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
html スキルは、長く使える単体の HTML 成果物の作成と改訂を担う。要求または生成された成果物ディレクトリに保存される完全に自己完結した index.html で、インライン依存関係、アクセシブルな構造、loopback での配信、正確なファイル検証を備える。ユーザーが「durable HTML artifact」「one-file dashboard」「single-page local artifact」、または名前付き HTML 成果物の作成、構築、コンテンツやデータからの変換、保存、改訂、更新を求めたとき、あるいは「use /html」「activate the HTML skill」と明示したときにトリガーする。HTML を React や Next.js のルーティングに統合する場合、HTML やアクセシビリティをレビューまたは説明する場合、既存ページのブラウザベースの QA、Figma デザインを再利用可能なコンポーネントに変換する場合、既存の dist ディレクトリを配信するだけの場合はトリガーしない。
JeecgBoot Online フォーム（cgform）のライフサイクル全体の管理 — API を通じてデータベーステーブルとフォーム設定を自動作成/編集し、単一テーブル、親子テーブル、ツリーテーブル、26 種類のコントロールタイプ、および JS/Java/SQL 拡張、権限設定、データ CRUD、積木レポート連携をサポートします。ユーザーの意図が「Online フォーム」に関わる場合は必ずこのスキルを使用します。含まれるがこれに限らない例：データベーステーブルの作成・設定（"休暇申請テーブルを作る"、"online テーブルを作成する"、"ドロップダウン選択付きのテーブルを作る"、"ローコードフォーム"、"オンラインフォーム"、"テーブルを設定する"）、既存の Online テーブルフィールドの変更（"フィールドを追加する"、"フィールド型を変更する"、"子テーブルを追加する"、"フィールドを削除する"）、フォーム拡張の設定（"JS 拡張"、"カスタムボタン"、"フォーム連動"、"Java 拡張"、"SQL 拡張"）、権限の設定（"フィールド権限"、"ボタン権限"、"データ権限"、"ロールに付与"）、フォームデータの管理（"データを挿入"、"レコードを照会"、"CSV をエクスポート"、"テストデータを作成"）、および積木レポートの関連付け（"このテーブルにレポートを追加"、"印刷を統合"）。ユーザーが "online" と言わずに業務要件のみを説明した場合でも（例："氏名、部署ドロップダウン、入社日を含む従業員情報管理機能を作る"）、メタデータ駆動のフォーム設定に関わるものであれば、このスキルを起動すべきです。注意：「デザイナーフォーム」(desform) と混同しないでください — desform はドラッグアンドドロップ式のフォームデザイナーで、スキル jeecg-desform で処理します。「Online レポート」(cgreport) や「Online チャート」(onlchart) とも混同しないでください — これらは SQL 駆動の読み取り専用表示です。
任意のプロジェクト用に justfile（casey/just コマンドランナー）を作成、または justfile へ移行します。ユーザーが justfile の追加、Makefile の置き換え、プロジェクトコマンドの設定、タスクランナーの作成を求めたとき、またはビルド/開発ワークフローの文脈で "just" に言及したときに、このスキルを使用します。Makefile があり just のより簡潔な構文が適するプロジェクトを見たとき、または一般的な開発コマンド（build、test、lint、fmt）を必要とする新規プロジェクトを設定するときにもトリガーします。Rust、Python、TypeScript/JavaScript、Go、Ruby のエコシステムを扱います。CI パイプラインの設定、Dockerfile、実際のビルドシステムの設定（cargo、webpack など）には使用しないでください。
Eloquent モデルとリレーションの作成、Sanctum 認証の実装、Horizon キューの設定、API リソースを使った RESTful API の設計、Livewire によるリアクティブなインターフェースの構築など、Laravel 10+ アプリケーションを構築・設定します。Laravel モデルの作成、キューワーカーの設定、Sanctum 認証フローの実装、Livewire コンポーネントの構築、Eloquent クエリの最適化、Laravel 機能の Pest/PHPUnit テスト作成に使用します。
PostHog のエラー発生事象やセッション内のエラーを、OpenTelemetry トレース、同じ trace ID のログ、Session Replay に関連付けます。エラーのトレース ID やスパン ID、同一トレースのログ、セッション内エラーのバックエンドトレースをユーザーが求めた場合に使用します。発生事象 UUID、セッション ID、エラートラッキングの課題 URL を起点にします。一般的な問題の診断やリプレイの要約には investigating-error-issue または investigating-replay を使用してください。
Mamba 選択的状態空間モデル（state-spaces/mamba パッケージ。Mamba-1 は d_state=16、Mamba-2 はマルチヘッド構造で d_state=128）を使った線形時間のシーケンスモデリングを説明します。インストール、Mamba ブロック、MambaLMHeadModel による言語モデルの構築、HuggingFace からの事前学習済み state-spaces チェックポイント（130M～2.8B）の読み込み、Transformers とのベンチマークを扱います。Mamba モデルの実装や読み込み、KV キャッシュなしでの超長系列処理、ストリーミングアプリケーションの構築、Mamba-1 と Mamba-2 の選択、インストールや CUDA メモリの問題解決に使用します。Linux と NVIDIA GPU が必要です。標準的な Transformer モデル、RWKV、RetNet、Hyena アーキテクチャには使用しないでください。
