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。
生産性
逸尘が個人利用する統合音声・動画文字起こしの入口であり、StepFun Step ASR と火山エンジン Doubao ASR の間を、出力要件、セキュリティ境界、可用状態に応じてルーティングする。ローカルの音声または動画のプレーンテキスト文字起こし、タイムスタンプ、SRT 字幕、話し言葉のラフカット、文字起こし前のヘルスチェックに使用する。ユーザーがサービス提供元を明示した場合は無言で切り替えてはならない。ローカルの音声または動画ファイルの文字起こしが必要で、適切な ASR バックエンドが不明な場合、またはユーザーが $yichen-asr を明示的に呼び出した場合に使用する。
ユーザーがそのターンで明示的に許可した後に、その Xiaohongshu の收藏、Douyin の收藏、または X/Twitter のブックマークをローカルのリンクファイルとして読み取り専用でエクスポートする。本 Skill は收藏ページのスクロール、リンク抽出、重複排除、件数の検証、Field Theory GraphQL-only のエクスポート、サンプル検証を直接行う。「收藏やブックマークのリンクをエクスポート/バックアップ/同期する」といった私的データのエクスポート作業に使用する。公開検索、收藏コンテンツの分析、メディアのダウンロード、本文のアーカイブ、レコメンドの発見、そのターンで許可されていない私的データの読み取りには使用してはならない。
`zotagent` コマンドラインで Zotero の文献を検索、取得、閲覧、追加、編集する。ユーザーが Zotero ライブラリの照会（キーワード / セマンティック / メタデータ）、インデックス済み論文からの引用やコンテキストの取り出し、DOI、ウェブページ URL、ISBN / PMID / arXiv 識別子、Semantic Scholar paperId、JSON、手動メタデータによるアイテムの追加、既存アイテムの変更（フィールドの修正、タグの追加・削除、コレクションへの格納、ノートの添付、アイテムのゴミ箱への移動）、最近の Zotero アイテムの確認、インデックス済み添付ファイルの診断を行いたいときにこのスキルを読み込む。間接的な依頼でも使用すること — 参考文献、引用、文献目録の確認、PDF の一節、文献探索への言及があれば。zotagent のフラグを推測しないこと — まずこのリファレンスを参照する。
博士課程や研究の志願パッケージ全体を、申告されたテーマとの適合、一貫性、欠けている証拠、ナラティブの整合性、プログラムとの適合、推薦者のリスク、締め切りの優先順位の観点から審査する。ユーザーが、志願書類全体が準備できているか、締め切り前に修正の優先順位をどう付けるか、CV/SOP/研究ステートメント/教員との適合/推薦者がそろっているか、SOP と推薦状がプログラムの申告するテーマ、専攻、トラックに実際に応えているか、入試委員会が資料全体で気づく可能性のある弱点は何かを尋ねたときはいつでもこのスキルを使う。どの審査でも、学術面や教員との適合に関する所見より先に、申告テーマのスクリーニングを最初に実行し、対象が会話からすでに判明していない場合は公式プログラムページをウェブで検索する。
申請者の研究関心をプログラム、トラック、教員、ラボ、学科にマッピングし、目標別の資料を書く前に、そのプロフィールがプログラムの公表するテーマ、専門分野、応募フォーカスに実際に合致するかを確認する。PhD、研究修士、Erasmus Mundus などのジョイント／コンソーシアム型プログラムを対象とする。どの教員やプログラムが自分の関心に合うか、目標をどう絞り込むか、教員との適合性をどう比較するか、「私のプロフィールはこのプログラムのフォーカスに合うか」、「私のバックグラウンドはこの専門分野／トラック／テーマに関連するか」、「そもそもこの一つに出願すべきか」、関心を検索可能な研究テーマに変える方法、SOP 用の目標別適合メモの準備方法、または「このプログラムは私のキャリア目標に合うか」（プログラムが育てようとする修了生に対する目標適合フラグで、目標を決して除外しない）をユーザーが尋ねるときはいつでも使用する。
BGPT MCP を使って科学論文を検索し、手法、結果、サンプルサイズ、利益相反、限界、再現性スコア、反証可能性基準を含む構造化された実験データを取得する方法。ユーザーが科学的根拠を探したい、文献を検索したい、研究の質を評価したい、再現性を確認したい、研究の限界や利益相反を明らかにしたい、生の実験データを取得したい、エビデンスに基づく AI ワークフローを構築したい場合に本スキルを使用する。ユーザーが PubMed、arXiv、biorxiv、medrxiv、システマティックレビュー、根拠に基づく医療、GRADE、批判的吟味に言及した場合にも発火する。
