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
NemoClaw の統合レイヤーとブループリントのアーキテクチャ、および互換性のあるエージェントサンドボックスをどうオーケストレーションするかを説明する。アーキテクチャ、エージェント統合、プラグイン構造、ブループリントの設計を調べるときに使う。トリガーキーワード —— nemoclaw architecture、nemoclaw agent architecture、nemoclaw plugin blueprint structure、nemoclaw vs openshell、which cli、nemoclaw cli、openshell cli、sandbox commands、nemoclaw cli commands、nemoclaw command reference、nemoclaw network policy、sandbox egress control operator approval、nemoclaw troubleshooting、nemoclaw debug sandbox issues。
リポジトリ標準の Nemotron カスタマイズ手順を計画・設定し、単一または複数ステップのパイプラインとして連結します。対象は、キュレーション、翻訳、SFT/PEFT（AutoModel または Megatron-Bridge）、事前学習/CPT、RL アライメント（DPO/RLVR/GRPO/RLHF）、BYOB/MCQ ベンチマーク、チェックポイント変換、ModelOpt 最適化、環境プロファイル、学習済みチェックポイントまたは既存/ホスト済みエンドポイントの評価です。Nemotron の手順やワークフローが指定された場合、またはこれらのクリーンアップ、翻訳、学習、ファインチューニング、アライメント、変換、最適化、評価、パイプライン化を求められた場合に使用します。フロントエンド/ダッシュボード/可視化、一般的な ML の助言、課金/アクセス、Nemotron 以外のコーディングタスクには使用しないでください。
Next.js を使った Netlify プロジェクトのデプロイと管理を、サーバーレス関数、環境変数、継続的デプロイメントとともに扱う。Netlify でのデプロイ、netlify.toml の設定、Netlify Functions の管理、webhook のデバッグ、環境変数の設定、Netlify 上の Next.js アプリのデプロイ問題のトラブルシューティングを行うときにこのスキルを使用。Twilio-Aldea や同様のサーバーレス SMS/テレフォニープロジェクトに必須。v2.0 には公式 Netlify ドキュメント、Twilio-Aldea の本番運用パターン（webhook タイムアウトの解決策、バックグラウンド関数）、TypeScript のコード例を含む。
TanStack Router を使用しない Vite React アプリ向けの nuqs（型安全な URL クエリ状態管理）。useQueryState、useQueryStates、parseAsInteger/parseAsString/parseAsJson などの parseAs* パーサー、NuqsAdapter の設定、NuqsTestingAdapter のテストの作成やレビューに使用します。TanStack Router または Start アプリには使用せず、そちらでは route validateSearch を使用してください。
OpenTelemetry SDK を使って Java、Python、Node.js、.NET、Go アプリケーションに計装し、トレース、メトリクス、ログを Coralogix に送信する。SDK 側の OTel セットアップ、OTLP exporter の環境変数、Coralogix のリソース属性、APM トランザクションサンプラー、Kubernetes Operator による注入、またはアプリケーションからのトレース、メトリクス、ログの欠落やテレメトリが送信されない問題のデバッグに使用する。OTel Collector の設定（opentelemetry-collector を使用）、OTTL の作成（opentelemetry-ottl を使用）、eBPF 計装、Lambda layers には使用しない。
`orca` CLI を通じて、Orca 管理の worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、成果物、スキル共有、worktree コメント、Orca 内蔵ブラウザーを操作します。ユーザーが「$orca-cli」「Orca worktree」「child worktree」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「handoff」／「handover」／「give this to another agent」「Orca browser」「orca artifacts」「share skills」と言った場合に使用します。Orca の状態が関係する場合は、通常の git worktree、臨時の PTY、Computer Use より優先します。CLI、ファイルシステム、API では操作できない可視ウィンドウの GUI 操作が必要な場合に限り、Computer Use を使用します。
公式のコードが存在しない場合に、論文の手法を最小限で直接的な PyTorch で再現し、その手法が主張どおりに機能するかを確認する。ユーザーが「この論文を再現して」「この論文の手法を実装して」「この論文のコードがない」「この論文が本当に機能するか確認したい」「このアルゴリズム/式をコードにして」と言ったとき、または論文/arXiv のリンクを共有してその中核メカニズムの動作する実装を求めたときに使用。出力は、小さく単一ファイルで読める実装に加えて、段階的な検証ゲート（形状チェック → 小さなバッチで過学習 → トイ規模でのベースライン比較）と、論文が明記していないすべての点に関する明示的な仮定台帳。自分の実験向けの学習レシピの設計（pytorch-training-recipe / jax-training-recipe）、既存のリリース済み成果物の監査（reproducibility-audit）、研究リポジトリの構成（research-codebase）には使用しない。
ユーザーが図、フローチャート、シーケンス図、クラス図、コンポーネント図、ER 図、アーキテクチャ図、ビジュアライゼーションを求めた場合に使用します。既存のソースコードからの図の生成や、Markdown ファイルに埋め込まれた PlantUML の画像へのレンダリング／抽出（例：Confluence/Notion 用ドキュメントの準備）も対象です。3 つ以上のコンポーネント、API、データフロー、クラス階層を含むシステムの説明でも積極的に使用します。.puml ファイルを生成し、Kroki API 経由で PNG/SVG にエクスポートします（ローカルへのインストールは不要）。
Pragmatic Institute のユースシナリオを作成します。ペルソナの視点から市場課題を背景とともに示す短いストーリーで、要件の一部です。PM が「ユースシナリオ」「ある一日の流れ」「ユーザーストーリーの背景」「問題記述」を求める場合や、開発チームが実装方法（HOW）ではなく解決すべきこと（WHAT）を理解できるよう、機能リクエストを実際の課題として捉え直す場合に使用します。Markdown または Word .docx の成果物として Use Scenarios 文書を作成します。
AI エージェントを任意のプロジェクトにオンボーディングする — スタック（Web、モバイル、バックエンド）を検出し、最新のドキュメントを調査し、汎用の 8 カテゴリ監査（ページ、状態、UI、API、データ、認証、ジョブ、連携）を自動検出と自動スキップ付きで実行し、開発者にインタビューし、タスクベースのルーティングを備えた構造化コンテキストファイルを生成して、エージェントがプロジェクトの探索に再び時間を浪費しないようにする。オンボーディング済みのリポジトリで project-onboard を再実行すると、変更されたコンテキストを更新し、機能監査を再実行し、インタビューの回答を保持し、別途 update や audit コマンドを必要とせずにルーティングを更新する。ユーザーが "onboard"、"onboard again"、"rerun onboard"、"update onboard"、"refresh context"、"set up context"、"scan this project"、"generate AGENTS.md"、"generate CLAUDE.md"、"map this codebase"、"audit features"、"what does this project do" と言ったとき、または AI エージェントが新しい／既存のコードベースを理解するのを助けるあらゆる要求があったときにこのスキルを使用する。また、ユーザーが不慣れなリポジトリや古い `.context/` ファイルを持つ既存のリポジトリで作業を始め、構造化コンテキストの生成が役立つ場合にもトリガーする。
モダンな Python 3.12+ のベストプラクティスに精通したエキスパート Python ソフトウェアエンジニアとして対応します。新しい Python プロジェクトの作成、Python コードのレビューやリファクタリング、Python のプロジェクト構成、依存関係、型ヒント、テスト、最新機能についての質問に使用します。適切なツール（uv、ruff、ty/mypy、pytest）、型ヒント、dataclasses、非同期パターン、プロジェクト構成を用い、現行のベストプラクティスに沿ったコードを実現します。Python 3.12、3.13、3.14 のバージョン固有機能も含みます。
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。