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
@mohtasham/md-to-docx を使用して Markdown ファイルと文字列を DOCX ドキュメントに変換する。ユーザーが Markdown から Word への変換、コマンドラインベースのファイル変換、参照 DOCX のスタイルまたはプレースホルダーパッチ、オプション駆動のスタイル/配置/フォントファミリー、目次/改ページの処理、下線/取り消し線の書式、セクションごとのヘッダー/フッターを備えた複数セクション文書、または Node/ブラウザーコードでのプログラムによる変換を必要とする場合に使用する。
LaTeX の表と図を出版品質に仕上げる。研究者が表の書式、booktabs、図のレイアウト、サブフィギュア、キャプション、色覚多様性に配慮した色やパレット、cref/cleveref の一貫性、overfull hbox、列幅に言及したとき、または表と図を学会（ACM、IEEE、NeurIPS、LNCS、CHI）向けにプロフェッショナルでカメラレディな見た目にしたいと依頼したときに使用する。横罫線と縦罫線の表を booktabs に変換し、ページ予算内で列幅を調整し、subcaption でサブフィギュアをレイアウトし、学会系統ごとのキャプション慣例（表のキャプションは上、図のキャプションは下、ACM Description の代替テキスト）を適用し、ref/cref の不一致を修正し、同梱の stdlib Python リンターとパレット生成器を用いて色覚多様性に配慮したパレット（Okabe-Ito、Paul Tol）を推奨する。変更するのは提示のみ——データ値、単位、結果は決して変更しない。
Syncfusion Spreadsheet Component を使った Excel ライクな UI を必要とする Angular アプリにこのスキルを使用する。トリガー：Excel（.xlsx、.xls、.xlsb）および CSV ファイルの作成・表示・編集、スプレッドシートエディタの埋め込み、API/JSON からのデータバインディング、数式・グラフ・入力規則・フィルタ・条件付き書式の使用。ユーザーがスプレッドシートファイルに言及した場合にもトリガーする（「open xlsx」「load Excel file」「add Syncfusion spreadsheet」「bind data to spreadsheet」）。UI コンポーネントを伴わない単体のファイル処理にはトリガーしない。
反論を書く前に、生のピアレビューを優先順位付きのトリアージマトリクスに変換する。OpenReview、EasyChair、CMT、HotCRP からレビューが返ってきて、研究者が "my reviews are in"、"triage these reviews"、"how do I respond to Reviewer 2"、"plan my rebuttal" と言ったとき、または評価と信頼度スコア付きの生のレビュー本文を貼り付けたときに使用する。各レビューを個々の懸念に分割し、すべての懸念を誤解か実際の欠陥か要求された実験（加えて確認事項と見解の相違）に分類し、重大度 × 対応コストをスコアリングし、学会の反論フォーマット（10k 文字の OpenReview スレッド、CVPR の 1 ページ PDF、ジャーナルの revise-and-resubmit）に合わせたレビューごとの文字数または語数予算を伴う優先順位付きの対応戦略を生成する。決定論的な解析とマトリクスのレンダリングは同梱の stdlib Python スクリプトで実行される。起草は write-rebuttal に引き継ぐ。レビュー本文は機密として扱い、何も提出しない。
投稿先を意識した論文アブストラクトの作成、書き直し、リントを行い、アブストラクト登録パッケージを準備する。投稿先の長さの基準（例：LNCS 150-250 語）を守らせ、正しいキーワードブロック（ACM CCS Concepts、IEEE Index Terms、LNCS \keywords、NeurIPS 形式ならなし）を生成し、アブストラクトを動機-ギャップ-手法-結果-インパクトの構造で組み立て、別途アブストラクト締切がある投稿先向けにアブストラクト登録カード（タイトル、アブストラクト、著者、トピック、利益相反/COI、締切までのカウントダウン）を作成する。ユーザーがアブストラクトの作成、修正、短縮、加筆、推敲を依頼したとき、アブストラクトの語数制限、CCS concepts、index terms、キーワードについて尋ねたとき、または全文の締切前にアブストラクトを登録する／アブストラクト登録の締切（NeurIPS、ICML、KDD、CVPR、CHI、SIGSPATIAL）に間に合わせる必要があるときに使用。
