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「Hyprland configuration」「hyprland.lua」「hyprland.conf」「Hyprland Lua config」「hyprctl」「Hyprland keybinds」「Hyprland window rules」「Hyprland monitors」「Hyprland dispatchers」「Hyprland animations」「Hyprland workspaces」「Hyprland IPC」「Hyprland plugins」「hyprlock」「hypridle」「hyprpaper」「hyprcursor」「hyprpicker」「hyprsunset」「xdg-desktop-portal-hyprland」「Hyprland on NixOS」「Hyprland Home Manager」「Hyprland layouts」「Hyprland dwindle」「Hyprland master layout」「Hyprland FAQ」「Hyprland performance」「Hyprland Nvidia」「Hyprland screen sharing」「Hyprland special workspace」「Hyprland smart gaps」「Hyprland multi-monitor」「Hyprland tearing」について尋ねた場合、または Hyprland Wayland コンポジターとそのエコシステムツールの設定、トラブルシューティング、拡張に関する話題に使用します。
ISO のマネジメントシステムおよび試験所能力の標準について、準備状況の証拠を作成し、構造的にレビューする — ISO 13485 医療機器 QMS、ISO 14971 医療機器リスクマネジメント、ISO/IEC 17025 試験所および校正機関、ISO 15189 医療検査所。宣言範囲、管理文書、リスクマネジメントファイル、認定範囲、トレーサビリティ、CAPA、外部供給者の管理、範囲を限定したローカル証拠マニフェストを整理するとき、および ISO 認証と試験所認定、FDA QMSR 査察、CLIA 認証、MDSAP、EU MDR/IVDR の証拠の境界を区別するときに使う。法律の適用可能性、コンプライアンス、認証、認定の判断には使わない。条項本文は含まない。
beamerposter、tikzposter、baposter を使い、LaTeX で研究ポスターを作成します。ページサイズ（A0、A1、36x48 inch）、複数列のレイアウト、配色、図や QR コードの配置、印刷前の pdflatex／overfull-box チェックに対応します。要素数と語数を厳しく制限しながら、AI の模式図ツールでポスター用グラフィックを生成する方法も案内します。学会やシンポジウムのポスター作成、論文のポスター化、部局向けポスターテンプレートの作成、学会のサイズ規定への適合に使用します。コンパイル後のポスターのはみ出しや読みにくい文字の修正にも使えます。スライド作成には、プレゼンテーション用スキルを使用してください。
インピーダンス制御された PCB 相互接続のためのマイクロストリップ、ストリップライン、CPW、差動ペア、クロストーク解析。トリガー：ユーザーが伝送線路（マイクロストリップ、ストリップライン、CPW、コプレーナ、差動ペア）の設計や解析、RLGC または単位長あたりパラメーターの抽出、トレースインピーダンスの計算、PCB トレース断面の解析、クロストーク／結合解析を求めたとき。コードを書く前に呼び出す — RF Toolbox の解析関数（txlineMicrostrip、txlineStripline、txlineCPW）より優先。スキップ：既存コンポーネントの EM シミュレーション／S パラメーター抽出（matlab-analyze-em を使用）、材料／スタックアップの定義のみ（matlab-manage-pcb-material を使用）、カタログにないカスタム形状の構築（matlab-assemble-pcb-layout を使用）、最適化スイープ（matlab-optimize-pcb-design を使用）。
