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
ユーザーがフォルダーやファイル群をスキャン、監査、分析、整理したい場合に必ず使用する skill — 会話への直接アップロード、ローカルパスでの指定、口頭での説明のいずれであっても対象。整理檔案、掃描資料夾、幫我分類檔案、檔案整理計畫、資料夾結構建議、file organization、folder audit、help me sort my files、clean up my downloads、rename and categorize files、suggest a folder structure などのリクエストでトリガーする。計画を先に立てて後で実行するパターンに従うこと、またユーザーが完全な計画を確認する前に名前変更、移動、削除を一切行ってはならない。
ユーザーが知識カットオフを超えた最新情報、ドキュメント、コーディング例、ウェブリサーチを求めたときにこの skill を使用する。Google の AI 検索モードをクエリし、100 以上のウェブサイトからの出典引用付きの包括的な AI 生成概要を取得する。インライン脚注参照 [1][2][3] 付きの markdown を返す。あなたは Google の AI 検索から直接要約された参照と情報を含む詳細な Markdown ファイルを受け取る。さらに調査するための新しい情報と手がかりを得るのに理想的。
構造化された批判的思考——主張、根拠、推論の連鎖、隠れた前提、論理的誤謬を識別すること——を用いて、特定の文章の議論を厳密に評価または構築する。ユーザーが具体的な議論、主張、論説、研究成果、推論を示し、その論理的な妥当性や欠陥の分析を求める場合に使用する。たとえ「この議論は妥当か」「どんな論理的誤謬があるか」「この論文で自分はどんな前提を置いているか」と尋ねられた場合でも使用する。カジュアルな計画レビュー、旅行計画、プロジェクトリスクのブレインストーミング、事前検死には使用しない——「自分の計画の穴を探して」という依頼はレッドチーム／リスクレビューであり、議論の分析ではない。
Atlassian CLI（`acli`）で Jira のワークアイテムを扱う場合はこの skill を使用する。ユーザーが Jira、JQL、`ABC-123` のような issue やチケットのキー、担当者、ステータス変更、コメント、リッチテキストの Jira 説明、または Jira ADF に変換する必要がある Markdown に言及した場合にトリガーする。まず明示的な issue キーまたはプロジェクトキーからプロジェクトを解決し、次に `.jira-skill.json`（リポジトリルートまで検索）、次に `~/.config/jira-skill/config.json` を確認し、その後は停止してユーザーに尋ねる — 決して自動選択しない。GitHub PR の編集、リポジトリ/コードベースの検索（"jira" がパッケージ名やライブラリ名として現れる場合でも）、git ブランチ名の命名、Confluence、認証設定、REST API スクリプト、非 Jira のトラッカーには使用しない。
Light 第 10 段階で学術参考文献および claim と引用の支持関係を検証する。原稿、claim マップ、参考文献目録、DOI/arXiv/PMID/ISBN/URL、BibTeX/CSL、citekey、キメラ引用や捏造引用、撤回・訂正アラートの監査、または組版用の正規引用レジストリの作成に使う。来歴を保持したインベントリを構築し、独立した権威ある情報源でメタデータを確認し、CONFIRMED/CONFIRMED-MISSING/UNAVAILABLE/UNRESOLVED を区別し、Crossref の更新方向を記録し、引用ゲートと納品成果物を出力する。
Light 研究本線の第 3 ステップ・アイデア出し：曖昧な方向／データ／文献から構造的に発散し（計算システムを刺激して生成させ、漠然としたブレインストーミングではない）→ やる価値があり実現可能な階層化候補アイデア（moonshot の挑戦 / solid の堅実 / safe の保険）を生成する。各候補はなぜやる価値があるか・新規性・既存より優れる点・どんな具体的問題を解くか・どの層に投稿できるかを必ず答え、提案時点で衝突の事前セルフチェック（最も近い先行研究 + delta、上流の literature-search の領域マップを活用）を備える。使うとき：ユーザーが「この方向／データで何ができるか」と尋ねる、新規性・研究の方向性・テーマ選定・突破口を求める、アイデア出しを頼む、brainstorm research ideas、このアイデアは成り立つか（まず生成し、idea-critique で厳しく審査）。トリガーワード：アイデア出し / アイデアを考える / 新規性 / 研究の方向性 / テーマ選定 / 突破口 / 差別化 / この方向で何ができるか / 何ができるか / brainstorm / research idea / ideation / 新しいアイデア / 立項。中核の規律：novel／無創新の最終判定は下さない（それは idea-critique の critical ゲートであり、生成側は衝突の warn シグナルだけを出す）、証拠の根 → メカニズム／仮説 delta → 情報利得 → 最小判別実験という系譜で候補を制約する、innovation_engine の反寄せ集めゲートを通し、独創の由来の型（新問題／新メカニズム／新測定／新データ／新理論／領域横断移転／工学増分）を claim 強度に結びつける、数や七つの観点は advisory にすぎず、メカニズムの多様性がハードゲートである。
