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。
ドキュメント
目標会議の最近の受賞論文や被引用数の多い論文の測定可能なパターンに対して草稿を採点し、共有可能な会議適合度スコアカードを生成する。研究者が「私の論文を採点して」「私の論文は SIGSPATIAL/NeurIPS/... のベスト論文と比べてどうか」「私の論文はこの会議に十分か」「草稿を受賞論文とベンチマークして」「私の論文を 10 点満点で評価して」と尋ねたとき、または投稿前に準備度スコアカードを求めたときに使用。study-exemplars で模範コーパスを構築し、草稿から比較可能な構造的・修辞的な特徴を抽出し、次元ごとのスコアカードと全体的な会議適合度指数を報告する——これは明示的に適合性の尺度であり（草稿がこの会議の優れた研究の形式に合致するか）、採択・受賞・科学的品質の予測では決してない。トリガーワード — score my paper、rate my paper、benchmark、scorecard、compare to best papers、award winners、venue fit、am I ready to submit。
採録済み論文のための段階的な camera-ready 準備——出版前の最もミスが起きやすい最終段階。研究者が「camera-ready」「最終版」「論文が採録されたが次は何をすればよいか」と言ったとき、または ACM eRights / 権利フォーム / TAPS / ORCID / DOI block、IEEE PDF eXpress / conference ID / eCF 著作権フォーム / Xplore、OpenReview の最終アップロード、匿名解除、追加の camera-ready ページに言及したときに使用する。機械可読なプロファイルから会議のレールを特定し、ACM eRights、ORCID、権利/DOI block、TAPS ソースのアップロード、IEEE PDF eXpress、conference ID、ファイル命名、eCF のタイトル完全一致、登録/無断欠席、NeurIPS 形式の [final] 再コンパイル、OpenReview へのアップロードまでをエンドツーエンドでたどる。締め切りと +page ルールを含む順序付きチェックリストを生成し、同梱の標準ライブラリのみを使うスクリプトで最終 .tex に残った匿名化情報と欠落した権利 block を検査する。あくまで助言——準備、説明、検査は行うが、フォームの入力や提出は決して行わない。
AI コーディングエージェント向けのエンタープライズグレードの自律的な研究論文生成スキル —— 完全な論文、文献レビュー、学位論文、ホワイトペーパー、サーベイ、政策ブリーフ —— 厳密な方法論、統計的検証、複数スタイルの引用（Harvard / APA / IEEE / MLA / Chicago / Nature / arXiv-numeric）、豊富な可視化を備える。スラッシュコマンド（`/research`、`/paper`、`/literature-review`、`/whitepaper`、`/thesis`、`/survey`、`/policy`）および自然言語の学術執筆リクエストで起動する。ランタイム非依存 —— `npx skills` インストーラーを通じて Claude Code、OpenCode、Cursor、Cline、Codex、Aider、Amp、Antigravity および 50 以上のエージェントで動作する。
Overleaf プロジェクトをローカルの skills に橋渡しし、Overleaf 上にある論文をチェック、推敲、レビューしてから同期し戻せるようにする。研究者が「論文は Overleaf にある」「Overleaf プロジェクトを同期して」「Overleaf から論文を取得して」「Overleaf の論文で preflight を実行して」「Overleaf プロジェクトをローカルで編集して」「変更を Overleaf にプッシュし戻して」と言ったときに使用する。3 つの実際の経路——Overleaf の Git 連携（ローカルリポジトリとしてクローン）、GitHub 同期、無料アカウント向けの ZIP ダウンロード——をたどり、.tex を他の skills が操作するローカルの作業コピーに取り込み、変更を同期し戻す手順を案内する。Overleaf のアクセストークンは秘密情報として扱い、確認なしに自動プッシュは行わず、プレミアムの利用可否や手順が変わるため現在の Overleaf の方式をその都度再確認する。トリガーワード - overleaf、my paper is on overleaf、sync overleaf、pull from overleaf、push to overleaf、edit overleaf locally。
学術論文やドキュメントの図を計画する — セクションを図の種類、枚数、優先度、アスペクト比にマッピングする。ユーザーが論文のテキスト、PDF、アウトライン、セクションの下書きを提供したとき、または自身の論文にどの図が必要かを尋ねたときにこの skill を使用する。「论文需要哪些图」「论文配图规划」「paper figure planning」「which figures should my paper have」「帮我规划配图」などを含む。must/strong/nice の優先度と図ごとの視覚要素を備えた Figure Plan を生成する。
洗練された自己完結型の HTML スライドプレゼンテーションを作成する — PowerPoint や Keynote は不要。ブラウザで表示するプレゼンテーション、スライドデッキ、スライド、ワンペーパーをユーザーが求めた場合は常にこのスキルを使用する。ユーザーが「make it a deck」「turn this into slides」「build a presentation from this content」「I need something to present」などのように言う場合にもトリガーする。ユーザーが .pptx ファイルを明示的に求めていない場合は PPTX よりこちらを優先する — HTML デッキはより柔軟で、視覚的に豊かで、反復しやすい。プレゼンテーションの依頼と併せてブランドスタイルガイド（PDF、URL、または説明）が提供された場合は常にこのスキルを使用する。ユーザーが「make me a deck」とだけ言って詳細がない場合でもトリガーし、まず内容について質問する。
企業のプレゼン基準に従うプロフェッショナルな昇進/レビュー文書デザイナー。16:9 レイアウト、戦略的な配色（メインブランドのオレンジ #fc5a1f、セカンダリのブルー #3669cd）、洗練された余白設計を備えたクリーンでミニマルな PPT/PDF 文書を作成する。ユーザーが "create promotion doc"、"design review presentation"、"make professional PPT"、"晋升文档设计"、"述职报告" を求めたり、視覚的階層とデータ可視化を備えた企業標準のプレゼン資料を必要とするときに使用。