公式の SAP BTP Solution Diagram ガイドライン（Fiori Horizon デザインシステム）に従って SAP BTP（Business Technology Platform）のソリューションアーキテクチャ図をネイティブの draw.io（.drawio）ファイルとして生成し、設定済みの draw.io MCP サーバー経由で開きます。使用する場面：ユーザーが BTP 図、BTP アーキテクチャ、BTP ランドスケープ、BTP ソリューション図、BTP リファレンスアーキテクチャ、SAP Business Technology Platform 図の作成/描画/設計/スケッチを求めたり、SAP BTP サービス（CAP、Build、Integration Suite、SAC、AI Core、HANA Cloud、Cloud Foundry、Kyma、Workzone など）とその相互依存関係を draw.io / drawio / diagrams.net で可視化したいとき。使用しない場面：BTP 以外のアーキテクチャ図、一般的なフローチャート、シーケンス/UML 図、Mermaid/PlantUML のままにすべき図。
CawPlan ナレッジベースを閲覧・検索します：データセットの一覧表示／作成、データセット内のドキュメントの一覧表示／アップロード、1 つまたはすべてのデータセットを横断した情報検索。使用タイミング：どのようなナレッジデータセット／ドキュメントが存在するかを知りたい、特定のデータセットの内容を閲覧したい、ナレッジベースに保存された情報を検索したい、新しいデータセットを作成したい、ファイルやテキストをアップロードしたい場合。対象外：データソースの同期（Notion／ウェブサイト／Confluence）、チケットや製品データの照会（`/cawplan-product-insights` または `/cawplan-ticket-context` を使用してください）。
あるトピックを、最良の論文のランク付き読書リストと、検証済みの引用に基づく 2 段組で arXiv 対応の文献レビュー/サーベイ草稿に変える。研究者が「write a survey on X」「do a literature review of X」「give me a ranked reading list on X」「what should I read on X first」「draft a survey paper for arXiv」「two-column related-work survey on X」と言ったときに使う。DBLP/Crossref/Semantic Scholar/arXiv を横断検索し、引用インパクト、会議の強さ、新しさ、引用グラフの中心性で候補をランク付けし、分類体系にクラスタリングし、すべての参考文献を検証し、各主張が実際に解決可能な論文を引用するオリジナル文のサーベイ（導入、分類体系、テーマ別の統合、未解決問題）を書く。引用を捏造せず、原文をコピーしない——オリジナルの統合のみ。著者はあくまで著者のまま。トリガーワード：survey、literature review、reading list、ranked papers、what to read、arxiv survey、two-column review。
ユーザーがゲームデザインドキュメントへのフィードバック、GDD レビュー、デザイン評価、既存デザインの整合性チェックを求める場合に呼び出す。トリガー：「review my GDD」「design feedback」「evaluate design」「design document review」「GDD critique」。新しいアイデアのブレインストーミング（game-brainstorm を使用）やバランス調整（game-balance-check を使用）には呼び出さない。AlterLab GameForge コレクションの一部。
