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。
その他
ユーザーがナップサック最適化問題を解きたい場合、制約下で品目を選択したい場合、限られた容量で価値を最大化したい場合に使用します。また、ユーザーが "0/1 knapsack"、"bounded knapsack"、"unbounded knapsack"、"multiple knapsack"、"multidimensional knapsack"、"value-based packing"、"capacity-constrained selection"、"resource allocation with limits" に言及した場合にも使用します。ビンパッキングについては 2d-bin-packing または 3d-bin-packing を参照してください。一般的な最適化については optimization-modeling を参照してください。
Meta の LlamaGuard（7B v1、8B v2、v3）を使い、LLM のプロンプトと応答を安全または危険に分類します。暴力とヘイト、性的コンテンツ、銃器と違法兵器、規制対象物質、自殺と自傷、犯罪計画の 6 カテゴリーに対応します。HuggingFace Transformers と vLLM による推論、FastAPI モデレーションエンドポイント、Sagemaker デプロイ、NeMo Guardrails との統合を扱います。LLM 呼び出し前のユーザープロンプトのフィルタリング、表示前のモデル出力のモデレーション、セルフホスト可能なモデレーション API の提供、vLLM や量子化によるモデレーションモデルのレイテンシと GPU メモリ使用量の削減に使用します。誤検知を減らすためのしきい値調整にも使用できます。より簡単なホスト型の選択肢には OpenAI Moderation API を使用してください。
Mamba 選択的状態空間モデル（state-spaces/mamba パッケージ。Mamba-1 は d_state=16、Mamba-2 はマルチヘッド構造で d_state=128）を使った線形時間のシーケンスモデリングを説明します。インストール、Mamba ブロック、MambaLMHeadModel による言語モデルの構築、HuggingFace からの事前学習済み state-spaces チェックポイント（130M～2.8B）の読み込み、Transformers とのベンチマークを扱います。Mamba モデルの実装や読み込み、KV キャッシュなしでの超長系列処理、ストリーミングアプリケーションの構築、Mamba-1 と Mamba-2 の選択、インストールや CUDA メモリの問題解決に使用します。Linux と NVIDIA GPU が必要です。標準的な Transformer モデル、RWKV、RetNet、Hyena アーキテクチャには使用しないでください。
MATLAB R2026a と GNU Octave の数値計算コードを設計、レビュー、移行します。arguments ブロック付き関数、配列とインデックス、テーブルとタイムテーブル、matlab.unittest テスト、MATLAB Projects、exportgraphics の図、MAT ファイルの一覧、MATLAB と Python の相互運用を扱います。.m ファイルをスキャンし、argv コマンドを計画し、成果物のハッシュを計算する静的ヘルパースクリプトを含み、コードは実行しません。.m コードの作成やレビュー、MATLAB リリース間または Octave へのコード移行、再現可能なテストやプロジェクトの設定、信頼できない MAT または .mlx ファイルの安全な検査、Python Engine の互換性確認に使用します。NumPy や SciPy を用いた純粋な Python 数値計算には使用しないでください。
提案された MLB ファンタジートレードの全影響を、10 の H2H カテゴリすべて（R/HR/RBI/SB/OBP、K/ERA/WHIP/QS/SV）、シーズン残りのドル価値、ポジションの柔軟性、スロット価値のオプション性、逆選択の事前分布、第 21〜23 週のプレーオフ影響にわたって計算する。符号付きの判定（accept / counter / reject）を根拠とともに生成し、該当する場合は具体的なカウンターを提示する。ユーザーが "trade evaluation"、"trade value"、"should I accept"、"trade delta"、"counter offer" に言及したとき、または Yahoo のトレード提案を貼り付けたときに使用する。中間帯では COUNTER を既定とし、純粋な REJECT は明らかに搾取的な提案にのみ用いる。