Yahoo ファンタジー野球のウェイバー対象について、FAAB（Free Agent Acquisition Budget）の推奨入札額と上限入札額を計算する。faab-bid-framework の野球特化の階層（positional_need_fit、role_certainty、urgency、season_pace、league-inflation calibration）を実装し、ゲーム理論の基本要素——第一価格シェーディングと勝者の呪いのヘアカット——は姉妹スキルである `auction-first-price-shading` と `auction-winners-curse-haircut` に委譲する。推奨入札額、ハード上限、完全な委譲チェーンを含む根拠、ガードレールフラグを生成する。ユーザーが「how much should I bid on X」と尋ねたとき、FAAB bid、waiver bid amount、blind bid、Yahoo waiver claim sizing に言及したとき、または mlb-waiver-analyst が特定済みの対象に対する入札額を必要とするときに使用する。
特定のファンタジー週（月曜〜日曜）について、2 回先発する予定のすべての先発投手を特定し、両方の予告先発を検証し、リーグの Quality Starts（QS）採点規則に照らして各対戦を評価し、streamability_score でリストをランク付けする。QS をほぼ生み出さないブルペンデーやオープナーリスクにフラグを立てる。ユーザーが「two-start pitchers」「weekly streaming」「Monday-Sunday pitcher plan」「double start」「2-start SP」に言及したとき、または日曜の夜に週次のストリーミング計画を準備するときに使用する。
MLflow で機械学習実験を追跡し、モデルのライフサイクルを管理します。mlflow.log_param、log_metric、log_artifact、scikit-learn、PyTorch Lightning、XGBoost、HuggingFace Transformers の自動ログ記録、バージョンとステージ遷移を備えた Model Registry、実行検索、ローカルまたはクラウドでのモデルサービングを扱います。学習実行のパラメーター・メトリクス・アーティファクトの記録、実験間の実行結果の比較、モデルバージョンの登録と Staging から Production への昇格、推論用の記録済みモデルのサービング、MLflow プロジェクトからの実験再現に使用します。ハイパーパラメーター探索ダッシュボードや一般的なデータバージョン管理には使用せず、専用ツールを使ってください。
'1000 Genomes Project データセット（全ゲノムシーケンス済みの 3,202 人、GRCh38）を、個々の参加者単位で検索します。1000 Genomes Project コホートの個人やバリアントに関する質問に使用します。特定の遺伝子や領域で条件に合うバリアントを持つ個人、ある位置でホモ接合参照型の個人、データセットに存在するバリアントや指定個人が遺伝子・領域内で保有するバリアント、指定された 2 人の血縁関係を調べられます。バリアントには 1000 Genomes のアレル頻度（AF）、gnomAD v4.1 のエクソームおよびゲノム AF、AlphaMissense スコア、HGVSp アノテーションが付与されます。
自由記述の科学ラベルをオントロジー用語 ID に対応付け、既存の CURIE を EBI Ontology Lookup Service（OLS4）で検証します。Bioregistry でのプレフィックス検索、Identifiers.org によるコンパクト識別子の解決、ZOOMA によるラボ内略称の対応付け、Ontobee 用語ページの作成にも対応します。組織、細胞型、疾患、表現型、アッセイ、化学物質、生物種、性別、発生段階のフィールドへのアノテーション、GEO、ENA、BioSamples、CELLxGENE、HCA、ISA-Tab への提出メタデータの準備、用語 ID を含むメタデータ表の監査、用語の廃止状況と置換先の確認、HPO と HP の選択など、オントロジー識別子の生成または確認が必要な場合に使用します。「ontology term」「ontology ID」「CURIE」「controlled vocabulary」「UBERON」「CL:」「MONDO」「HPO」「EFO」「ChEBI」「NCBITaxon」「GO term」「PATO」「Zooma」「Bioregistry」「Identifiers.org」「Ontobee」「この組織／細胞型／疾患にアノテーションを付ける」、および PREFIX:0001234 形式の識別子の出力・検証依頼などが手掛かりです。