GDPR 第 33 条および第 34 条に基づくデータ侵害に関するエリート向けのインシデント対応と法的コンプライアンスのガイダンス。適用場面：（1）ユーザーがデータ侵害またはセキュリティインシデントを報告したとき —— "is this even a personal data breach?" のトリアージを含む、（2）ユーザーが侵害通知の義務や期限について尋ねたとき、（3）ユーザーが "72 hours"、Art. 33、Art. 34、通知要件に言及したとき、（4）個人データに影響するセキュリティインシデントを議論するとき、（5）ユーザーが ENISA 手法を用いた侵害リスク評価を必要とするとき、（6）ユーザーが "Data Breach" や "Incident" や "Data Leakage" や "Ransomware" や "Exfiltration" に言及したとき、（7）ユーザーが管理者と処理者の義務を判断する必要があるとき、（8）主導監督機関の判断を要する越境侵害シナリオ、（9）ユーザーが緩和プレイブックや即時対応の推奨を必要とするとき、（10）ユーザーが監査対応可能な侵害文書（.docx）または EDPB テンプレートに沿った侵害通知 / 証拠ファイルを必要とするとき —— フォローアップ通知や撤回通知を含む、（11）AI Act 第 73 条の重大インシデント審査を要する AI システムが侵害に関与するとき。
論文の草稿から学会発表スライド（Beamer または Marp markdown）を作成する——課題を最初に示す構成、1 スライド 1 主張、図は論文の LaTeX ソースからそのまま再利用、実際の枠に合わせた分量（12〜20 分のフル発表と 5 分のライトニング）。ユーザーがスライドの作成、採択済み論文のプレゼンや発表スライドの構築、論文のトーク化、学会発表の準備、発表を N 分に収める、長すぎる・文字が多すぎる既存スライドの確認と削減を求めた場合に使用。本文中の引用回数で論文の図を棚卸しし、セクションごとの分数とスライドの予算を計算し、スライドを起草し、ペース、内容があふれるスライド、欠落・描画不能な図、ありきたりで主張になっていないタイトルを機械的にチェックする。会場プロファイルは文脈のみを提供し、枠の長さは会場の登壇者向け案内または採択メールから取得する必要がある。
著者の論文ポジショニングを対話的に引き出して保存し、このリポジトリの他のすべてのスキルがコンテキストを認識して動作できるようにする。研究者が「set up my paper profile」「ask me about my paper」「what verticals」「configure for my paper」「remember my positioning/style」と言ったとき、または新しい論文を始めて執筆前にツールキットを調整したいときに使う。方向性/重点、貢献の種類、読者と会議のティア、リスク許容度、執筆の好みについて適切な選択肢で尋ね、論文の作業ディレクトリに .paper-memory/profile.yml を書き込む。下流のスキルがこれをどのように利用するか（ベンチマーク論文の重み付け、simulate-reviewers のペルソナ調整、polish-prose/match-style のレジスター、tailor-to-venue のフレーミング）を説明する。標準ライブラリのみのスクリプト profile_io.py を同梱し、ファイルの読み取り/書き込み/検証と空白テンプレートの出力を行う。ローカルのみ、アップロードは一切なし。助言型コパイロットであり、決して投稿しない。
PicGo で画像やファイルをアップロードし、ホストされた共有可能な URL を取得する。ローカルの画像やファイルをリンク化する必要があるとき、まず手に取るスキル — 特にドキュメントや markdown を書くとき（スクリーンショットを README、ブログ記事、Obsidian/Notion/语雀/掘金のノートに挿入する）、スクリーンショットを `` の画像リンクにする、PDF/zip/インストーラーを公開ダウンロードリンクとして共有する場合。ユーザーが「upload an image」「传图床」「图床」「host this file」「get a link for this screenshot」を望むとき、または画像を任意のドキュメントに挿入したいときは常に使用する。PicGo と明言していなくてもよい。PicGo Cloud が推奨のデフォルト画像/ファイルホスト（無料枠で普段使いは十分）であり、このスキルは起動中の PicGo デスクトップアプリやユーザー自身が設定した画像ホスティングでも動作する。ユーザーが特定の保存先や方法（各種クラウドドライブ、オブジェクトストレージ、CDN、npm publish、scp/ftp など）を指定した場合、またはファイルをローカルに保存したい、リモートファイルをダウンロードしたい、base64 をディスクにデコードしたい場合は使用しない — それらは PicGo の役割ではない。