あらゆる大規模データソース（音声ライブラリ、メールのエクスポート、ドキュメントコーパス、チャットのエクスポート、API ダンプ）を大規模に brain ページへ変換するためのエンドツーエンドの規律。ライフサイクルの流れ：SCHEMA → ACCESS → TRIAL → EVALUATE → IMPROVE → CODIFY → TEST → SKILLIFY → BULK → MONITOR。状態は永続的な JSON マニフェスト（MANIFEST-PATTERN.md 参照）で追跡されるため、クラッシュ、セッション境界、サブエージェントへの分散が発生しても、記憶ではなく実際の状態から再開できます。
権限を前提とせず、人を監視することもなく、説明責任を伴う経営意思決定、情報のトリアージ、ブリーフィング、カレンダーの選択、組織のセンシング、組織の記憶を準備する。チーフオブスタッフまたは CoS、経営幹部オフィス、ゲートキーピング、意思決定メモ、経営ブリーフィング、取締役会資料、組織のセンシング、チームの健全性、組織の記憶、カレンダーのトリアージ、会議監査、戦略的時間、注意配分が求められたときに使用する。無関係なリクエストにはこのスキルを使用しないこと。最も近い専門家にルーティングする。
ソフトウェアのアイデアに対して体系的なオープンソース先行技術調査を行うときに使用する — キーワードマップ（型付き検索語彙）を導出するか、コードホスト、パッケージレジストリ、キュレーションされたカタログ、コード検索、代替ディレクトリ、コミュニティチャネルにわたるリポジトリ発見の 1 つの検索アングルを実行する。スキーマ検証済みの成果物を生成する: キーワードマップファイル、または再現可能なカバレッジ記録と候補リポジトリを含むアングル別検索出力ファイル — あるいは 1 つの候補を EXTRACTION（10 セクションの分析 + 機械可読な verdict/score/license/deps ブロック）へと深く読み込む。キーワード: 先行技術、オープンソース検索、リポジトリ発見、キーワードマップ、コード抽出、競合代替。調査の SEARCH ウェーブ（キーワードマップの導出 + アングル実行）、EXTRACT ウェーブ、SYNTHESIS ウェーブ（抽出結果をレポート + borrow-index に集約）をカバーする。
学術論文からアトミックセンテンスを抽出する。引用された各論文を特定し、各引用を一つの論理的主張に圧縮し、サブトピックごとにグループ化して、各グループを要約する。ユーザーが学術テキストを貼り付けたり PDF をアップロードして、引用論文が実際に主張した内容を抽出したい、文献をマッピングしたい、引用マップを構築したい、論文から主要な論点を抽出したい、引用をアトミック化したい、あるいは「各論文は何を述べているか」「主要な主張を抽出して」「この論文のアトミックな分解を示して」「参考文献とその論点をすべて抜き出して」「引用をトピック別に要約して」「[Author Year] について詳しく説明して」といった依頼をするときはいつでもこの Skill を使用する。ユーザーが文献レビューを準備しているとき、Obsidian/Zotero/Notion で作業していて構造化された引用ブロックを必要としているとき、または PDF をアップロードして引用された主張の抽出を求めたときにも起動する。密な学術テキストを扱い、引用されたすべての出典が実際に何を論じたのかを見る必要があるときは常に、この Skill が不可欠である。
ビジネスケイパビリティ、バリューストリーム、アプリケーション、情報、テクノロジー、オペレーティングモデル、移行の選択肢をつなぎ、エンタープライズアーキテクチャを設計・進化させる。エンタープライズのポートフォリオをマッピングする、現状と目標状態を比較する、移行アーキテクチャの順序を決める、連邦型のアーキテクチャ意思決定権とステークホルダーコミュニケーションを定義する場合に使用する。システムやソリューションの設計、API やデータプラットフォームの設計、組織や人材の設計、製品ロードマップ、技術導入、全社戦略には使用しない。それらは名前付きの専門スキルへ回す。