Karpathy による最小構成の PyTorch GPT 実装 nanoGPT（model.py、train.py）を提供します。CPU での文字レベル Shakespeare のトレーニング、マルチ GPU の torchrun による OpenWebText 上での GPT-2 124M の再現、事前学習済み GPT-2 チェックポイントのファインチューニング、独自テキストでのトレーニングのワークフローを含みます。GPT と Transformer ブロックの仕組みを一から学ぶ場合、CPU または単一 GPU で小規模なトレーニング実験を行う場合、通常の PyTorch で Transformer の派生モデルを変更する場合、文字レベルまたは BPE のバイナリデータセットを準備する場合、nanoGPT のメモリ不足や学習速度の問題を解決する場合に使用します。本番環境や大規模分散トレーニングには適しません。代わりに HuggingFace Transformers または Megatron-LM を使用してください。
NCATS Translator ARAX 本番 API をクエリし、範囲が限定され、型付きで、来歴に富む 1 ホップおよびエンドポイント固定の 2 ホップの生物医学知識グラフ関係を取得する。Biolink 制約下の RTX-KG2 検索、明示的に選択したプロバイダによる ARAX フェデレーション、独立したエンティティ正規化、クualiファイ Questionnaire を考慮したグラフ探索、TRAPI エッジバインディング、文献、知識ソースの来歴の inspections に使う。推論、ランキング、オープンエンドな経路探索、臨床ガイダンス、センシティブなクエリには使わない
PLOS 誌（PLOS ONE、PLOS Biology、PLOS Computational Biology、PLOS Genetics、PLOS Medicine、PLOS Pathogens、PLOS Neglected Tropical Diseases、PLOS Global Public Health など）向けの原稿を準備します。構成、抄録と著者サマリー、Vancouver 形式の参考文献、必須のデータ利用可能性ポリシー、倫理および財務開示声明、図の要件（PACE）、PLOS LaTeX テンプレート、報告ガイドライン、PLOS ONE の掲載基準を扱います。PLOS 誌への投稿や、PLOS のポリシーへの準拠確認に使用します。
RWKV（Receptance Weighted Key Value）アーキテクチャを解説します。O(n) の推論が可能で KV キャッシュを使わない RNN/Transformer ハイブリッドであり、RWKV-7、並列 GPT モードのトレーニングと逐次 RNN モードの推論、状態の受け渡し、DeepSpeed によるファインチューニング、CUDA カーネルのセットアップを扱います。一定のメモリ使用量でトークンごとにテキストを生成する場合、100K+ トークンの非常に長いコンテキストを処理する場合、RWKV モデルをファインチューニングする場合、RWKV と Transformers のメモリ使用量や速度を比較する場合、または RWKV の状態処理、読み込み、メモリ不足エラーをデバッグする場合に使用します。メモリより最高精度を重視する場合は標準的な Transformer を、状態空間モデルには Mamba を優先してください。
自動車製造オペレーション向けの SAP ECC エキスパート。資材管理 (MM)、生産計画 (PP)、販売・流通 (SD)、品質管理 (QM)、プラント保全 (PM)、財務/管理会計 (FI/CO) を扱う。ユーザーが 'SAP'、'ECC'、'transaction code'、't-code'、'MRP'、'purchase order'、'production order'、'goods receipt'、'goods issue'、'material master'、'BOM'、'routing'、'work center' と言った場合、または SAP プロセスの支援が必要な場合に使用。AutomotiveManufacturing および SupplyChain スキルと連携する。
