、Angular、Vue、Nuxt、Svelte、バニラ JavaScript、SPA、iframe ホストのアプリに対して従来型の Browser RUM 計測を追加または安全に補完し、重複初期化を回避し、アプリケーションが引き続きビルドできることを検証する。Datadog RUM、Browser Monitoring、Session Replay、またはフレームワーク固有の Browser RUM プラグインの追加、設定、計測、修復、検証を求められたときに使用する。
5 つの SDK(web/posthog-js、iOS、Android、Flutter、React Native)すべてにおける PostHog Surveys の設定と回答を診断する。Surveys のサポートチケットが貼り付けられたとき("survey not showing"、"fewer responses than expected"、"responses disappeared"、"responses are incomplete"、"only the first question was answered"、"the user says they didn't mean to submit"、"survey shows on wrong platform")、または survey が表示される/されない理由を診断するときに使用する。適格性パイプライン、回答が実際にどのように保存されるか(部分回答、分岐、任意質問、自動送信)、SDK 間の機能差、既知原因カタログ、読み取り専用の診断クエリ、スタッフのアクセス、顧客返信のスタイルガイドを扱う。
このリポジトリで `/v1/listen` 上の Deepgram 音声分析オーバーレイを呼び出す JavaScript/TypeScript を書いたりレビューしたりするときに使用 — summarize、topics、intents、sentiment、diarize、redact、detect_language、エンティティ検出。通常の STT と同じエンドポイントだが、パラメータが異なる。`client.listen.v1.media.transcribeUrl` / `transcribeFile` による REST と、`client.listen.v1.createConnection()` / `connect()` 上の WebSocket 対応サブセットを扱う。通常の文字起こしには `deepgram-js-speech-to-text` を、すでに文字起こしされたテキストの分析には `deepgram-js-text-intelligence` を使用。トリガーには "audio intelligence"、"summarize audio"、"diarize"、"sentiment from audio"、"redact PII"、"detect language audio" が含まれる。
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。