Outlines（dottxt.ai）を使用し、LLMから必ず有効な構造化出力を生成します。有限状態機械でトークンサンプリングを制約し、JSONスキーマ、Pydanticモデル、正規表現、選択肢リスト、整数／浮動小数点型に対応。Transformers、llama.cpp、vLLM、および一部のOpenAIバックエンドで利用できます。有効なJSONとして常に解析できる出力や、正規表現に一致する出力が必要な場合に使用します。ローカルモデルから型付きデータを抽出してPydanticモデルに格納する場合に使用します。テキストを固定カテゴリに分類する場合に使用します。vLLMまたはTransformersでバッチ構造化生成を行う場合に使用します。文法レベルでトークンサンプリングを制御する場合に使用します。自動リトライが必要なAPIモデルには適しません（Instructorを使用）。
Hyperliquid 上の Pear Protocol のペア／バスケット取引 — ヘッドレスなエージェントウォレット認証（SIWE）、V3 ゲートウェイ REST + Orchard MCP サーバー：マーケット、ペア比率、ポジション、注文、取引執行。ユーザーがペアトレード（ある資産をロング／別の資産をショート）を行いたい、ペア比率・相関・ファンディングを確認したい、または Pear のポジションを管理したい（例：BTC ロング・ETH ショート、自分の Pear ポジションを確認、トレンドのペアを探す）ときに使用する。
マネージド型のサーバーレスベクトルデータベース Pinecone を、Python クライアントおよび LangChain、LlamaIndex との連携を通じて利用する方法を案内します。インデックスの作成、ベクトルの upsert とクエリ、メタデータフィルタリング、名前空間、密ベクトルと疎ベクトルのハイブリッド検索、インデックス管理、ベクトルの削除を扱います。ホスト型ベクトルストアで本番用 RAG システムを構築する場合、インフラを運用せずにセマンティック検索やレコメンデーションを追加する場合、名前空間でユーザー別・テナント別データを分離する場合、1 回のクエリで密ベクトルと疎ベクトルを組み合わせる場合、またはメタデータで結果を絞り込む場合に使用します。セルフホストまたはローカルのストア（Chroma、Weaviate）、オフライン類似検索（FAISS）には使用しないでください。
すべての Polymarket と Kalshi のマーケットを 1 つの軽量なエージェントネイティブ CLI で。ベニューをまたぐトピック検索と、他にはないスクリーニング... トリガーフレーズ:`what are the odds on`、`polymarket odds for`、`kalshi odds for`、`find prediction markets for`、`what's trending on polymarket`、`what's resolving this week`、`compare polymarket and kalshi on`、`use prediction-goat`、`run prediction-goat`。
すべての LemmeBuyIt 小売エンドポイントに加え、1 つの UPC を 70 社以上の小売業者で比較するローカルストア。トリガーフレーズ：`compare prices across retailers`、`find the cheapest retailer for this UPC`、`find retail deals over 30% off`、`is this product profitable to flip on Amazon`、`show this week's biggest price drops`、`use shopping`、`run shopping`。
タンパク質設計の品質管理指標とフィルタリングしきい値。次の場合にこのスキルを使用：(1) 結合、発現、構造の設計品質を評価する、(2) pLDDT、ipTM、PAE のフィルタリングしきい値を設定する、(3) 配列のリスク（システイン、脱アミド、多塩基性クラスター）を確認する、(4) 多段階のフィルタリングパイプラインを作成する、(5) PyRosetta の界面指標（dG、SC、dSASA）を計算する、(6) 生物物理学的特性（不安定性、GRAVY、pI）を確認する、(7) 複合スコアで設計をランキングする。このスキルは、バインダー設計コンペティションや公開ベンチマークに基づく研究裏付けのあるしきい値を提供します。
PyMCとArviZを使い、Pythonでベイズモデルの構築、適合、診断、比較を行います。階層（マルチレベル）モデル、NUTS MCMCサンプリング、変分推論（ADVI）、事前・事後予測チェック、収束診断（R-hat、ESS、発散）、LOO/WAICによるモデル比較を扱います。回帰、カウント、二値データ向けのPyMCモデルを記述する場合に使用します。部分プーリングを伴う階層モデルを適合する場合に使用します。発散、低いESS、高いR-hatを診断する場合に使用します。LOOで候補モデルを比較する場合に使用します。事前分布の選択や事前予測チェックに使用します。非ベイズ回帰には適しません。代わりにstatsmodelsまたはscikit-learnを使用してください。
