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 97,905 件掲載。コマンド 1 行でインストールできます。
開発
pymoo を使って Python で単一目的および多目的最適化問題を解きます。NSGA-II、NSGA-III、MOEA/D、SPEA2、RVEA、GA、DE、PSO を使用します。カスタム問題（Problem、ElementwiseProblem、FunctionalProblem）、制約処理、混合変数問題、ZDT/DTLZ/WFG ベンチマーク、遺伝的演算子、並列評価、パレートフロントの可視化、多基準意思決定を扱います。競合する目的間のパレート最適なトレードオフを見つける場合、制約付きまたは混合変数問題を定義して進化アルゴリズムを選ぶ場合、標準テスト問題でアルゴリズムを評価する場合、交叉または突然変異演算子をカスタマイズする場合、パレートフロントから解を選ぶ場合に使用します。勾配ベースまたは凸最適化のソルバーには向きません。
Python パッケージに静的型チェックをセットアップします — mypy、pyright、basedpyright、ty の選択、厳格な構成、モジュール単位のオーバーライド、py.typed の同梱 — さらに型チェックエラーを修正します。ユーザーが 'add type checking'、'set up mypy'、'pyright errors'、'make this package typed' と言った場合に使用します。lint やフォーマットの失敗、テストの失敗、実行時バグ、チェッカーを実行する CI ワークフローには使用しません。
lightning パッケージ（PyTorch Lightning）で PyTorch の学習コードを整理します。LightningModule、LightningDataModule、Trainer、ModelCheckpoint や EarlyStopping などのコールバック、ロガー（TensorBoard、W&B、MLflow、Comet、CSV）、複数 GPU／TPU 戦略（DDP、FSDP、DeepSpeed）を扱います。PyTorch モデルを学習、検証、テストのステップに分ける場合、複数 GPU または TPU 実行向けに Trainer を設定する場合、データ読み込み用の LightningDataModule を作成する場合、学習にチェックポイント、早期停止、実験ログを追加する場合、モデルサイズに応じて DDP、FSDP、DeepSpeed を選ぶ場合に使用します。Lightning を使わない通常の PyTorch ループには向きません。
thoughtbot のベストプラクティスに基づき、Ruby on Rails アプリの包括的なコード監査を行う。ユーザーが Rails アプリのコード監査、コードレビュー、品質評価、分析を依頼したときにこのスキルを使う。このスキルはコードベース全体を分析し、テストプラクティス（RSpec）、セキュリティ脆弱性、コード設計（スキニーコントローラー、ドメインモデル、ActiveModel を使った PORO）、Rails の規約、データベース最適化、Ruby のベストプラクティスに焦点を当てる。カテゴリ（テスト、セキュリティ、モデル、コントローラー、コード設計、ビュー）ごとにグループ化した詳細な markdown 監査レポートを、各カテゴリ内に重大度レベル（重大、高、中、低）を付けて出力する。
Ruby on Rails の変更に対して、最初に失敗させる RSpec spec や垂直スライスを最適に選ぶときに使用。request / model / service / job / engine spec の選択、system spec へのエスカレーション、最小の安全なスライスの計画、Rails 優先の TDD の順序を扱う。トリガーワード：where to start testing、what test to write first、RSpec、test-driven development、TDD、first failing test。
React Native Testing Library（RNTL）v13 および v14（`@testing-library/react-native`）を使ってテストを作成します。React Native コンポーネントのテストの作成、レビュー、修正に使用します。対象：render、screen、クエリ（getBy/getAllBy/queryBy/findBy）、Jest マッチャー、userEvent、fireEvent、waitFor、非同期パターン。v13（React 18、同期 render）と v14（React 19 以降、非同期 render）に対応します。トリガー：React Native コンポーネントのテストファイル、RNTL のインポート、「testing library」「write tests」「component tests」「RNTL」への言及。
AI／LLM 分析向けのリポジトリパッケージング。機能：リポジトリを単一ファイルにパッケージ化、AI フレンドリーなコンテキストの生成、コードベースのスナップショット、セキュリティ監査の準備、フィルター／除外パターン、トークン数のカウント、複数の出力形式。アクション：パッケージ、生成、エクスポート、LLM 向けにリポジトリを分析。キーワード：Repomix、リポジトリパッケージング、LLM コンテキスト、AI 分析、コードベーススナップショット、Claude コンテキスト、ChatGPT コンテキスト、Gemini コンテキスト、コードパッケージング、トークン数、ファイルフィルタリング、セキュリティ監査、サードパーティライブラリの分析、コンテキストウィンドウ、単一ファイル出力。使用時：AI 向けにコードベースをパッケージ化するとき、LLM コンテキストを生成するとき、コードベースのスナップショットを作成するとき、サードパーティライブラリを分析するとき、セキュリティ監査を準備するとき、リポジトリを Claude／ChatGPT／Gemini に渡すとき。