Light のプロジェクト実行時メモリとプロジェクト管理の常駐スキル：「どこまで進んだか／何を決めたか／どの版を出したか／用語をどう統一するか／前回どこで中断したか」を各プロジェクト自身の .light/ ディレクトリ（プロジェクトカード + 意思決定ログ + バージョン履歴 + 管理用用語集 + セッション間引き継ぎカード）に残し、passport.py エンジンを再利用して DAG 台帳を管理する（再発明しない）。consistency の事実源の帰属元であり、定義を変えると変更ブロードキャストが全資料を再走査する。統括の「セッション冒頭で前回どこで中断したかを自動報告」の記憶基盤でもある。使うとき：長期／セッションをまたぐプロジェクト、背景／進捗／バージョン／意思決定を覚えておく必要がある、セッション冒頭で続行または引き継ぐ、重要な進捗の直後に記帳する、コンテキストが尽きて引き継ぐ、用語／指標／新規性の定義を変えた後。トリガーワード：記憶 / プロジェクト管理 / プロジェクトカード / 意思決定ログ / バージョン履歴 / バージョン記録 / 続行 / 引き継ぎ / 前回どこで中断したか / 次の一手 / 引き渡し / handoff / 起動プロンプト / 用語集 / 変更ブロードキャスト / アーカイブ / 台帳 / .light / passport / セッション間。中核の規律：記憶は .light/ の明示的なファイルに落とす（ベクトル検索ではない）、相対日付は絶対日付に変換する、外部の可変事実には [snapshot] を付す、自己整合は pm.py audit の exit code で確かめる（口頭で「記録した」と言わない）、不可逆な意思決定（アーカイブ／教訓の書き戻し）は止めてユーザーに確認する。
Light 研究本線の第 5 ステップ・研究計画と実験設計：idea-critique を通過した idea と data feasibility を、実際に実行でき、論文に書け、再現できる question/estimand、実験マトリクス、事前登録パッケージに分解する。使うとき：idea が審査を通り実装に移す、実験・アブレーション・比較・感度・汎化・ロバスト性を設計する、研究計画 PROJECT_PLAN を書く、primary outcome・除外／停止ルール・preregistration を固定する、サンプルサイズ・シード・統計的検出力を計画する、実験の計算資源予算を見積もる、既存論文を再現する、baseline が緩い、または仮説が反証できないことを懸念する。トリガーワード：研究計画 / 実験設計 / 実験マトリクス / 仮説 / 対照 baseline / アブレーション ablation / 公平な比較 / 反証可能 / 統計的検出力 power / シードはいくつ / 再現 / reproducibility / research plan / experiment design / 再現可能。中核の規律：比較が不公平（baseline が緩い）／反証不能 = critical の一票否决（spec §4.2、STAGE_GATES[5]=[fair_baseline,falsifiable]）、アブレーションが分離していない／検出力不足 = warn、検出力は計画段階で逆算するもので結果の検定ではない、lint はヒューリスティックで限界があり、公平性／反証可能性の最終判定は依然として人・領域の判断を要する。「対照が絶対に公平だと証明した」などと決して謳わない。
Confluence のドキュメント管理を包括的に行う。"upload to Confluence"、"download Confluence pages"、"convert Markdown to Wiki Markup"、"sync documentation to Confluence"、"search Confluence"、"create Confluence page"、"update Confluence page"、"export Confluence"、"publish to Confluence"、"Confluence CQL query" を求められた場合に使用する。Wiki Markup の変換、Mermaid/PlantUML 図、画像の扱い、サイズ制限のない大容量ドキュメントのアップロード、mark CLI による Git から Confluence への同期を扱う。