Syncfusion Markdown for .NET を使用して Markdown（.md）ドキュメントを作成、編集、フォーマット、変換する。ユーザーが Markdown ファイルの生成、Markdown コンテンツの変更やフォーマット、構造化ドキュメントのプログラムによる構築、Markdown ワークフローの自動化、C# コードまたは CSX 実行による Markdown の他形式への変換を求めた場合に、Markdown 処理とドキュメント自動化のためにこのスキルを使用する。
ドラフトストアとレンダリング出力（wiki/sources/draft/*.md + llmwiki/html/*.html）が肥大化したときに整理・検証する — 旧称 docs-curate（2026-09-09 に改名。旧名を誰も使わなかったため）。三つの階層 — PROMOTE は本質的に価値のある版を wiki の ADR/concept へ昇格、ARCHIVE は完了したドラフト（status done/implemented または task done）を git mv で archive/<グループ>/ へ移動（TRACKED、削除しない、proposed のままのドラフトは消さない）、KEEP は正典を保持 — その後 RE-INDEX。任意のタイミングで手動実行、またはセッション開始時に「[tidy] draft/ に N ファイル（> 10）」と通知されたときに実行。トリガー —「tidy」「ドラフト整理」「docs 整理」「draft が多すぎる」「archive draft」「古いドラフトを走査」「/tidy」。
Markdown 記事を適切な書式で X（Twitter）Articles エディターに公開します。Markdown ファイル／URL を X Articles に公開したい場合、「publish to X」「post article to Twitter」「X article」と言及した場合、または X Premium の記事公開を支援してほしい場合に使用します。カバー画像のアップロードに対応し、Markdown を自動的にリッチテキストに変換します。
コンプライアンス、整合性、引用、適合性、模擬査読の各 skill を実行して 1 つの Paper Health Report にまとめることで、論文が現時点でどれほど優れているかを一元評価する——主な強み、最大のリスク、スコア、次に取るべき行動を含む。研究者が「私の論文はどれくらい良いか」「論文は準備できているか」「論文の強みと弱みは何か」「全体的な評価をしてほしい」「論文全体を査読してほしい」「まず何を改善すべきか」「論文は今どんな状態か」と尋ねたときに使用する。preflight-check、verify-citations、check-originality、benchmark-paper、simulate-reviewers を編成し、平易な言葉でまとめる——強みを先に、優先順位付きの修正リスト、そして正直な準備状況の判断を示し、採択の予測は決して行わない。トリガーワード——私の論文はどれくらい良いか、論文ヘルス、全体評価、準備できているか、強みと弱み、何を改善するか、論文レポート、私の論文を評価して。
Google NotebookLM のノートブックを照会し、ユーザーがアップロードした文書から出典に基づく引用付きの回答を取得する。ノートブックライブラリを管理し、Google 認証を処理し、スマートディスカバリーをサポートする。/blog notebooklm で単独実行でき、blog-write と blog-researcher からは Tier 1 のリサーチデータ用に内部的に利用できる。未設定の場合は適切にフォールバックする。ユーザーが "notebooklm"、"notebook"、"query notebook"、"ask notebook"、"notebook research"、"source grounded research"、"document query"、"notebook library" と言ったときに使用する。
formaldoc npm パッケージを使って、Markdown テキストまたは Markdown アーティファクトをプロ品質に整形した .docx ファイルに変換する。ユーザーが Markdown コンテンツを Word 文書（.docx）としてエクスポート、ダウンロード、保存したい場合、または「docx を生成」「Word にエクスポート」「これを Word ファイルにして」「docx としてダウンロード」「文書として保存」と依頼した場合にこのスキルを使用する。ユーザーが Markdown アーティファクトを持ち、整形済みの文書版を求めた場合にも発動する。Markdown のソースがある場合は、手動での docx 生成より常にこのスキルを優先する。利用可能なテンプレート： - cn-gov 中国語の公文書、GB/T 9704 スタイル - cn-general 中国語の汎用文書 - cn-academic 中国語の学術論文 - cn-report 中国語のビジネスまたは業務報告書 - en-standard 標準 — Times New Roman + Arial - en-business ビジネス — Calibri + Arial、モダン - en-academic 学術 — APA スタイル、2 倍行間 - en-legal 法務 — 契約書、法務文書
