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 97,222 件掲載。コマンド 1 行でインストールできます。
ドキュメント
会場に合わせて調整した査読シミュレーション。研究者が "simulate reviewers"、"mock review"、"review my paper like a NeurIPS reviewer"、"what would Reviewer 2 say"、"red-team my paper"、"find weaknesses before I submit"、"peer review my paper"、"strengths and weaknesses / pros and cons of my paper"、"what to focus on" と言ったとき、または学会・ジャーナル（NeurIPS、ICML、ICLR、CVPR、KDD、SIGMOD、CHI、VLDB、LNCS、TKDE、TODS……）のルーブリックスコアやボーダーライン却下リスクの推定を求めたときに使用する。会場ファミリーとトラックに合わせて調整した査読者パネル（NeurIPS メイントラックの厳しい懐疑派 vs デモトラックの寛容な審査員）を構築し、その会場の尺度で新規性／堅牢性／再現性／明瞭性を採点し、論文の引用テキストに基づいて弱点を探し、スコアをボーダーライン却下フラグ付きの意思決定リスク帯に集約し、優先順位付きの修正リストを出力する。あくまで参考情報であり、論文を改善するが結果を予測することはなく、最新の CFP に照らして事実を再確認し、引用や査読者を捏造せず、何も投稿しない。
正確なカンファレンス講演枠（例：12 分の講演と 3 分の Q&A、または 5 分のライトニングトーク）向けに、時間と語数予算を管理した発表原稿を書く。研究者が発表原稿、プレゼン原稿、スピーカーノート、カンファレンス講演、ライトニングトーク、リハーサル、「各スライドで何を言うか」、「発表が長くなりすぎる」と言及したときに使用する。スライドデッキやアウトラインを、約 130 語/分（校正可能）のスライドごとの語数予算、累積タイミングマーク、書き出したトランジション、長引きに備えた講演の 10～15% 相当の明示的な削減リスト、Q&A への引き継ぎを備えた話し言葉の散文に変換する。標準ライブラリのみの Python スクリプトを同梱し、予算を計算（word_budget.py）し、任意の草稿を再計時する（script_timer.py。スライドごとのタイミング、削減による節約、超過/不足の判定を含む）。投稿先を考慮するが、枠の長さについては発表者への指示と採択メールを正とする。結果を決して捏造しない——話される主張はすべて論文に由来しなければならない。
ドキュメント間の整合性を監査する: docs ↔ roadmap ↔ code ↔ fix index ↔ issues。ドリフトを検出する——docs/ にあるが roadmap にない機能（またはその逆）、すでにマージ/クローズされた fix-index エントリ、壊れた documentation-map リンク、依存関係の循環、言語が誤った成果物、命名規則違反——そして重大度順にランク付けして報告し、依頼があれば低リスクの項目のみ修正する。モデル非依存: このスキルはエージェントセッションがすでに使用しているモデルと effort をそのまま継承する。トリガー: "check doc consistency"、"are the docs in sync"、"audit the docs"、"doc coherence review"、"did the docs drift"、"validate the roadmap"。
漏えいした推論記録のように読める文章を監査または修正するときに使用する——(decision N) のような無効になった設計セッションの引用、監査項目コード、未コミット草稿の §N；"used to"、"no longer"、"this cut" のような変更の語り；スタックやレビューの視点（"a later PR in this stack"、"rejected in review"）；レビュー担当者向けの正当化；制御フローの語り；コメント、JSDoc、ドキュメント、Agent Notes に残った曖昧な計画の残骸。