既存のリサーチアウトラインを読み込み、独立したバックグラウンドエージェントを展開して各項目を深く調査し、共有フィールド schema に沿って項目ごとに 1 つの構造化 JSON を生成する。再開可能でバッチ処理に対応し、エージェントごとに出力を無効化する（各エージェントには明示的な出力ファイルがある）。`/research-outline` の `outline.yaml` + `fields.yaml` が揃っており、項目ごとの調査を並列化したいときに使用する —— 学術論文の深掘り、製品比較、ベンチマークの補完、複数対象の競合分析。`/research-outline` の後、`/research-report` の前にトリガーする。
RHIDP、RHDHPLAN、RHDHBUGS、RHDHSUPP で優れた RHDH Jira の作業を書くための技法を提供する。Feature、Epic、Story、Task、Bug の説明テンプレートと記入例、スコープ、サイズ、受け入れ基準、Epic の独立性をストレステストする RHDH チャレンジマトリクス、T シャツとフィボナッチのサイズスケール、キーワードによる重複検出、Feature を Epic に、Epic を Story に分割するためのトランサーバレットのルールを扱う。RHIDP-1234 のような問題のテキストと形を起草または評価するときに使用 — これはどのくらい大きいか、この AC はテスト可能か、これは 1 つの Epic か 3 つか、これは既に存在するか。文章表現と見積もりの技法のみであり、Jira コマンドは実行しない。
RHDH Jira で新しい作業を起票し、それがどの種類の作業かを判断する — RHDHPLAN の Feature または Feature Request、RHIDP の Epic、Story、Task、Spike、Vulnerability、RHDHBUGS の Bug、RHDHSUPP のサポート会話 — その後、ヒアリングして下書きし、適切なフィールドと親リンクを付けて作成する。"file a ticket"、"create a feature"、"open an epic for this"、"raise a bug"、"log a spike"、"we should track this in Jira" といった用途や、RHDHSUPP のサポートケースを RHDHBUGS の不具合や RHDHPLAN の機能リクエストに変える場合に使用。問題タイプの選択はこのスキルの役割であり、呼び出し元の役割ではない。RHIDP-1234 のように既に存在する問題の編集やトランジションは作成ではない。
ディレクトリツリー内のファイル内容を分析し、内容に基づいてファイルをインテリジェントにリネームし、必要に応じて論理的なフォルダー構造に再編成する。ユーザーが乱雑なファイル名を整理したい、ダウンロードしたファイルを整理したい、内容で文書を分類したい、意味のない名前のファイル（IMG_20240101.jpg や document(3).pdf など）をリネームしたい、ファイル名が実際の内容を反映していないフォルダーを整理したい場合に本 skill を使用する。また、一括リネーム、ファイルのクリーンアップ、内容ベースの整理、フォルダー構造の再編成、トピックや用途別のファイル収集（例：「履歴書関連のファイルを集める」「データセットのファイルを集める」「不要ファイルを特定する」）、カテゴリ別のファイルの絞り込みとグループ化に言及した場合にもトリガーする。
スティーブ・ジョブズ（Steve Jobs）の思考フレームワークと表現方法。Isaacson の公認伝記、Stanford 講演、Lost Interview、D Conference シリーズ、Make Something Wonderful を含む 30 以上の一次資料の深い調査に基づき、6 つの核心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 を抽出した。用途：対話可能な思考アドバイザーとして——ジョブズの視点で製品、意思決定、アイデアを分析し、やり取りの中で思考の衝突を生み、インスピレーションを刺激し、「Jobs 級」の思考法を自分の能力として内面化するのを助ける。ユーザーが「ジョブズの視点で」「ジョブズならどう見るか」「Jobs モード」「steve jobs perspective」「ジョブズに切り替え」「もしジョブズなら」「ジョブズ思考」「表現 DNA」と言及したときに使用する。ユーザーが「ジョブズの角度で考えて」「ジョブズならどうするか」「ジョブズに切り替え」と言っただけでも発動する。
TC 天策创业解题 Skill は、一般の起業家向けの AI 起業問題解決コーチで、dontbesilent の DBS ビジネスツールボックスと互換性がある。ユーザーが「/tc」「TC」「tc」「$tc」を入力したとき、または起業、副業、自媒体、個人 IP、AI アプリ、プロジェクト検証、集客と成約、納品の振り返り、提携の取捨選択、起業の不安に対処する必要があるときに使用する。混乱した語りを一つの本当の問題に変え、稼ぐチェーンの中で最も早く証拠を欠いている環を特定し、すぐに実際の市場で検証できる一つのアクションを示す。方向性、リソース、自ら助けを求めた記録がないゼロからのユーザーにも適するが、検証待ちのプロジェクト仮説を生成するだけで、暴利プロジェクトの推奨、収益の保証、空虚な助言の出力は行わない。
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。