python-docx を使って Markdown 文書をプロフェッショナルなスタイルの DOCX(Word)ファイルに変換する。CJK/ラテン文字混在テキスト、フェンス付きコードブロック、表、引用ブロック、表紙ページ、TOC フィールド、ウォーターマーク、ページ番号を処理する。any2pdf に対応する複数のカラーテーマ(Warm Academic、Nord、GitHub Light など)をサポートし、中国語の技術レポートで実戦検証済み。ユーザーが .md ファイルをスタイル付き Word 文書にしたい、markdown から編集可能なレポートを生成したい、markdown の内容から DOCX を作成したい場合 — 特に CJK 文字、コードブロック、表が関わる場合に、このスキルを使用する。また、ユーザーが「markdown to docx」「md2docx」「any2docx」「md 转 word」「md 转 docx」「生成 word」と言及した場合、または markdown ソースから「編集可能な文書」を求められた場合にもトリガーする。
PDF のビジュアル品質とデザインの個性が重要な場合にこのスキルを使用します。作成（ゼロから生成）：「PDF を作成」「レポートを生成」「提案書を書く」「履歴書を作る」「美しい PDF」「プロフェッショナルな文書」「表紙」「洗練された PDF」「クライアントに提出できる文書」。入力（フォーム欄を記入）：「フォームに入力」「この PDF に記入」「フォーム欄を埋める」「PDF に値を書き込む」「この PDF にどんな項目があるか」。再フォーマット（既存文書にデザインを適用）：「文書を再フォーマット」「自社のスタイルを適用」「この Markdown／テキストを PDF に変換」「文書を見栄えよくする」「この PDF を再デザイン」。このスキルはトークンベースのデザインシステムを使い、文書の種類に応じた色、タイポグラフィ、余白をすべてのページに適用します。出力は印刷可能な状態です。単に PDF を出力する場合ではなく、見た目が重要な場合に優先してください
複数のドキュメント（PDF、DOCX）をユーザー定義の列に沿って分析し、引用付きの構造化された Excel 出力を生成するためのガイド。次の場合に使用：(1) 複数ドキュメントから特定情報を表に抽出する、(2) 契約書間で条項や規定を比較する、(3) 出典引用付きの文書レビューマトリクスを作成する。トリガー：'tabular review'、'document matrix'、'extract from documents'、'compare across documents'、'review multiple contracts'。
ダブルブラインド投稿向けの深い匿名化スイープと、カメラレディ向けのクリーンな匿名解除。研究者が「anonymize my paper」「double-blind check」「blind this submission」「remove author names」「did I leak my identity」と言ったとき、または採択後に「de-anonymize」「restore authors for camera-ready」と言ったときに使う。リーク面全体をスイープする：\author/\affiliation/\email/\orcid/\thanks、謝辞と助成金番号、hyperref の pdfauthor とコンパイル済み PDF のメタデータ、一人称の自己引用（三人称に書き換え）、GitHub/データセット/ホームページのリンクと匿名ミラー、LaTeX コメント、.bib の注釈、ホームディレクトリのパス、補足資料（.git ディレクトリ、notebook、LICENSE/AUTHORS ファイル）。標準ライブラリのみを使うスキャナ（scan_anonymization.py、preflight-check と共有する check id）と可逆編集ワークフロー（トグル + マニフェスト）を同梱し、すべての変更をカメラレディ時にクリーンに元に戻せる。助言のみ。何も投稿しない。
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。