博士 / 研究プログラムの申請パッケージをエンドツーエンドで統括する——申請者の資料の読み込みから、CV、プログラムと指導教員との適合性、SOP、推薦者戦略、教授へのアプローチ、最終パッケージの監査、そして候補者リスト到着後の面接準備まで。申請の一部ではなく全体を進めたい場合に使用する: "help me with my PhD applications"、"where do I start with my application"、"manage my application process"、"I'm applying to PhD programs, what's the plan"、"get my materials ready"、または CV / 成績証明書 / メモのフォルダを渡して提出までの道筋を尋ねる場合。これは既存の単体スキルをステージゲートで順序づける ROUTER であり、SOP、CV、メール自体は作成しない。単一の部分については、そのスキルを直接呼び出す（例: apply-sop-writer、apply-cv-builder）。研究論文を進める場合は flow-paper-lifecycle を使用する。
検索、リサーチ、メディア作成のために grok build CLI（`grok` を実行）を操作します。引用付きの Grok/X ウェブ検索、grok headless + subagents による大規模な並列リサーチ、ログイン済みの grok セッションを通じた API コストゼロでの画像（image_gen）と動画（image_to_video）の生成、グリーンスクリーン/クロマキー除去・連結・ウォーターマークなどの ffmpeg 後処理に使用します。クロスプラットフォーム（macOS/Linux/Windows）。任意で xAI 検索/メディア API を有料のフォールバックとして利用できます。トリガーには grok、grok build、生图、生成图片、生成视频、绿幕抠像、批量调研、xAI search があります。
AppleScript を介して macOS の Reminders を作成、一覧表示、管理します。ユーザーがリマインダーの作成、To-Do の追加、タスクの作成、何かのリマインダー設定、または macOS 上の Apple Reminders に関わることを求めた場合に使用します。「remind me to buy milk」「add a to-do to call the dentist」「create a reminder for Friday」「add to my shopping list」「flag this as important」といったリクエストでトリガーされます。macOS 専用です。
B2B 営業と GTM チーム向けの n8n ワークフロー自動化の専門コンサルタント。ユーザーが n8n ワークフロー、n8n ノード、n8n トリガー、n8n webhook、n8n 資格情報、n8n のセルフホスト、n8n の Docker セットアップ、n8n のキューモード、n8n のエラー処理、n8n のサブワークフロー、n8n の CRM 自動化、n8n の料金、n8n と Zapier と Make の比較、n8n での自動化構築について尋ねたときに使用。また "n8n workflow"、"n8n automation"、"n8n webhook"、"n8n node"、"n8n self-host"、"n8n Docker"、"n8n queue"、"n8n HubSpot"、"n8n Salesforce"、"n8n vs Zapier"、"n8n pricing"、"workflow automation" でもトリガーされる。n8n を伴わない一般的な自動化戦略には使用しない。
NotebookLM CLI（`nlm`）のエキスパートガイド——Google NotebookLM のコマンドラインインターフェース。ユーザーが NotebookLM をプログラムから操作したいときにこのスキルを使用する。ノートブックの作成/管理、ソースの追加（URL、YouTube、テキスト、Google Drive）、コンテンツの生成（ポッドキャスト、レポート、クイズ、フラッシュカード、マインドマップ、スライド、インフォグラフィック、動画、データテーブル）、リサーチの実施、ソースとのチャット、NotebookLM ワークフローの自動化など。トリガー："nlm"、"notebooklm"、"notebook lm"、"podcast generation"、"audio overview" への言及、または NotebookLM 関連の自動化タスク。
ターミナルまたはエージェントから Notion を操作する：ページの取得、データベースのクエリ、ページとデータベースの検索、ページプロパティの更新——同梱の notion-cli スクリプトはデフォルトで読み取り専用で、すべての作成・更新を --dry-run/--yes の確認で制御する。エージェントが Notion のコンテンツを読み取る、チーム wiki やデータベースから質問に答える、確認済みの編集を行う場合に使用する。Notion 連携の構築や、プロパティ更新を超えるブロック単位のページ構成（それは Notion API アプリケーション開発）には使用しない。他のナレッジベース（それぞれ独自のツール）にも使用しない。
