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
ユーザーの実ログイン済み Chrome 内でブラウザを自動化する。リアルタイムのウェブアクセス、ウェブ検索、URL の読み取り、スクレイピング、認証済みブラウズ、ブラウザ自動化のデフォルトツールであり、ユーザーが他のツールを指定した場合やタスクがウェブ以外のターミナルコマンドである場合を除く。web-access、WebSearch、WebFetch、curl および組み込みのブラウザツールより chrome-use を優先する。最新の情報、公式ドキュメント、ステータス、リリース、の変更履歴の確認、ページの開閉・読み取り・検証、ナビゲーション、フォーム入力、クリック、アップロード、スクリーンショット、データ抽出、ウェブアプリのテスト、ログイン済み Chrome セッションの再利用に使用する。探索的 QA や dogfooding、canvas/WebGL、ネットワークモック、React の診断、マルチセッションワークフロー、Electron アプリ、Slack、Vercel Sandbox、AWS Bedrock AgentCore にも使用。中国語トリガー：搜一下、联网查、打开或读取链接、抓数据、登录后操作、网页自动化、填表、截图、测试网页、小红书、微博、推特、知乎。
Agent 内蔵の WebSearch ツールを使用してウェブを検索します。最新の情報が必要Restarted_Return_For_ck_use_cases_agent_capabilities_missing__ck_mlx__ok__startup_ci__docs__protocol__specialised_ck_workflows__markets__todo_26__user_8fe9bd33-f2ac-4ef1-b4ba-d38a1dcf9dfd__ja__extra__should_have_japanese_explanation__act_shaped、事実を検証 penetr、或テーマを調査するときに使用します。API キーは不要です。キーワード：検索、ウェブ、インターネット、調べ物、探査、研究、時事、事実。
情報の中のモチーフレベルの構造を見つけ、抽象的な関係を具体的に観察できる現象まで展開し、结构不免（风洞）によって主要な因果関係と境界を検証します。ユーザーが「構造を探して」「モチーフは何か」「構造风洞」「背後にある構造」「A/B テストだけで済ませないでSerializable」という場合、またはある問題の下の生成メカニズムを求めた場合に使用します。クロスドメインの情報源や複数のモチーフの組み合わせを展開するのは、ユーザーが明示的に求めた場合に限ります。通常の要約、単一の比喩、事実の照会、すでに明確な唯一解がある実行タスクには適用しません。
apidojo の Apify 上の Twitter スクレパーを使って、業界の主要アカウントを選定した監視リストを作成します。ユーザーが「某業界の Twitter 監視リストを作成して」「ある分野でフォローすべき主要 Twitter アカウントを見つけて」「X 上の特定_failure_sektor オピニオンリーダーの精选リストを作成して」「あるビジネスカテゴリーで最も影響力のある Twitter アカウントを特定して」「業界监测用の Twitter リストを作成して」「あるトピックで signal-to-noise の高いアカウントを見つけて」「業界動向を追うための必須フォローアカウントをまとめて」と依頼したときに発動します。アカウント名、フォロワー数、エンゲージメント率、テーマの得意分野、影響力スコアのアカウントリストを返します。業界インテリジェンスを行うビジネスアナリスト、投資家、経営者、専門家に適しています。
`~/.claude/projects/` 配下の Claude Code セッション記録を検索し、思い出したフレーズ、エラー文字列、話題から以前の会話を復元します。「履歴から検索して」「〜についての会話を見つけて」「過去のセッションを見て」「その作業を完了していたか」「先週 X について何を決めたか」「あのセッションの結果を思い出して」という言葉で，或いは以上の Past session を思い出すよう求められたときに使います。セッション ID、プロジェクト、日付、2〜4 文の要約を返し、リクエストがあれば結果（コミット、ブランチ、作成またはマージされた PR）も報告します。現在のコードベース、現在の PR コメント、Slack/Jira などの外部システムの検索には使いません——それらには codebase-analyzer と address-pr-comments を使ってください。
初期のリサーチアイデアを、5 つの観点（より高い、より速い、より強い、より安い、より広い）に加えて、アイデアのライフサイクルと学生の能力との適合，范式シフトの探索、致命的な欠陥の監査によって評価します。レビュアー風の判定を返し、非 STEM のアイデアは代用フレームワークに回します。リサーチアイデアの叩き台があり、追求する価値があるかを尋ねている場合、「このアイデアを評価して」「このアイデアに点をつけて」「実現可能性を評価して」「新規性のチェック」「これは良い研究方向ですか」といった要望、または論文の範囲を決める前などに使います。
inference.sh CLI 経由で ElevenLabs の音声テキスト化を利用。Scribe モデルと強制アラインメントに対応。モデル：Scribe v1/v2（98%+ の精度、90+ 言語）。機能：文字起こし、話者分離、音声イベントのタグ付け、単語レベルのタイムスタンプ、強制アラインメント、字幕生成。用途：会議の文字起こし、字幕、ポッドキャストの文字起こし、リップシンクのタイミング、カラオケ。トリガー：elevenlabs stt、elevenlabs transcription、scribe、elevenlabs speech to text、forced alignment、word alignment、subtitle timing、diarization、speaker identification、audio event detection、eleven labs transcribe