PyTDCパッケージ（import tdc、Therapeutics Data Commons）を使って、tdc.metadataから治療関連のMLタスクを発見し、承認済みデータセットを計画・読み込み、タスクに応じた分割（random、scaffold、cold_split、combination、time）を適用し、評価指標を実行します。admet_groupなどのベンチマークグループを評価し、範囲を限定した分子オラクルスコアリングも行います。TDCタスクまたはデータセットの選択、ダウンロードなしの分割計画、TDC評価器による予測スコアリング、ベンチマークグループ評価、ダウンロード前のデータセットライセンスやキャッシュの影響確認に使用します。QEDなどのTDCオラクルで分子をスコアリングする場合に使用します。一般的なRDKitケモインフォマティクスや分子生成器の学習には適しません。
RELSA（RELative Severity Assessment）スコアとARIMAベースのfoRcast予測を用いて、実験動物研究の多変量重症度評価と人道的エンドポイント予測を行います。体重または体重減少、体温、臨床・巣作りスコア、バイオマーカー、活動量、心拍数、掘削、回し車運動などの福祉指標を統合し、動物ごと・日ごとの重症度スコアを算出します。人道的エンドポイントに達するリスクのある動物や到達時期の予測、カーネル密度推定による重症度尺度上の注意／危険ゾーンや閾値の定義、3Rs、苦痛軽減、動物福祉、EU Directive 2010/63/EUの重症度評価に関する報告に使用します。方向性（「turned」変数）、ベースライン正規化、参照セット、RELSAの重み、ARIMA予測区間、RMSE/PICP/MPIW評価を扱います。
OpenRouter経由でNano Banana 2を使用し、自然言語のプロンプトから出版物向けの科学図をラスターPNG画像として生成します。その後、Gemini 3.6 Flashで文書種別（ジャーナル、学会、学位論文、助成金申請、プレプリント、ポスターなど）に応じた基準で各画像を採点し、最大2回再生成します。バージョン付きPNGとreview_log.jsonを書き出します。ニューラルネットワーク構造、CONSORTまたはPRISMAフローチャート、生物学的シグナル伝達経路、システム図やブロック図、回路図の作成に使用します。論文、ポスター、助成金申請向けの図に品質スコアと批評の記録が必要な場合に使用します。ベクター、PDF、SVG、EPS出力やデータプロットには適しません。それらにはプロット用スキルを使用してください。プロンプトはマシン外に送信されるため、未発表データや患者データは避けてください。
Pythonのsentence-transformers（SBERT）ライブラリと、all-MiniLM-L6-v2、all-mpnet-base-v2、多言語版などの事前学習済みHugging Faceモデルを使い、文、テキスト、画像の埋め込みをローカルで生成します。エンコード、コサイン類似度、セマンティック検索、バッチエンコード、ファインチューニング、LangChain/LlamaIndexとの統合を扱います。RAG用の埋め込み構築、セマンティック検索や類似度スコアリング、テキストのクラスタリングや分類、APIを使わない多言語テキストの埋め込み、ドメインデータによる埋め込みモデルのファインチューニングに使用します。APIベースまたはマネージド型の埋め込みには、代わりにOpenAIまたはCohere Embedを使用してください。
SimPy 4.1.2を使って、Pythonで範囲を限定したプロセスベースの離散イベントシミュレーションを構築、テスト、分析します。Environment、Timeout、Process、AnyOf/AllOf条件、中断、Resource、PriorityResource、PreemptiveResource、Container、Store、時間加重モニタリング、反復に基づく出力分析に対応し、安全なCLIも同梱します。ジェネレータプロセスでキュー、生産ライン、物流、サービス運営をモデル化する場合、エンティティが共有リソースを競合する場合やプリエンプションが必要な場合、キュー長や利用率を適切に計測する場合、シードと信頼区間を用いて独立反復を実行する場合、イベント順序やrun(until=)の境界をデバッグする場合に使用します。連続時間ODEやエージェントベースのモデリングフレームワークには適しません。
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。