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 96,981 件掲載。コマンド 1 行でインストールできます。
開発
サーバーレスおよびエッジランタイム（Next.js、Vercel、Cloudflare Workers、Deno、Node.js）向けの HTTP ベースのメッセージキュー、タスクスケジューラー、バックグラウンドジョブシステムである @upstash/qstash TypeScript/JavaScript SDK を扱います。HTTP エンドポイントまたは URL グループへのメッセージ発行、長時間実行するワーカープロセスを使わないバックグラウンドジョブの実行、cron 式によるスケジュール設定、メッセージの遅延、並列処理とフロー制御に対応した FIFO キューの構築、再試行とコールバックの設定、デッドレターキュー（DLQ）の処理、メッセージの重複排除、複数エンドポイントへのファンアウト、QStash webhook 署名の検証（Next.js App Router、Pages Router、Edge Runtime）、ローカル QStash 開発サーバーの実行、リージョンの移行に使用します。サーバーレス cron ジョブ、非同期タスクキュー、ジョブスケジューラー、遅延配信、再試行付き webhook 配信、サービス間のイベント駆動型メッセージングを求める場合にも使用します。
任意形式（PDF、xlsx、csv、JSON、docx、Markdown、プレーンテキスト、エンドポイント一覧のスクリーンショット）の顧客SOPから、Salesforceサンドボックスのコピー後自動化ツールが読み込むJSON設定ファイルを生成します。post-copyまたはpost-refresh自動化設定の作成、構築、生成、作成依頼、変換依頼に使用します。サンドボックス更新SOPを、ConfigurationName、Label、Fields、IsActive、ExecutionOrderを含む OutboundMessages（OBM）、RemoteSiteSettings、ScheduledApex、Flows のエントリーを格納したJSON配列に変換します。「post-copy config」「post-refresh automation JSON」「update the outbound message (OBM) endpoints after refresh」「convert this SOP to config」「remote site settings JSON」「refresh planner to JSON」「sandbox refresh config」といった依頼も対象です。生成した設定を組織にデプロイする場合（platform-metadata-deploy を使用）、またはサンドボックスに post-copy 自動化JSONを適用、実行、試行する場合（automation-sandbox-post-copy-configure を使用）は対象外です。
既存の JavaScript Lightning Web コンポーネント（.js、.html、.css）を、完全な型注釈を持つ TypeScript に変換し、コンポーネントの `@api` 面のみを公開する `.d.ts` ファイルを併せて作成するときに使う。ユーザーが "convert LWC to TypeScript"、"migrate LWC to TS"、"rename .js to .ts for this component"、"add types to my LWC"、"generate .d.ts for this LWC"、"type-annotate @api properties"、"produce declare module 'c/componentName' definitions" と話した場合に発動する。ユーザーがゼロから新しい LWC を_authoring_している場合（experience-lwc-generate を使用）、既存の LWC の Jest テストを生成している場合（experience-lwc-generate を使用）、Aura コンポーネントを LWC に移行している場合は発動させない。
動作するものの未テストなバイブコーディングのプロトタイプを、テスト、整理された構造、ビジネスルールの境界、スケールに耐える堅牢性を備えた本番対応プロダクトへ導きます。working-with-legacy-code、clean-code、refactoring-patterns、software-design-philosophy、clean-architecture、pragmatic-programmer、release-it、system-design、ddia-systemsの9つのスキルを段階的に連携させ、各判断時にユーザーへ質問し、結果をプロジェクトのdocs/フォルダー（TESTING.md、TECH-DEBT.md、IMPROVE-CODE-QUALITY-PLAN.md）に記録して、次のセッションでも続行できるようにします。AI生成のプロトタイプを強化したい、リファクタリング前にテストを追加したい、安全に変更できるコードにしたい、または「自分のマシンでは動くけれど、触るのが怖い」と言う場合に使用します。古いコードベースにはremove-technical-debt、新規プロジェクトの構造設計にはdesign-code-architecture、プロダクトとUXの見直しにはimprove-app、速度と構造の最適化にはarchitecture-optimizationを使用します。単一のフレームワークだけを扱う場合は、そのスキルを直接呼び出してください。
デザイン品質が高く、印象的な本番レベルのフロントエンドインターフェースを作成します。既存デザインの auditing 分析ツールと、カラーパレット、タイポグラフィシステム、デザイントークン、コンポーネントテンプレートの生成ツールを提供します。React、Vue、Svelte、素の HTML/CSS に対応しています。ウェブコンポーネント、ページ、アプリの構築時に使用します。キーワード: design、UI、frontend、CSS、components、palette、typography、tokens、accessibility。