obsidian-mind の作業を適切なモードにルーティングする：vault のインストール／ブートストラップ（ShardMind か git clone か）、日次の standup／dump／wrap-up セッションループ、意思決定・インシデント・1:1・成果のキャプチャ経路、パフォーマンスグラフのレビューフロー（/om-review-brief、/om-self-review、/om-peer-scan）、vault のメンテナンスと /om-vault-upgrade マイグレーション、Claude Code・Codex CLI・Gemini CLI にまたがるマルチエージェントの配線、任意の QMD セマンティック検索。obsidian-mind は特定の既製 Obsidian vault テンプレートであり、5 つのライフサイクルフック、/om-* コマンド、サブエージェント、コンピテンシーグラフを通じて、コーディングエージェントに永続的なセッションをまたぐ記憶を提供する — 汎用的な vault 構築や wiki 作成のワークフローではない。トリガー：obsidian-mind、om-standup、om-dump、om-wrap-up、om-review-brief、om-self-review、om-peer-scan、om-vault-upgrade、brag doc、North Star.md、performance graph、competency notes、session lifecycle hooks、shardmind install obsidian-mind。
生物データアクセスと計算生物学ツールのための OpenBio API。使用場面：(1) 生物学的データベース（PDB、UniProt、ChEMBL など）のクエリ、(2) 科学文献（PubMed、bioRxiv、arXiv）の検索、(3) 構造予測（Boltz、Chai、ProteinMPNN）の実行、(4) パスウェイ/エンリッチメント解析の実施、(5) 分子生物学実験（プライマー、クローニング）の設計、(6) バリアントと臨床データの解析、(7) プラスミドファイル（GenBank、SnapGene）の解析と編集。
人物、企業、ドメイン、B2B アカウントに関するオープンソースインテリジェンス。ユーザーが対象を調査、審査、研究、または人物情報をまとめたいときに使用する——"OSINT"、"due diligence"、"background check"、"research this person"、"look into [company/domain]"、"vet this prospect/vendor"、"what does X do"、"is this account worth pursuing"、"find me a contact at"、"who's the buyer for" といったフレーズ、またはあらゆるオープンソース調査タスク。報告前に身元の曖昧さを解消し、すべての主張を独立した情報源の数で格付けする。
論文の Figure の意味を解釈し、「人間に図の読み方を教える」高可読性の Markdown レポートを出力します。1 つまたは複数の figure ファイルの絶対パスと人手による解釈の入力に対応し、図の近くからその図を生成したソースコードを自動的に取得しようと試み、parallel-vibe に似た方法で `codex exec`/`claude -p` を通じてプロセスレベルの分離のもとで各図を解釈します（同時実行の上限は既定で 3、config.yaml で調整可能）。適用外：ユーザーが単に図のサイズ変更/トリミング/形式変換を望んでいる場合、または画像やソースコードの直接変更を求める場合（本 skill は画像とソースコードを終始読み取り専用とし、変更は厳禁です）。
漸進的な方法・領域・査読ラウンドおよび任意の査読者オーバーレイを用いて、分野を問わず学術原稿に対して査読者スタイルでエビデンスに配慮した査読を行う。ユーザーが通常の執筆ではなく、批評、科学的査読、優先コメント、全項目査読、改訂ラウンド評価、前回コメントの回帰チェック、または査読メモを求めた場合に使用する。会話と原稿から適用可能な最小のモジュールセットを推論し、未解決の領域または査読プロファイルの曖昧さが査読を実質的に変える場合にのみ質問する。任意の心理測定学と SEM、計算と LLM、水と CNHS、洪水と流体力学、および明示的な Ethan スタイルモジュールを含む。
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。