PR 番号または URL から GitCode のプルリクエストをレビューする。`oh-gc` が PR メタデータ、diff、コメントを取得する必要があり、文脈のためにローカルリポジトリのコードを確認する必要があり、出力が具体的な指摘または GitCode への投稿ドラフトであるべき場合に使用する。`oh-gc` に依存する GitCode PR レビューやコメント投稿のリクエストに用いる。一般的なローカルレビュー、GitHub/GitLab のフロー、ユーザーの明示的な確認なしの自動投稿には使用しない。
作成されたオープンソースの prior-art の SEARCH、EXTRACT、SYNTHESIS 成果物 — キーワードマップ（型付き検索語彙）、観点別の検索出力（カバレッジセル + 候補リポジトリ）、リポジトリ単位の抽出、または統合レポート + borrow-index — を、survey の下流段階に渡せるほど妥当かどうか判断するときに使用。作成ではなく受け入れゲート：生産者と単一ソース化された 22 条件の基準で、キーワードマップと検索（1–11）、比例性（12）、抽出のデューデリジェンス（13–18）、統合（19–22）をカバーし、決定論的な schema チェックは生産者のバリデータに委ねる。判定はちょうど 1 つ出力する — 終端行 VERDICT: approve|revise、または呼び出し側が指定した同等のもの — 条件名を付した所見とともに。レビュー専用；誤った revise はしない — 薄くても誠実な結果は基準を満たす。キーワード：prior art review、keyword map review、search coverage review、extraction review、synthesis review。
scikit-learn（sklearn）を使った Python の古典的機械学習を扱います。分類・回帰推定器、クラスタリングと次元削減、前処理、Pipeline と ColumnTransformer、交差検証、評価指標、GridSearchCV によるハイパーパラメーター調整を含みます。表形式またはテキストデータで分類器や回帰器を学習・比較する場合、データをクラスタリングしてクラスタ数を選ぶ場合、データリークのない前処理パイプラインを構築する場合、交差検証と評価指標でモデルを評価する場合、ハイパーパラメーターを調整する場合に使用します。ディープラーニングには向きません。専用のニューラルネットワークフレームワークを使用してください。
1 つの LLM モデルに対して、Humanize が統治する自律的な SGLang SOTA パフォーマンスループを実行する。まず指定された比較フレームワーク群に対して固定の公平な SGLang ベンチマークを実施し、次に 1 つの RLCR ループを開始して、ギャップの判断、現在のボトルネックのプロファイリング、レイヤー/カーネルのパイプライン分析、SGLang コードのパッチ適用、必要に応じた ncu-report-skill によるカーネル証拠の取得、再検証を繰り返し、同一ワークロードと SLA のもとで SGLang が観測された最良の指定フレームワークに並ぶか上回るまで続ける。
shadcn-svelte のコンポーネントとプロジェクトを管理します。UI の追加、更新、修正、デバッグ、スタイル設定、組み立てを行います。プロジェクトコンテキスト、コンポーネントのドキュメント、使用例を提供します。shadcn-svelte、その CLI、design-system のプリセット、または components.json を含むプロジェクトを扱うときに適用されます。"shadcn-svelte init"、"add component"、レジストリの URL -seller_majorでもトリガーします。
Tailwind v4 と Next.js（App Router）、Vite、または手動セットアップで shadcn/ui をインストールして使用する。components.json を構成し、コマンドラインでコンポーネントを追加し、CSS のみでテーマ設定する。shadcn/ui の追加、shadcn のインストール、Button、Card、Dialog、Form などの shadcn コンポーネントの使用時、またはユーザーが shadcn、shadcn/ui、Tailwind と組み合わせた Radix UI に言及したときに使用する。
`@sinch/functions-runtime` を使って Node.js/TypeScript の Sinch Functions を記述します。`function.ts` を作成・編集する際に使用します。Voice API v2 による通話の応答と制御、IVR メニュー、通話の発信やブリッジ、SMS/WhatsApp/RCS webhook、カスタム HTTP エンドポイント、キャッシュ/ストレージ/データベース、認証、`setup()` フック。実行とデプロイは sinch-cli skill で行います。
Calendar、DatePicker、DateRangePicker、DateTimePicker、TimePicker を含む Syncfusion ASP.NET Core カレンダーコンポーネントを実装するための包括的なガイド。ユーザーが Syncfusion ASP.NET Core のカレンダー、日付ピッカー、日付範囲ピッカー、時刻ピッカー、日時ピッカー、カレンダービュー、複数選択、イスラム暦、日付範囲の制限、週番号、日セルのカスタマイズ、renderDayCell、日付選択、範囲選択、日付の書式設定、日付マスク、グローバリゼーション、ローカライズ、厳格モード、アクセシビリティ、または ASP.NET Core タグヘルパーアプリケーションにおける関連するカレンダー/日付/時刻 UI について質問した場合は、常に直ちにこの skill を使用する。
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。