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 98,067 件掲載。コマンド 1 行でインストールできます。
開発
Very Good CLI の packages_check_licenses MCP ツールを使って Dart および Flutter パッケージ依存のライセンスを監査し、非準拠または不明なライセンスを指摘し、コンプライアンス概要レポートを作成する。ユーザーが「check licenses」「license audit」「check dependency licenses」「license compliance」「review package licenses」「are our dependencies compliant」「scan for license issues」「pre-release license check」と言ったときに使用。特に、スキャンなしでコンプライアンスの判定を求めるリクエスト、たとえば「read the licenses off this pubspec」「confirm we're compliant」「just tell me if these packages are safe to ship」「I'd rather not run anything」「which of these are GPL」の場合に使用する。依存リストだけからコンプライアンスを認定することを拒否するのが、このスキルが扱う判断だからである。貼り付けられた pubspec はトリガーであり、監査の代替ではない。
グリーンフィールド、既存の Git/非 Git リポジトリ、monorepo のサブルートにわたる研究プロジェクト構造の監査、計画、雛形生成、安全な移行を行う。プロジェクトフォルダ、リポジトリのクリーンアップ、ソースの棚卸し、移動マップ、命名と保存ポリシー、Python/R/混合/LaTeX プロファイル、テンプレートの由来、競合レビュー、適用済み移動のエビデンス、ロールバックに使用。既存プロジェクトは、ユーザーが計画ダイジェストに紐づく正確なアクション ID を承認するまで読み取り専用。未コミットおよび未追跡の作業、シンボリックリンク、サブモジュール、memory-pm の .light コンテンツを保持する。これは DAG 外のローカルツールである：findings を出力したり、STAGE_GATES/ROUTES の接続を捏造したりしないこと。
エビデンスに基づく現状の棚卸しから、品質属性、アーキテクチャ選択肢、API とスキーマの契約、移行・ロールバック計画、ADR、検証に至るまで、ソフトウェアシステムを設計またはモダナイズする。グリーンフィールドや既存のモノリス、モジュラーモノリス、サービス、システム/API/データベース設計、スキーマ移行レビュー、データフローの信頼性、テナント/PII の統制、アーキテクチャの進化に使用。既存システムは、ユーザーが選択肢を選び、正確な変更を承認するまで読み取り専用。未知の事実は UNKNOWN のままとする。これは DAG 外のエンジニアリングスキルである：findings を出力したり、STAGE_GATES、ROUTES、ステージ、バックエッジを捏造したりしないこと。
LLaMA-Factory による LLM のファインチューニングをガイドします。コード不要の WebUI、100 種類以上の対応モデルでの学習、2/3/4/5/6/8 ビット精度の量子化 QLoRA、マルチモーダルモデルのサポートを扱います。LLaMA-Factory のファインチューニング実行のセットアップや設定、QLoRA 学習の量子化レベルの選択、学習コードを書かずに WebUI を使用する場合、マルチモーダルモデルのファインチューニング、LLaMA-Factory の学習エラーのデバッグに使用します。汎用推論サービングや他の学習フレームワークには使用せず、それぞれに対応するスキルを使用してください。
Make Appの要件案が確定した後のプロジェクト新規作成や反復開発に使用します。業務入力、編集・保存、承認処理の機能に基づいて、「自分の承認」ナビゲーションをデフォルトで生成するか判断します。BPM、bpmDefinitionKey、承認作成フィールド、保存して申請、申請して保存、プロセス状態、詳細タイトルの承認Tagも対象です。生成条件、実行時の開始設定、保存と初回開始、業務一覧および詳細画面での状態表示を担当します。キャンセル／差し戻し、「自分の承認」npmパッケージのインストールやタスクセンター実装、承認処理、承認履歴、プロセスデザイナー、Consoleの承認管理は対象外です。