論文を目標の長さに収める支援を行う。ページ上限を超えている場合は何を圧縮すべきかを具体的に提案し、短すぎる場合は実質のある内容として何を追加すべきかを提案する。研究者が「I'm over the page limit」「compress my paper」「what should I cut」「trim two pages」「my paper is too long」「help me fit NeurIPS's limit」「my paper is too short」「I have space left, what should I add」「where is all my length going」と言ったときに使用。セクションごとの長さ分析を実行し、優先度と価値を考慮した計画を提示する。すなわち、貢献、結果、引用を保護しつつ、どの低価値なセクションを圧縮するか、または付録に移すか、あるいはどの薄いセクションを拡充するか。長さを合わせるために証拠を削除することはなく、埋めるために水増しすることもない。トリガーワード：page limit、compress、trim、cut down、too long、too short、over the limit、fit the limit、what to cut、what to add。
Syncfusion ASP.NET Core Markdown Converter（Syncfusion.EJ2 NuGet）の実装を解説する。ユーザーが Markdown テキストを HTML に変換する必要があるとき、MarkdownConverter の toHtml メソッドを使用するとき、MarkdownConverterOptions（async、gfm、lineBreak、silence）を構成するとき、または Markdown Converter を Syncfusion Rich Text Editor タグヘルパーと統合して ASP.NET Core MVC または Razor Pages プロジェクトでライブプレビューや並べての編集を行うときに、このスキルを使用する。ユーザーが markdown to HTML conversion、MarkdownConverter、toHtml、ej2-markdown-converter、markdown preview、RTE markdown mode に言及したときにトリガーする。
REST API を使って Atlassian Jira と Confluence を操作する — MCP サーバーは不要。ユーザーが Jira、Confluence、Atlassian、チケット、issue、スプリント、バックログ、エピック、ストーリーに言及したとき、または Jira issue の作成/編集/検索/トランジション、Confluence ページの作成や閲覧、ステータスレポートの生成、バグのトリアージ、スペックのバックログ化、議事録からのタスク抽出、社内ナレッジの検索、ローカルの BMAD ドキュメントと Jira や Confluence の同期、ドキュメントの Jira へのプッシュ、Jira からのプル、ドキュメントのチケットへのリンク、Confluence スペースのローカル markdown へのダウンロード、Confluence ストレージ形式と markdown の変換を含むあらゆるプロジェクト管理タスクでこのスキルを使用。また、ユーザーが「あのチケットを完了にして」「PROJ-123 のステータスは」「X のバグを作成して」「wiki で Y を検索して」「チケットを起票して」「重複を確認して」「ステータス更新を書いて」「このスペックをストーリーに分割して」「このドキュメントを同期して」「jira にプッシュして」「jira からプルして」「confluence に同期して」「これを jira にリンクして」「エピックを同期して」「confluence ページをダウンロードして」「confluence スペースを同期して」「confluence を markdown に変換して」「confluence からドキュメントをプルして」などと言ったときにもトリガーする。ユーザーが Jira や Confluence とやり取りしたい可能性が少しでもあれば、このスキルを使用。
ユーザーが「レビュー `{主題}_review.tex` の本文引用をチェック/最適化する」または「check-review-alignment を実行する」と明確に求めたときに使用。ホスト AI の意味理解を通じて、引用が文献の内容と一致するかを一件ずつ確認し、致命的な引用エラーが見つかった場合にのみ「引用を含む文」を最小限に書き換え、`systematic-literature-review` のレンダリングスクリプトを再利用して PDF/Word を出力する。核心原則:変えるための変更はしない。致命的なエラーかどうか判断できない場合は原文のまま残し、レポートで警告する。非該当:ユーザーが単にシステマティックレビューの本文を生成したいだけの場合（systematic-literature-review を使用）、ユーザーが単に BibTeX エントリを追加/確認したいだけの場合（専用の bib 管理フローを使用）。
