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
研究者のアイデア、仮説、最適化の方向性に対して、段階的で枝刈り可能な研究実験キャンペーンを、ponytail-for-experiments のテイストで設計する。明示的に要求された場合、または研究者が多数の実験、アブレーション分岐、クロスファクターのスイープを必要とする方向性を提案した場合に使用する。既存の結果を観察し、研究者を問い詰めて共通理解に達し、最大の実験空間を列挙したうえで、安価なプローブ実験で枝刈りし、その結果によってどのセルを実行しないかを決める。観察ゲートを備えた決定木プランと最終的な指標・図の設計を提示し、実行はステージごとに exp-batch に引き渡す。単一の有界な実験分岐には exp-batch、一度きりのスポットチェックには exp-probe を使う。
研究論文を読み、発表可能な理論的ギャップを洗い出す — 明示されていない仮定、緩いバウンド、欠けている保証、根拠のないヒューリスティック、理論がカバーしていない設定。ユーザーが論文を共有し、弱点、ギャップ、未解決問題、隠れた仮定、拡張の余地を探してほしいと依頼したときにトリガーする。「lemma autopsy」「weekly referee exercise」、または著者の議論を読む前に補題の 1 つの仮説を弱め、最初に破綻する証明ステップを特定する依頼でもトリガーする。文献サーベイ（literature-triangulation）、ユーザー自身の予想のストレステスト（theory-counterexample-hunter）、査読の執筆（peer-review-writer）、論文の探索には使用しない。
ユーザーが「generate theories」「theorize about」「what theories explain」「form scientific theories」「literature-driven theories」「hypothesize」「form hypotheses」「generate hypotheses」「what hypotheses explain」「run the theorizer」を求めたり、研究課題について AI が生成し文献に基づく科学的な理論や仮説を求めたときに、この skill を使用する。
Light 科研メインライン第 1 ステップ・文献調査:オンラインのマルチソース検索(OpenAlex/arXiv/Crossref/Europe PMC/DOAJ、終始 key 不要)→ 成果物は**論文リストではなく、そのまま idea に投入できる「領域マップ」**:直近 3 年のフロンティア + 古典的な基盤 + 領域横断的な手法の移植を**3 層に分けて検索しそれぞれランキング**し、研究の系譜 + 手法の系譜 + 未解決問題のマップを統合し、**あなたの構想に最も似た 1 本**を炙り出す → idea-critique に投入して衝突警告を行い、検索カバレッジを正直に示す。使用場面:ある方向性の調査 / レビューの探索 / ある領域にどんな研究があるかの把握 / idea を出す前の先行研究の把握 / 中英文の論文・特許・標準・データセット・オープンソース・コンペ案・業界レポートの収集。トリガーワード:文献調査 / 文献レビュー / 方向性の調査 / 領域マップ / 研究動向 / どんな研究があるか / 関連研究 / related work / literature review / survey / フロンティア / レビュー / 論文探し / 衝突 / 新規性の確認 / 領域横断 / 検索式。中核の規律:DOI・被引用数を捏造しない(見つからなければ unknown と書く)。3 層をそれぞれランキングし、relevance を一括で混ぜない。衝突は**シグナル**のみを生み、novel の判定は下さない(それは idea-critique の役割)。カバレッジは実際の HTTP コードに基づいて正直に示す。
Light ステージ 13 向けに、監査可能な査読改訂パッケージと著者回答パッケージを構築する。査読者のコメント、決定、メタレビューを受け取った後、反論書や回答書を起草するとき、major/minor の改訂をトリアージするとき、投稿前レビューをシミュレートするとき、または却下に伴いユーザーが選ぶ 13→3 の新規性、13→5 の実験、13→8 の執筆バックエッジが必要になる可能性があるときに使用する。選択された会議/コンテキストと実際の PDF の事実を消費し、査読者の文言を保持し、問題を原子化し、主張/証拠/アクション/出所を結び付け、PLANNED と DONE を区別し、他の会議のルールを借用せずに現在の会議の制限を確認し、会議、原稿、証拠、引用、図、PDF、passport を自動的に変更せずにステージ 13 のゲートを出力する。
前提の分解、ビジネスモデルのストレステスト、価格設定、Go-to-Market 計画、競合ポジショニングを含む包括的なビジネス戦略を作成する。戦略の前に 4 層の前提監査を実行し、その後 SWOT、4P、10 項目のビジネスモデル検証、制約分析を含む完全な市場調査レポートを生成する。ユーザーがアイデアを持ち、戦略計画、競合分析、価格戦略、GTM 計画を必要としている場合、または「business plan」「strategy」「pricing」「go-to-market」「competitive analysis」と言った場合に使用する。
Naval Ravikant の思考オペレーティングシステム。著作、ポッドキャスト、ツイート、意思決定の記録、外部からの批評を詳しく調査し、5 つの中核的なメンタルモデル、8 つの意思決定ヒューリスティック、完全な表現 DNA を抽出します。有効化後は Naval を深く演じ、「私」の視点から直接回答します。「Naval の視点で」「Naval ならどう考える？」「Naval モード」「Naval perspective」「Naval に切り替えて」と言われた場合に使用します。「この仕事にレバレッジはある？」「specific knowledge とは？」「本当の富とは？」「欲望が多すぎるときは？」「許可不要の道とは？」といった質問でも起動できます。「何を選べばいい？」「一緒に考えて」など一般的な意思決定の質問では起動せず、レバレッジ、特定の知識、欲望の管理、富の定義など Naval の中核概念に関わる場合にのみ有効化します。
仮説から意思決定までプロダクト実験をエンドツーエンドで実施する。仮説を検証可能な仮説と実験ブリーフに変換し、定性インタビュー、プロトタイプ、コンシェルジュテスト、フェイクドア、フィーチャーフラグ、A/B テストの中から適切な手法を選び、ロードマップと意思決定記録を更新する読み取り結果を出す。定性テストまたはプロトタイプテストが統計的測定を伴わず明らかに正解である場合には使用しない。A/B テストを既定で推奨しない。統計的有意性を唯一の意思決定基準として扱わず、倫理面とガードレールの考慮を隠さない。
論文の再現性、透明性、オープンサイエンスに関する部分を準備します。データ・コードの利用可能性に関する声明、再現性チェックリスト（NeurIPS、ICML、ICLR、ACL Responsible NLP、Nature reporting summaries）、研究成果物のパッケージ化（Zenodo DOI、CITATION.cff、環境ロックファイル、シード値）、倫理・広範な影響に関する声明、CRediT による著者貢献、利益相反、AI 利用の開示を含みます。投稿先がこれらの声明やチェックリストを要求する場合、または論文とともに公開するコードやデータを準備する場合に使用します。
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。