誰も触れたがらない大規模で古いコードベースを、書き換えずにその場で技術的負債を返済しながら、安全に変更でき、読みやすく、適切に境界づけられた堅牢な状態へ導きます。working-with-legacy-code、refactoring-patterns、clean-code、software-design-philosophy、clean-architecture、pragmatic-programmer、release-it、domain-driven-design の8つのスキルを段階ごとに連携させ、各判断点でユーザーに質問し、結果をプロジェクトの docs/ フォルダー（TESTING.md、TECH-DEBT.md、REMOVE-TECHNICAL-DEBT-PLAN.md）に記録することで、セッションをまたいで作業を再開できます。レガシーコードベースの整理、技術的負債の安全な返済、大規模な一括書き換えの回避を望む場合や、「このコードには触るのが怖い」と言う場合に使用します。新しい vibe-coded プロトタイプには improve-code-quality、新規プロジェクトの構成には design-code-architecture、プロダクトと UX の改善には improve-app、稼働中のコードベースの高速化には architecture-optimization を使用します。単一のフレームワークだけを扱う場合は、そのスキルを直接呼び出してください。
現在のブランチに対して PR を作成する（デフォルトの 대상 は `canary`）。レイヤー横断する 1 本のブランチを、順序のあるスタック PR に分割し、下位レイヤー（db / 共有パッケージ / サーバー TRPC）がその呼び出し元（デスクトップ / CLI / UI）より先にマージされるようにする。ユーザーが PR の作成・提出を求めていたとき、またはクライアントがまだ trunk に存在しないサーバーコントラクトを参照しているためブランチを分割すべきときに使う。トリガー：'pr'、'create pr'、'submit pr'、'open a PR'、'pull request'、'split this PR'、'stacked PR'、'backend should merge first'、'提 PR'、'提个 PR'、'新建 PR'、'拆 PR'、'后端先合'、'分层合并'。
現代の技術（Node.js、Python、Go、Rust）、フレームワーク（NestJS、FastAPI、Django）、データベース（PostgreSQL、MongoDB、Redis）、API（REST、GraphQL、gRPC）、認証（OAuth 2.1、JWT）、テスト戦略、セキュリティのベストプラクティス（OWASP Top 10）、パフォーマンス最適化、スケーラビリティパターン（マイクロサービス、キャッシュ、シャーディング）、DevOps /CBD（Docker、Kubernetes、CI/CD）、モニタリングを用いて堅牢なバックエンドシステムを構築します。API の設計、認証の実装、データベースクエリの最適化、CI/CD パイプラインの構築、セキュリティ脆弱性の対応、マイクロサービスの構築、本番対応のバックエンドシステム 개발فادةします。
Angular UI ライブラリの spartan/ui を管理し、Brain（ヘッドレスプリミティブ）レイヤーと Helm（スタイル付き）レイヤーを使った UI の追加、合成、修正、デバッグ、スタイリングを行います。プロジェクトのコンテキスト、コンポーネント API、使用例を提供します。spartan/ui、@spartan-ng/brain、@spartan-ng/helm、@spartan-ng/cli ジェネレーター、または components.json ファイルを含む Angular プロジェクトでの作業に適用されます。「spartan init」「add a spartan component」「set up spartan/ui」にも反応します。
AI アプリに永続的メモリを追加するための Mem0 Platform SDK。トリガー条件: ユーザーが「mem0」「MemoryClient」「memory layer」「remember user preferences」「persistent context」「personalization」に言及した場合、またはチャットボット、エージェント、AI アプリに長期メモリを追加する必要がある場合。Python SDK (mem0ai)、TypeScript SDK (mem0ai)、フレームワーク連携 (LangChain、CrewAI、OpenAI Agents SDK、Pipecat、LlamaIndex、AutoGen、LangGraph) をカバー。オープンソースのセルフホスト Memory クラスも対象。曖昧なクエリに対するデフォルトの mem0 スキル。トリガーしない場合: CLI コマンド、ターミナル操作、シェルスクリプトに関する質問 (mem0-cli を使用)、または Vercel AI SDK / @mem0/vercel-ai-provider / createMem0 に関する場合 (mem0-vercel-ai-sdk を使用)。
TRL（Transformer Reinforcement Learning）や Unsloth を用いた Hugging Face Jobs インフラで、言語モデルやビジョンモデルの学習・ファインチューニングを行います。SFT、DPO、GRPO、リワードモデリングなどの学習手法と、ローカル配備のための GGUF 変換を扱います。TRL Jobs パッケージ、PEP 723 形式の UV スクリプト、データセットの準備と検証、ハードウェア選定、コスト試算、Trackio による監視、Hub 認証、モデルの選択／リーダーボード、モデルの永続化に関するガイダンスも含まれます。クラウド GPU での学習、GGUF 変換、ローカル GPU 環境なしで Hugging Face Jobs 上で学習するといったタスクに適しています。
Apollo Rover CLI で GraphQL スキーマとフェデレーションを管理する方法を案内します。次の場合に使用します：（1）サブグラフ／グラフスキーマの公開または取得、（2）ローカルまたは GraphOS 経由でのスーパーグラフスキーマの合成、（3）rover dev によるローカルのスーパーグラフ開発、（4）check および lint コマンドによるスキーマ検証、（5）Rover の認証と環境の設定、（6）エージェント主導の探索のためのグラフスキーマの閲覧や検索（rover schema describe / rover schema search）、（7）rover init による新しいグラフプロジェクトまたは MCP サーバーの初期化、（8）Apollo Connectors、コントラクト、永続クエリ、クライアント操作の利用、（9）API キー、プラグイン、テンプレート、グラフ成果物の管理
`devbox` または `boxctl` を使って Namespace devbox を作成、実行、共有、破棄します。分離された Linux または macOS 環境、リモートでのビルドやテスト、使い捨ての Docker ホスト、ローカルの処理能力を超えるワークロード、`devbox.so` URL の公開、devbox 内での作業（`NAMESPACE_DEVBOX_WORKSPACE_DIR` が設定済みの場合）に使用します。タスクマーカーを使って、無人の作業を継続させる用途にも対応します。
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。