scikit-survival（sksurv）を使った右打ち切り生存分析のワークフローを構築、評価、監査します。Cox PH、Coxnet、IPC ridge、生存木、ランダムフォレスト、ブースティング、SVM、および競合リスクのノンパラメトリック累積発生率を扱います。データリークを防ぐ scikit-learn パイプライン、ネスト化 CV、打ち切りを考慮した指標も対象です。イベント発生までの時間データへの生存モデルの適合、構造化アウトカム配列の作成、IPCW concordance、dynamic AUC、Brier スコアの計算、原因別累積発生率の推定、またはデータリークのないモデル調整に使用します。scikit-survival は Fine-Gray 回帰を提供していないため、その用途には使えません。
トレーダー Serenity（@aleabitoreddit）の AI／半導体サプライチェーン分析の視点を、米国株のアイデアや市場判断に適用します。株式の判断（買い／売り／保有／規模）の評価、AI、半導体、光学／CPO、メモリ、電力／電力網、新興クラウド関連企業の見通し、Serenity の対象銘柄（NBIS、AXTI、LITE、SIVE、COHR、AAOI、IREN、CRWV、MU、SNDK、NVDA、TSM、MRVL、AVGO、INTC、SOI、IQE、TSEM、CIFR、XLU、VST、CEG、EWY など）への言及、「Serenity ならどう考えるか」「これは本当のボトルネックか」という質問、または投資仮説のサプライチェーン／ボトルネック分析を求める場合に使用します。意思決定の支援のみを行い、自動売買や注文の発注・取消は行いません。
紛争の解決、対立の解消、口論の調停、合意の交渉、討論の実施、意見の相違の仲裁を、あらゆる当事者間——人間、AI エージェント、チーム、ルームメイト、共同創業者、同僚、組織——で行う。ユーザーが誰か、あるいは何かに対して不満、苦情、議論、意見の相違を抱いている場合にこのスキルを使用する。相手があなた（AI エージェント）自身、別の人物、企業、同僚、ルームメイト、パートナー、別の AI であっても含む。また、ユーザーがある話題について討論したい、ある立場を支持または反対したい、模擬裁判を行いたい、悪魔の代弁者を演じたい、構造化された議論をしたい、反対側をロールプレイしたい場合にも使用する。さらに、当事者間で共通のルール、契約、家庭内の取り決め、チームの規範、コミュニティガイドライン、その他拘束力のある・なしを問わず合意を形成する必要がある場合にも使用する。対象：紛争解決、争議解決、仲裁、調停、交渉、訴訟の代替手段、公平な分配、拘束力のある裁定、関係性の対立、職場の紛争、協働による合意形成、構造化討論、模擬裁判、悪魔の代弁者の演習、対立型の議論。
既存の Enhanced `MessagingChannel`（WhatsApp、Text/SMS、LINE、Apple、Facebook、EmbeddedMessaging のいずれか）の `{CHANNEL_ID}` を指定して設定を構成します。対象は、同意（ConsentType と言語別キーワードレコード）、自動応答、メッセージキーワード、セッション非アクティブ時のタイムアウト、チャット前パラメーターの 5 項目です。有効化準備チェックには、同意と対応する言語キーワードレコードが必要です。既存チャネルの設定（オプトアウトキーワード、同意タイプ、ダブルオプトイン確認、初回・ヘルプ自動応答、OptIn/OptOut キーワード、セッション非アクティブ時のタイムアウト）を設定・変更する場合に使用します。通常は挿入・ルーティングから有効化までの間、または稼働中のチャネルが対象です。新規チャネルの作成（`service-de-channel-create`）、メタデータ XML からの MIAW/EmbeddedMessaging チャネルのデプロイ（`service-digital-engagement-channel-configure`）、ルーティング設定（`service-de-channel-routing-configure`）、チャネルの有効化（`service-de-channel-activate`）には使用しません。
llncs クラスまたは Springer Nature の sn-jnl テンプレートを使って、Springer Lecture Notes in Computer Science（LNCS）および関連する論文集シリーズ（LNAI、LNBI、CCIS）、Springer Nature のジャーナル向けに論文を整形します。ページ数制限、要旨とキーワード、splncs04 の参考文献、ORCID、ランニングヘッド、カメラレディ資料一式、出版同意書を扱います。LNCS 掲載の会議（ECCV、MICCAI、ESWC、多数のワークショップなど）への投稿、LNCS のカメラレディ原稿の準備、または Springer Nature のジャーナルへの投稿に使用します。
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。