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 96,770 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
markdown の PR 説明またはコードレビュー(```diff のフェンス付きブロックと、重大度タグ付き GFM コールアウト [!BLOCKER]/[!MAJOR]/[!MINOR]/[!NIT] を含むもの)を、単一ファイルの 2 カラム HTML レビューに変換します。左側に unified diff、右側に重大度タグ付き注釈カードを配置し、上部のジャンプナビにすべての指摘を列挙し、フッターにはレビュー担当者名を必須で表示します。markdown-html-orchestrator が入力を REVIEW と分類した場合、または /cs-md-review から直接呼び出した場合に起動します。--reviewer が明示されていない場合(コードレビューには人間の名前が必要)、差分ブロックがない場合(md-document にルーティング)、重大度を色だけで示そうとした場合(WCAG 1.4.1 に従い、各バッジに色、アイコン、aria-label が必要)は処理を拒否します。オーケストレーターによるルーティング後に使用します。
ユーザーが NLP をサプライチェーンに適用したい、文書から情報を抽出したい、サプライヤーとのやり取りを分析したい、品目を分類したい、または非構造化テキストを処理したいときに使用する。ユーザーが "natural language processing"、"NLP"、"text mining"、"document extraction"、"supplier sentiment analysis"、"product classification from text"、"BERT"、"transformers for text"、"chatbots for supply chain" に言及したときにも使用する。一般的な機械学習については ml-supply-chain を参照。
pyzotero 1.13.0とZotero Web API v3を使用し、PythonからZoteroライブラリの読み書きを行います。アイテム、コレクション、タグ、添付ファイル、保存した検索、全文コンテンツ、BibTeX、CSL-JSON、参考文献リストのエクスポートに対応します。ローカルのZotero 7向けpyzotero CLIとMCPサーバーも扱います。ライブラリアイテムをプログラムから取得・検索するとき、文献・コレクション・タグを作成、更新、削除するとき、PDF添付ファイルをアップロードまたはファイルをダウンロードするとき、引用をBibTeXまたはCSL-JSONでエクスポートするとき、Zoteroの個人またはグループライブラリを使った研究自動化を構築するときに使用します。原稿内の引用書式設定や、外部データベースとの照合による参考文献の検証には使用しません。
Node.js プロジェクトで @turbodocx/html-to-docx をセットアップし、HTML を Microsoft Word(.docx)ドキュメントに変換する。ユーザーが HTML から DOCX ファイルを生成したい、アプリにドキュメント生成を追加したい、HTML テンプレートを Word ドキュメントに変換したい、TurboDocx html-to-docx をプロジェクトに統合したい場合にこのスキルを使用する。HTML-to-Word、HTML-to-DOCX、ドキュメント生成、HTML からのレポート生成への言及、または @turbodocx/html-to-docx パッケージを含むあらゆるリクエストでもトリガーする。
ヘルプページ、AI 生成のスクリーンショット、Remotion のプロダクトツアー、GSAP アニメーション、ナレーション原稿、TTS、BGM、README のビジュアル、デプロイ手順を備えた製品ドキュメントシステムを作成します。ユーザーが製品ドキュメント、ヘルプページ、ドキュメント動画、ナレーション付きツアー、スクリーンショット、README のメディア、Remotion のドキュメントワークフロー、webconsulting スタイルのドキュメント資産を求めたときに使用します。
チームが技術ガイドライン文書を作成または改善したいときにこのスキルを使用する——たとえば "create the tech steering doc"、"document our tech stack"、"write the technical guidelines"、"document our architecture decisions"、"set up the tech steering"、"update the tech doc"。docs/steering/TECH.md を、スタック、アーキテクチャパターン、制約、コマンド、ADR を記録する生きた文書として生成する。一度生成して改善するものであり、ゼロから再生成するものではない。
アカデミック研究の全パイプラインのオーケストレーター:リサーチ -> 執筆 -> インテグリティチェック -> レビュー -> 修正 -> 再レビュー -> 再修正 -> 最終インテグリティチェック -> 確定。deep-research、academic-paper、academic-paper-reviewer を、必須のインテグリティ検証、2 段階のピアレビュー、再現可能な品質ゲートを備えたシームレスな 10 段階ワークフローに統合する。トリガー:academic pipeline、research to paper、full paper workflow、paper pipeline、end-to-end paper、research-to-publication、complete paper workflow。
Google Gemini API を用いてマルチメディアコンテンツを処理・生成します。機能には、音声ファイルの解析(タイムスタンプ付き文字起こし、要約、音声理解、音楽・効果音の分析、最大 9.5 時間)、画像の理解(キャプション生成、物体検出、OCR、ビジュアル Q&A、セグメンテーション)、動画の処理(シーン検出、Q&A、時系列分析、YouTube URL、最大 6 時間)、ドキュメントからの抽出(PDF の表、フォーム、グラフ、図版、複数ページ)、画像の生成(テキストから画像、編集、合成、品質向上)があります。音声/動画ファイルの作業、画像の画像・スクリーンショットの解析、PDF ドキュメントの処理、メディアからの構造化データ抽出、テキストプロンプトからの画像生成、マルチモーダル AI 機能の実装.policy に使用します。複数のモデル(Gemini 2.5/2.0)をサポートし、コンテキストウィンドウは最大 2M トークンです。
ユーザーが "academic writing"、"scholarly writing"、"journal article"、"research paper writing"、"IMRAD structure"、"literature review writing"、"thesis writing"、"dissertation writing"、"peer review response"、"revision letter"、"hedging language"、"academic vocabulary"、"cohesion devices"、"argument structure"、"paragraph structure"、"topic sentences"、"signposting"、"academic tone"、"act as an academic writer"、"academic writer mode"、"scholarly tone"、"writing productivity"、"manuscript preparation"、"abstract writing"、"discussion section"、"methods section writing"、"APA style writing"、"Swales CARS model"、"reverse outline"、"writer's block"、"revision strategy" について尋ねた場合、または学術的な文章作成の技法、学術原稿の作成、出版戦略に関する専門知識が必要な場合に、このスキルを使用します。AlterLab FC Skills コレクション(研究方法・学術文章作成部門)の一部です。
エディトリアルでミニマルなスタイルの、編集可能なビジネス向け PPTX デッキを作成します。白い背景、Georgia のセリフ体タイトル、赤いアクセントバー 1 本、全高の写真セクション区切りを使用します。HTML スライドから、ネイティブテキストボックスを備えた実際に編集可能な .pptx を出力します。このすっきりとしたエディトリアルスタイルまたは「写真区切り」スタイルのビジネスレポート、ピッチデッキ、PPT、PPTX をユーザーが求めている場合、またはこのスキルに言及した場合に使用します。
B2B SaaS の営業とマーケティング向けに、プロ品質でデザインされたケーススタディ PDF を生成する。7 種類のページレイアウト、9 種類のスタイルプリセット、1〜4 ページの出力に対応。ユーザーが「create a case study」「write a customer story」「make a case study PDF」「design a success story」「turn this customer win into a PDF」と言ったときにトリガーする。
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。
