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。
生産性
ユーザーが、ある問いや領域について、新規で検証可能な研究仮説のプールを生成し文献で検証したいときに使用。マルチエージェントのループ：Generator が候補仮説を提示し、LiteratureScout が各仮説を実際に検索した文献に基づかせ（既知か？最も近い先行研究は？どのギャップを埋めるか？）、Judge が固定のルーブリックで採点して強く重複しないものを残す。ラウンドを繰り返し——未解決のギャップに向けて変異させながら——新しいラウンドで残す対象が増えなくなるまで続ける。研究課題の精緻化や分解には使用しない（そこでは文献に基づかせる作業や採点は行わない）。また、既存の書面提案を文献と照らして評価するのにも使用しない。
大手テック企業の AI 模擬面接官。アリババ、テンセント、字節跳動、百度、美団、京東、ファーウェイ、滴滴、拼多多、Google、Meta、Amazon、Microsoft など国内外のトップインターネット/テック企業をカバーする。ユーザーが目標企業名、職種名、JD の内容を入力し、履歴書をアップロードすると、Agent が大手テック企業の面接官を演じ、JD の要件と履歴書の状況を踏まえて、質の高い面接質問を 10 問（難易度、参考答案のヒント、深掘りの方向性を含む）出力し、「良い回答 vs 悪い回答」の対比例の生成、HR 面接の専用トレーニング、給与交渉の言い回しの指針、複数ラウンドの完全な面接の一貫した模擬をサポートする。トリガーワード：大手テック面接、海外大手テック面接、模擬面接、面接官、面接を手伝って、面接準備、interview practice、mock interview、字節跳動を受けたい、アリババの面接問題、Google 面接、Meta 面接、Amazon 面接、AWS 面接、Microsoft 面接、面接問題を 10 問出して、良い回答 vs 悪い回答、模範回答、回答の比較、HR 面接の模擬、退職理由、給与交渉、キャリアプラン、offer 交渉、給与の言い回し、完全な面接プロセス、複数ラウンドの模擬、一次面接・二次面接・三次面接。
Jacky Shen の Agile Coach AI アシスタント。スクラムマスターとプロダクトオーナーに構造化されたプロンプト支援を提供する。ユーザーが次のいずれかに言及した場合は常に、本スキルを必ず有効化する：Scrum、Sprint、Backlog、ユーザーストーリー、DoD、DoR Definition of Ready、Product Owner、Scrum Master、アジャイルセレモニー、レトロスペクティブ、バックログリファインメント、スプリントプランニング、リリースプランニング、リスク識別、ユーザーペルソナ、顧客離反、プロダクト要件、意思決定、シナリオモデリング、チームファシリテーション、またはあらゆるアジャイルチームのワークフロー。キーワード：Scrum、Sprint、Backlog、user story、Product Owner、Scrum Master、DoR、agile、iteration、retrospective、prioritization、risk、persona、churn、PRD、facilitation、minimal experiment、root cause、pattern recognition。ユーザーがアジャイルチームの作業や PO/SM のシナリオに言及した場合、または構造化されたアジャイルプロンプトテンプレートを必要とする場合は常に、本スキルを使用する。
アクセシビリティツリーを一切読み取らず、自然言語の目標全体または一度に 1 つの意図に基づいてデスクトップアプリを操作します。デスクトップアプリを自動化し、150 要素の JSON ツリーをコンテキストに含めたくない場合に使用します。目標全体を `run.mjs` に渡すと、目標達成まで観察・判断・操作します。計画を自分で管理する場合は、単一のステップを `act.mjs` に渡します。対象要素、操作、詳しく確認するタイミング、終了時点を扱います。agent-desktop リポジトリのクローンと TYPESAFE_API_KEY が必要です。
リンク、記事、ブックマーク、文字起こし付きの YouTube 動画、PDF、音声、メモを整った Markdown として保存し、後で検索・閲覧できます。Keep は AI エージェント向けの後で読むアプリ、ブックマークマネージャー、ウェブクリッパーです。ユーザーが「このリンクを保存」「このページをクリップ」「後で読む」「これを覚えておいて」「これをキープ」と言ったときに使用します。ユーザーが読んだり、見たり、書いたりした内容を繰り返し尋ねる前に、保存済みライブラリを検索します。Keep は X（Twitter）のブックマークを同期し、Pocket、Instapaper、Raindrop、Omnivore、Kindle highlights からインポートします。アイデア、決定事項、調査の Markdown メモを作成・更新します。利用可能な方の Keep CLI または Keep MCP サーバーを使用します。
URL からフォームのフィールドを取得し、ユーザーのローカルナレッジベースを深く検索して関連情報を探し、すべての回答を事前入力した Markdown ドキュメントを生成してウェブフォームを記入する。ユーザーがウェブフォーム（カンファレンス申請、スピーカー応募、イベント登録、プロフィールフォーム）の URL を提供し、既存の資料から記入したいときに使用する。ユーザーが "填网页表"、"fill web form"、"网页填表"、"表单填写"、"申请表填写"、"conference application"、"speaker submission"、"讲师申请"、"报名表" に言及したとき、またはパスに "form"、"feedback"、"apply"、"register"、"submit" を含む URL を提供したときにもトリガーする。