ソースファイルを統合された wiki ページに処理する。ユーザーが /wiki-ingest、'import these files'、'process my clippings'、'ingest this article'、'I have new articles to add'、'turn this PDF into a wiki page'、'what's in my raw/ folder'、'what have I ingested' と言ったときは常にこのスキルを使用する。処理のためにファイルをどこかに置くと言った場合、任意のドキュメント、記事、PDF を wiki ページにしたい場合、raw/ または ingested/ のファイルについて尋ねた場合にも使用する（'ingest' と言わなくても）。raw/ をフラットなキューとして扱い、すべてのファイルをスキャンし、知識を wiki ページに統合し、各ソースを原子的なコミットとして ingested/ へ移動する。ソース素材の処理が要求されているか判断に迷う場合は、このスキルを使用する。ファイルシステムの読み取り／書き込み／移動アクセスが必要。
Markdown、README ファイル、GitHub、GitLab、wiki、ドキュメントサイト内でレンダリングされる Mermaid 図を作成または修正する。ユーザーが明示的に Mermaid を要求した場合、または Markdown ネイティブのフローチャート、シーケンス図、状態遷移図、クラス図、ER 図、ジャーニー、ガントチャート、マインドマップ、タイムライン、軽量なアーキテクチャ図を必要とする場合に使用する。厳密な UML/C4 成果物には PlantUML を優先し、編集可能なホスト型出力が求められる場合にのみ ProcessOn を使用する。
ユーザーが明示的に「NSFC 技術ロードマップの生成／技術ロードマップの作図／roadmap／flowchart」を求めた場合、または申請書の研究内容を「印刷可能で A4 で読める」技術ロードマップに変換する必要がある場合に使用します。既定では編集可能なソースファイル（`.drawio`）とドキュメントに埋め込めるレンダリング結果（`.svg`/`.png`/`.pdf`）を出力します。ユーザーが Nano Banana 画像モデルに言及した場合は PNG-only モードに切り替え可能で、Gemini と OpenAI `gpt-image-2` に対応します。非該当：既存の画像の形式やサイズだけを変更したい場合（画像処理スキルを使用すべき）、技術ロードマップの文章表現だけを整えたい場合（本文を直接書き換えるべき）。
完全な PaperOrchestra（Song et al., 2026, arXiv:2604.05018）の 5 エージェントパイプラインを統制し、非構造化の研究資料（アイデア、実験ログ、LaTeX テンプレート、会議のガイドライン、任意の図）を投稿可能な LaTeX 原稿とコンパイル済み PDF に変換する。ユーザーが「自分の実験から論文を書いて」「このアイデアとこれらの結果を論文にして」「会議投稿を生成して」「X に対して paper-orchestra を実行して」と求める場合、またはエンドツーエンドの論文執筆パイプラインを望む場合に起動する。outline-agent、plotting-agent、literature-review-agent、section-writing-agent、content-refinement-agent の各スキルを連携させる。
PPTX-from-layouts パイプラインのステップ 2。各スライドが実際のテンプレートレイアウトを対象とするように [HINT: layout_name] システムを使って markdown でスライドデッキを書き、レンダリング前に lint する。ユーザーが "draft slides"、"write a deck outline"、"author presentation markdown"、"add layout hints" を望む場合、またはステップ 1 のレイアウトカタログがあり内容をスライドに変換する必要がある場合に使用する。pptx-profile（ステップ 1）および pptx-from-layouts（ステップ 3）と組み合わせる。
Syncfusion Spreadsheet コンポーネントを使用して Excel ライクな UI を必要とする JavaScript アプリにこのスキルを使用する。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、検証、フィルタリング、条件付き書式の使用でトリガーされる。ユーザーがスプレッドシートファイル（"open xlsx"、"load Excel file"、"add Syncfusion spreadsheet"、"bind data to spreadsheet"）に言及した場合もトリガーされる。UI コンポーネントを伴わない独立したファイル処理ではトリガーしない。
中英バイリンガルの研究業務向けの学術論文執筆、論文分析、研究側ワークフローのキット。Codex が起草、翻訳、推敲、短縮、加筆、人間らしくする、論理チェック、長い英文の解説、論文の閲覧や分析、査読者スタイルのレポート作成、コードや論文からのモデル改善案の提示、論文図や UML のプロンプト生成、ノート、LaTeX、Markdown、PDF、コード、完全な原稿からのエビデンスに基づく研究クエリの処理を必要とする場合に使用する。ユーザーが汎用のプロンプトテンプレートだけでなく直接的な学術成果を求める場合に特に有用。
科学文書の引用と参考文献を検証し、ハルシネーションによる出典や無効な出典を検出する。Markdown、LaTeX、org-mode、プレーンテキストから DOI、URL、arXiv ID、PubMed ID、ISBN を抽出し、API ルックアップとウェブ取得で検証する。このスキルは次の場合に使用する：- AI 生成コンテンツの引用の正確性をレビューする - 論文、レポート、ドキュメントの参考文献を検証する - DOI/URL が実在する論文に解決されるか確認する - 文書内の壊れた引用や偽の引用を監査する
calamine ライブラリを使用して .xls、.xlsx、.xlsm などの複数の Excel 形式を扱い、コンテンツの抽出と書き込みを行うスキル。ユーザーが Excel ファイルの解析、表データの抽出、Excel のテキスト形式への変換、Excel コンテンツの分析、Excel ファイルの一括処理、新しい Excel ファイルの作成、既存の Excel ファイルの更新を必要とする場合には必ずこのスキルを使用する。データ抽出、レポート分析、コンテンツ審査、データエクスポートなどの場面に適する。
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。