AI エージェントが法律文書（契約書、訴状、法律意見書、裁判文書、法規の解釈、法律メモランダムなどを含むがこれらに限らない）を生成、レビュー、修正する際に、そこで用いられる法律用語が正確で曖昧さがなく、法律文体の要件に適合していることを確保する必要がある場合に使用する。次の場面で起動する：1. 法律文書を起草・修正する際に正しい法律用語を選ぶ必要があるとき；2. 法律文書をレビューする際に用語の使用が不標準、混同、または曖昧であることに気づいたとき；3. 日常的な言い回しを法律上の標準的表現に変換するとき；4. 国内外の法律用語を翻訳または対照するとき；5. ユーザーが法律文書の用語標準化を明示的に求めたとき；6. 法律概念を正確に定義または説明するとき。本スキルは法律ライティングの基礎的な原子的能力であり、あらゆる法律文書作成の工程に通底する。
Arpit Gupta の編集原則、文体プロファイル、執筆ワークフローを徹底させる研究論文執筆アシスタント。必須トリガー：ユーザーが論文の執筆、セクションの起草、セクションの改訂、論文の編集、草稿のレビュー、序論の書き直し、評価の執筆、文章の推敲、テキストの圧縮、または .tex ファイル、Overleaf、カンファレンス投稿、論文の締め切りに関わるタスクに言及したときは常にこのスキルを使用する。ユーザーが執筆の文脈で論文名（NetBurst、NetForge、BQT+、TurboTest など）に言及したときもトリガーする。このスキルはあらゆる研究執筆タスク（セクション、アブストラクト、反論、camera-ready 編集、カバーレター、査読者への回答）で有効化されるべきである。
Syncfusion Spreadsheet Component を使った Excel ライクな UI を必要とする Blazor アプリにこの skill を使用する。Excel（.xlsx、.xls）ファイルの作成、表示、編集、スプレッドシートエディターの埋め込み、数式、フィルタリング、並べ替え、セル書式の使用でトリガーする。ユーザーがスプレッドシートファイルに言及した場合（「open xlsx」、「load Excel file」、「add Syncfusion spreadsheet」）にもトリガーする。UI コンポーネントを伴わない単独のファイル処理ではトリガーしない。
Terra API Lab Reports（プレリリース）のベストプラクティスと API リファレンス — 臨床検査レポートの PDF と画像を、構造化された標準化済みのバイオマーカーデータに変換する。血液検査結果の解析、バイオマーカーの抽出、LOINC や UCUM の単位コードへのマッピング、基準範囲の処理、lab_report.completed / lab_report.failed webhook の処理、PDF の検査結果と検査レポート OCR の扱いに使用する。非同期の upload/standardize/deliver ライフサイクル、イベントエンベロープ（event_id、upload_id）、階層化された結果モデル（source、biomarker、measurement、interpretation、reference ranges）、未マッチのバイオマーカーの処理、snowflake ID、冪等な webhook 処理を扱う。
査読への反論と著者からの回答を、実際の 3 つの投稿先形式で起草する。(a) 厳密に 1 ページの LaTeX 反論文 PDF（CVPR 形式）、(b) OpenReview 上でレビューごとにスレッド形式で返信し、10,000 文字の予算内に収める（NeurIPS/ICML/ICLR）、(c) 変更履歴を記した回答文書を伴う revise-and-resubmit パッケージ（CHI、SIGMOD/ICDE の改訂ラウンド、ジャーナル）。すべての回答を論文のセクション、表、図、行番号に紐づけ、同梱のチェッカースクリプトで文字数／ページ数の予算と逐条の網羅を強制し、1 ページの反論 LaTeX テンプレートを同梱する。ユーザーが「write my rebuttal」「respond to reviewers」「author response」「reviews came back」「reviewer 2 says」「revise and resubmit」「response letter」「rebuttal deadline」と言ったとき、または回答を OpenReview の文字数上限や 1 ページ PDF に収める必要があるときに使用。ファイルはディスク上に起草するのみで、投稿、アップロード、提出は一切行わない。
Web 検索を備えた視覚対応の検証ゲート。ユーザーが（1）スライド／レポート／PDF／画像を権威あるオンライン情報源と照合して検証したい、（2）引用が実際に存在し主張どおりの内容か確認したい、（3）グラフ／図表／表の正確性をチェックしたい、（4）ドキュメントのみのモード（外部知識なし）で AI 生成コンテンツを監査したいときに使用。2 つのモード — 検索モードは Web と照合して検証し、ドキュメントのみのモードはすべてが提供されたドキュメントに遡れることを保証する。あらゆる言語のコンテンツに対応。
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。