MathWorks ツール（MATLAB、Simulink、Embedded Coder）を使用して AI モデルを組み込みハードウェアに展開する。2 つのワークフローパターンを扱う: (1) MathWorks ネイティブまたはインポートしたモデルを軽量ハードウェア向けに dlnetwork として再構築する、(2) PyTorch および LiteRT モデルから C/C++ コードを直接生成する。どちらのパターンもすべてのターゲット（Cortex-M/A/R、x86、GPU）をサポートする。トリガー: ユーザーが AI を組み込みターゲットに展開したい場合、ニューラルネットワークから C/CUDA を生成したい場合、MCU 向けに AI モデルを圧縮したい場合、システムレベルシミュレーションのために Simulink に AI を統合したい場合、組み込み展開用に PyTorch/ONNX/TensorFlow モデルをインポートしたい場合、リソース制約のあるハードウェア向けに AI を最適化したい場合、または loadPyTorchExportedProgram、loadLiteRTModel、importNetworkFromPyTorch、importNetworkFromONNX、importNetworkFromTensorFlow、importNetworkFromKeras、dlquantizer、exportNetworkToSimulink を使用したい場合、あるいは Embedded Coder を AI モデルで使用したい場合。
MATLAB R2026a と GNU Octave の数値計算コードを設計、レビュー、移行します。arguments ブロック付き関数、配列とインデックス、テーブルとタイムテーブル、matlab.unittest テスト、MATLAB Projects、exportgraphics の図、MAT ファイルの一覧、MATLAB と Python の相互運用を扱います。.m ファイルをスキャンし、argv コマンドを計画し、成果物のハッシュを計算する静的ヘルパースクリプトを含み、コードは実行しません。.m コードの作成やレビュー、MATLAB リリース間または Octave へのコード移行、再現可能なテストやプロジェクトの設定、信頼できない MAT または .mlx ファイルの安全な検査、Python Engine の互換性確認に使用します。NumPy や SciPy を用いた純粋な Python 数値計算には使用しないでください。
.NET MAUI アプリのライフサイクルに関するガイダンス。4 つのアプリ状態（未実行、実行中、非アクティブ化、停止）、クロスプラットフォームの Window ライフサイクルイベント、バックグラウンド移行と復帰の動作、Android および iOS/Mac Catalyst のプラットフォーム固有のライフサイクルマッピング、状態保持のパターンを扱う。用途：「app lifecycle」「OnStart」「OnSleep」「OnResume」「backgrounding」「app state」「window lifecycle」「save state on background」「resume app」「deactivated event」「lifecycle events」。用途外：ナビゲーションイベント（maui-shell-navigation を使う）、依存性注入のセットアップ（maui-dependency-injection を使う）、プラットフォーム API（maui-platform-invoke を使う）。
モダンな React 19+ に関する権威あるガイダンス（Actions、use、Compiler、View Transitions、Fragment refs、Activity、browser、useEffectEvent）。React コンポーネント、フォーム、データ取得、並行 UI の作成・レビュー・リファクタリング・移行、または React 19+ へのアップグレード時に使用する。React、React 19、useActionState、useOptimistic、forwardRef、useEffect によるデータ取得、React Compiler、ViewTransition、Suspense パターン、codemod で発動する。常にトレーニングデータより最新の公式パターンを優先する。
iOS/tvOS 向けの MVVM に関する専門的な意思決定：ViewModel パターン（state enum、published プロパティ、Combine）の選択、サービス層の境界、依存性注入の戦略、テスト手法。ViewModel アーキテクチャの設計、データフローの問題のデバッグ、ビジネスロジックをどこに置くかの判断に使用します。トリガーキーワード：MVVM、ViewModel、ObservableObject、@StateObject、service layer、dependency injection、unit test、mock、architecture
Karpathy による最小構成の PyTorch GPT 実装 nanoGPT（model.py、train.py）を提供します。CPU での文字レベル Shakespeare のトレーニング、マルチ GPU の torchrun による OpenWebText 上での GPT-2 124M の再現、事前学習済み GPT-2 チェックポイントのファインチューニング、独自テキストでのトレーニングのワークフローを含みます。GPT と Transformer ブロックの仕組みを一から学ぶ場合、CPU または単一 GPU で小規模なトレーニング実験を行う場合、通常の PyTorch で Transformer の派生モデルを変更する場合、文字レベルまたは BPE のバイナリデータセットを準備する場合、nanoGPT のメモリ不足や学習速度の問題を解決する場合に使用します。本番環境や大規模分散トレーニングには適しません。代わりに HuggingFace Transformers または Megatron-LM を使用してください。
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。