暗黙的な使用には、明示的またはすでに確立された Nature Portfolio のコンテキストが必要です。複数ソースの学術検索、文献マップ、検索戦略、引用ネットワークまたは独立引用監査、重複排除したエビデンス表、既存の参考文献リストの分野レベルの検証を設計します。その範囲内で、文献检索、综述检索、MeSH、查论文、核对参考文献、体系的な発見、参考文献の確認、参考文献リストの整理に使用します。起草済みの主張に情報源を付ける用途（nature-citation）、全文のダウンロード、アラートの実行には使用しないでください。
文書の集合から特定の数値、事実、引用、表の値を取り出し、正確なソースファイルとページを引用するために使用します。報告書のフォルダに対する質問応答向けに構築されています — 年次報告書、10-K や財務提出書類、研究用 PDF、スキャンしたフォーム / 画像（`.jpg` `.png` `.tiff`）、Office（`.docx` `.pptx`）、HTML / TXT、音声、動画。コーパス全体を一度インデックス化し、多数の文書の中から正しい文書を見つけて、そのページ番号とともに値を返します — 複数の文書や数値が似ていて、近似ではなく正しいものを必要とする場合に有用です。PDF を 1 つずつ読んだり grep したりする代わりにこれを使ってください。対象外：ファイルの編集、Web ブラウジング、単一のプレーンテキストファイル、ファインチューニング。
ユーザーがジャーナル/雑誌名を提示し、投稿要件、投稿形式/フォーマットのチェックリスト、ジャーナル公式サイトの情報、コミュニティの評価、査読速度、費用、記事種別、フォーマットの詳細、または「この journal への投稿方法/信頼できるか/投稿ガイドの調査」を求めた場合に必ず使用。ジャーナル公式サイトとコミュニティのレビューをオンラインで検証し、既定ではすべての中間ファイルをカレントディレクトリの `.bensz-api/task-{yyyymmdd-hhmm}-{短い説明}/paper-know-journal/` に隔離し、最終的には `KnowJournal-{雑誌名}.md` のみを納品する。⚠️ 非該当：manuscript に基づいて投稿先ジャーナルを選ぶ場合（paper-select-journal を使用）、論文本文の執筆、全文 PDF のダウンロード、または成稿不要の単純な事実だけを尋ねる場合。
個人用 CRM を管理し、人間関係、最後に連絡した日、必要なフォローアップ、過去の会話の背景、連絡すべき相手を記録します。ユーザーが「誰にフォローアップすべきか」「最後に話したのはいつか」「個人用 CRM」「この連絡先を管理」「この会話を記録」「誰に連絡すべきか」「[name] を連絡先に追加」などと言った場合や、人間関係やフォローアップ履歴について尋ねた場合に使用します。`contacts/` フォルダーに人物ごとの Markdown ファイルを作成して構造化し、フォローアップを自動表示するとともに、会議前に関連情報を提示します。
ソーシャルメディアのデータエクスポート（Twitter/X、LinkedIn、Instagram）から豊富なパーソナリティプロファイルを生成する。ユーザーが自身のソーシャルメディアでの存在感を分析したい、AI パーソナライズ用のパーソナリティプロファイルを作成したい、コミュニケーションのパターンを理解したい、デジタルフットプリントから洞察を引き出したい場合に使用。"analyze my Twitter data"、"create a personality profile"、"what can you learn about me from my posts"、"personalize an AI for me" といったリクエストや、ユーザーがソーシャルメディアのエクスポートファイルを提供した場合にトリガーされる。
Pragmatic Institute のギャップ分析を実施します。市場主導の自己評価により、チームが Pragmatic Framework の 37 の活動をどの程度実行できているか、各活動の担当者、最大のギャップを明らかにします。PM が「現状はどうか」「フレームワークへの対応状況はどうか」と尋ねる場合、製品組織の自己評価や成熟度チェックを行う場合、または注力分野を決める場合に使用します。Markdown または Word .docx の成果物として、Gap Analysis の表と上位 3 件のギャップに対するアクションプランを作成します。
Pragmatic Institute Strategy Matrix を作成します。一定期間内に、どの顧客を獲得し、何を構築するかを決め、プロダクトチームと経営陣の認識の一致を明らかにする、選択必須の 4×4 マトリクスです。PM が製品戦略、「どこに投資すべきか」「誰のために何を作るべきか」、注力分野、市場の優先順位付け、またはロードマップの分散しすぎの回避について尋ねたときに使用します。Markdown または Word .docx の成果物として Strategy Matrix を作成します。
Pragmatic Institute の方法で、市場主導の優先順位付き製品要件（Market Requirements Document／MRD）を作成します。PM が「要件」「MRD」「何を作るべきか」「機能の優先順位付け」「市場要件」を求める場合や、開発チームに「要件が具体的でない」と言われないようにしたい場合に使用します。各要件をペルソナの課題として明確化し、Market Evidence × Impact で優先順位を付け、提供単位ごとにまとめます。Markdown または Word .docx の成果物として Market Requirements Document を作成します。