NI-DAQmx の C 関数シグネチャを正しい calldaqlib の MATLAB 呼び出しに変換します。ユーザーが calldaqlib、任意の DAQmx* C 関数名(DAQmxCfgSampClkTiming、DAQmxExportSignal、DAQmxSetStartTrigRetriggerable、DAQmxGetSampClkRate など)に言及したとき、または daq オブジェクトが公開していない NI-DAQmx 機能を必要とするときに使用します。対象：射影ルール(taskHandle は暗黙、出力ポインタは戻り値になる、バッファサイズ引数、enum を文字列に)、マルチタスクのセマンティクス、start() の上書き、デバイスレベルの空 daq 回避策、辞書の戻り値、文字列 getter のプレースホルダー、配列 getter のプレースホルダー。トリガー場面：低レベル DAQ、エスケープハッチ、再トリガ可能な取得、共有タイムベース、信号のエクスポート、端子の接続、外部サンプルクロック、トリガー設定、NI ドライバー、C 関数の変換。
既存の Nango TypeScript createSync 実装を、nango.lastSyncDate、旧来の増分 syncType、再開不可能なフルリフレッシュから checkpoint ベースの同期へ移行する。顧客の Nango 同期コードを次のように更新するときに使用する：checkpoint スキーマを定義し、毎回の batchSave の後（paginate ループ内を含む）に getCheckpoint/saveCheckpoint/clearCheckpoint を呼び出し、--checkpoint で dryrun をテストし、checkpoint 化された増分またはフル同期の削除処理を修正する。
ユーザーが ML モデルの訓練、デバッグ、スケール、改善を求めたときに使用するこのスキル。以下の場合に積極的に有効化する：(1) PyTorch、TensorFlow/Keras、JAX、Flax、Hugging Face Trainer/Accelerate の訓練ループ、(2) 分散訓練、DDP/FSDP/DeepSpeed、TPU/GPU のセットアップ、(3) 混合精度 AMP/bf16、勾配蓄積、チェックポイント、シード設定、(4) 過学習、不均衡、損失関数、正則化、学習率スケジュール、warmup、(5) メモリ最適化、勾配チェックポイント、オフロード、量子化を考慮した訓練。提供：深層学習と古典的 ML にわたる再現可能な訓練のベストプラクティス。
アプリケーションコードおよび HTTP 経由で Opper を使用する方法と、Opper プラットフォームの概念（ゲートウェイ、コントロールプレーン、モデル、/v3/compat 配下の OpenAI / Anthropic / Google / OpenResponses 互換エンドポイント、構造化出力、サーバーサイドツール（ウェブ検索）、roundtable、ストリーミング、トレーシング、エージェント構築）に関する信頼できる情報源です。ユーザーが任意の言語で Opper を利用するコードを書く場合（OpenAI、Anthropic、Google Gen AI SDK、またはエージェントフレームワークを /v3/compat に接続）、Opper の概念、モデル、エンドポイント、raw HTTP について質問する場合、OpenAI / OpenRouter / Anthropic から移行する場合、Opper の旧 /v3/call (opper.call) または提供終了した `opperai` SDK から移行する場合に使用します。「Opper」とだけ言及した場合も対象です。メディア生成（画像、音声、動画、OCR）、ファイル、リアルタイム音声には `opper-multimodal` を使用します。エンドポイントのシグネチャについては https://api.opper.ai/v3/openapi.yaml から最新の仕様を取得します。
Hugging Face PEFT を使い、LoRA、QLoRA、IA3、AdaLoRA、プレフィックスチューニング、プロンプトチューニングで LLM を微調整し、学習するパラメーターを 1% 未満に抑えます。ランク、alpha、対象モジュールの選択、アダプターの読み込みとマージ、複数アダプターのサービング、TRL SFTTrainer、Axolotl、vLLM との統合を扱います。GPU メモリーが限られた環境で 7B-70B モデルを微調整する場合、単一の 24GB GPU で QLoRA を実行する場合、LoRA のランクと alpha を選ぶ場合、単一のベースモデル上でアダプターをマージまたは切り替える場合、CUDA OOM やアダプターが適用されない問題をデバッグする場合に使用します。パラメーター数が 1B 未満の小型モデルのフル微調整や、すべての重みを更新する必要があるケースには向きません。
prisma-json-types-generator を使用して Prisma の `Json`、`String`、`String[]`、`Int`、`Float` フィールドの型を追加または修正する際に使用します。`/// [Type]` と `/// ![Type]` コメント、列挙型のようなリテラルユニオン、名前空間型とインライン型、TypedSQL の結果列とパラメーター、生成型が依然として `JsonValue`、`unknown`、または単純なスカラー型として表示されるケースも対象です。
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。