FlowStudio MCP サーバーを使って、失敗した Power Automate クラウドフローをデバッグします。Graph API には最上位のステータスコードしか表示されません。この Skill は Agent にアクション単位の入力と出力を提供し、実際の根本原因の特定を支援します。フローのデバッグ、失敗した実行の調査、フローが失敗する理由の確認、アクション出力の確認、フローエラーの根本原因の特定、壊れた Power Automate フローの修正、タイムアウトの診断、DynamicOperationRequestFailure の追跡、コネクター認証エラーの確認、実行のエラー詳細の閲覧、式の失敗のトラブルシューティングを依頼された場合に読み込んでください。FlowStudio MCP のサブスクリプションが必要です。https://mcp.flowstudio.app を参照してください。
FlowStudio MCP 経由で Power Automate を扱うための基盤スキル — 認証設定、再利用可能な MCP ヘルパー（Python + Node.js）、`list_skills` / `tool_search` によるツール探索、巨大なレスポンスの処理。エージェントを Power Automate に接続する際は最初にこのスキルを読み込む。専門的なワークフローには `power-automate-build`、`power-automate-debug`、`power-automate-monitoring`（Pro+）、`power-automate-governance`（Pro+）を読み込む — それぞれがワークフローの説明を含み、このスキルはそれらが共通で依存する配線を提供する。FlowStudio MCP のサブスクリプションまたは互換サーバーが必要 — https://mcp.flowstudio.app を参照
あらゆる計画、ローンチ、製品、採用、価格変更、戦略、高リスクの意思決定に対してプレモーテムを実施する。Gary Klein のプロスペクティブ・ハインサイト手法を用いる — 将来のある時点で既に失敗したと仮定し、逆算して計画固有の原因をすべて洗い出し、改訂版の計画、緩和策、早期警告シグナル、ローンチ前チェックリストを作成する。使用タイミング: premortem this、run a premortem、what could kill this、future-proof this、stress test this plan、what am I missing here、find the blind spots、what could go wrong、am I missing anything、poke holes in this、where will this break、before I commit to this。任意のアイデアや主張への対立的な攻撃（RedTeam を使用）、現状の多角的な議論（Council を使用）、ネットワーク/システムの脆弱性テスト（Security を使用）、単純なフィードバックや事実確認の質問には使用しない。具体的な計画やコミットメントがあり、誤った場合のコストが高く、まだ意思決定を変更できる場合は必ずトリガーする。
あらゆるプロジェクトのアイデアを GitHub と Dev.to のライブデータに照らして調査し、すでに何が存在するか、その領域がどれほど成熟しているか、本当の機会がどこにあるかを明らかにする。開発者が作りたいものを説明し、それが以前に作られたことがあるか知りたいときに使用。トリガーとなるフレーズ："validate my idea"、"has this been built"、"is this already a thing"、"what exists for X"、"should I build this"、"is this idea original"、"check if my project exists"、"what are the alternatives to what I want to build"、"is the market saturated for X"、またはプロジェクトを始める前に競合状況を調査するあらゆる依頼。
ライブの求人サイトと給与データベースをスキャンし、あらゆる職種と地域のリアルタイムの報酬データを見つける。ユーザーが "what's the going rate for a senior React engineer in London"、"software engineer salary Singapore"、"how much do ML engineers make"、"what should I be earning as a [role]"、"is my salary competitive"、"what does [company] pay for [role]"、"salary range for [job title] in [city]" と尋ねたとき、または特定の市場でその職種がいくら稼げるかを知りたいあらゆる依頼に、このスキルを使用。
Alibaba Cloud Drive のリソースアドバイザー。inventory/organize/catalog/plan の 4 種類のワークフローを提供し、リソースの棚卸しと整理、Obsidian コレクションと増分 Excel／家庭ナビゲーションの生成、ユーザーが提供する学習状況に基づく学習計画の作成を行う。トリガー：「クラウドドライブを整理」「クラウドドライブの棚卸し」「クラウドドライブ索引を更新」「Excel 総索引を更新」「家庭ナビゲーション Excel を生成」「クラウドドライブに図書館を作る」「ネットドライブのリソースで学習計画を作る」。
OpenAnt 上のタスクの完了した作業を提出する。提出 = テキストの説明 + ファイル。重要 — 提出前に、作業でファイルが生成されたか必ず確認し、先にアップロードすること。エージェントが作業を終えて結果を納品したい、ソリューションを提出したい、成果物を納めたい、ファイルをアップロードしたい、完了の証明を送りたいときに使う。「作業/タスクの提出」「結果の納品」「終わった」「これが自分の作業」「ソリューションの提出」「アップロードして提出」「証明を添付」「ファイルの納品」「成果物の送付」をカバーする。
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。