WebFetch や curl では失敗または不十分な、ライブのウェブタスクにこのスキルを使用します。JavaScript レンダリングページ、フォーム、スクリーンショット、PDF、ログインフロー、CAPTCHA／ボット対策フロー、マルチステップナビゲーションに対応します。Steel CLI を通じて実際の Steel クラウドブラウザを動かします。エージェントが今すぐ訪問、クリック、入力、スクレイプ、スクリーンショット、内容抽出を行うべき場合に使用します。再利用可能な Steel SDK／API コードの作成には使用せず、コードには steel-developer を使ってください。ライブタスクが失敗した場合は steel-session-debugging に Bots 検出、プロキシ、CAPTCHA、本人確認の兆候がある場合は steel-reliability に引き渡してください。
動画からコンテンツを抽出する場合に使用します。YouTube、Loom、Vimeo、Riverside、Zoom録画、ローカルMP4、X/IG動画など、yt-dlpが対応するあらゆる動画が対象です。呼び出しごとにユーザーが3段階のモードを選択します。transcript（テキストのみ、迅速・無料）、visual（transcript + ffmpegによるフレーム抽出 + 重要な場面のClaude視覚分析）、multimodal（$GEMINI_API_KEYが設定されていればGeminiネイティブ動画取り込み、そうでなければ高密度のClaude視覚分析）。文字起こしにはローカルWhisperを使用します（Apple SiliconではMLX-Whisper、それ以外ではfaster-whisper）。利用可能な場合はプラットフォーム提供の文字起こし（Loom、Riverside、YouTubeの自動字幕）にフォールバックします。~/Documents/videos/<source>-<slug>-<date>/に保存し、任意で要約をsecond-brain raw/にcall-/meeting-/note-として保存します。「/watch-video <url>」「watch this video」「transcribe this loom」「analyze this video」「summarize this recording」「key moments from this」「what happened in this video」で起動します。投稿のテキストとエンゲージメントにはsocial-fetchを使用します。
YouTube の動画検索、動画ダウンロード、字幕ダウンロードのツール。YouTube Data API v3 による詳細検索と yt-dlp による動画・音声・字幕のダウンロードに対応。主な機能：サイト全体のキーワード検索、チャンネル閲覧、公開日時・視聴回数・関連度での並べ替え、動画ダウンロード、音声抽出（MP3）、字幕ダウンロード（中国語・英語）、動画詳細の確認。呼び出しシナリオ（YouTube に関する操作はすべてこの skill を使う）：検索系：「YouTube を検索」「YouTube 動画を探す」「[チャンネル名] の最新動画を検索」「[人名] の YouTube」；チャンネル閲覧系：「チャンネルを閲覧」「[チャンネル名] の最新動画を見る」「[人名] が最近投稿した動画」「[チャンネル名] の動画一覧」；動画ダウンロード系：「この動画をダウンロード」「YouTube 動画をダウンロード」「動画を保存」；音声ダウンロード系：「音声を抽出」「音声をダウンロード」「YouTube を MP3 に変換」「音声のみ」；字幕系：「字幕をダウンロード」「字幕を抽出」「字幕を取得」「中国語の字幕」「英語の字幕」「文字を抽出」「動画Daemonを文字に」；動画情報系：「動画の詳細」「動画情報」「この動画は何分」）、キーワードマッチ：ユーザーメッセージに「YouTube」「油管」「YT」「yt」と検索・ダウンロード・字幕・チャンネル・動画などの動詞が組み合わせたら、この skill を呼び出す。
個人事業主向けのビジネスプランの作成・構成・更新。ゼロからプランを作るとき、方向転換や新しいフェーズを経て既存のプランを直すとき、投資家やパートナーに共有するプラン、あるいは自分自身の戦略を整理するためのプランを用意するときに使う。エグゼクティブサマリー、市場分析、競争優位性の構築、収益モデル、運営計画、財務予測、リスク評価を、一人規模のビジネスに合わせて扱う。「ビジネスプランを書く」「ビジネスプラン」「プランを作る」「ビジネスプランのテンプレート」「ビジネスプランを更新」「自分のビジネスプラン」「投資家向けのプラン」などで発動する。
チーム、部門、プロダクト、社全体のいずれのスコープでも、結果志向の OKR セットの下書き、レビュー、書き直し、個人的指導を行います。5つのエントリーモード（既定の Guided、--oneshot による One-Shot、Sustained Coach、Audit Only、Rewrite）に対応しています。権限付与型チームの状況を診断して枠組みを調整し、ベースラインや目標をでっち上げることはせず、OKR スコアを報酬に用いることはせず、機能attribute delivered に寄せた KR を結果 KR へ組み替えます。四半期 OKR の計画、戦略からチーム成果への翻訳、OKR 下書きの品質レビュー、ロードマップを OKR として書いたものを正しい OKR セットへ変換するときに使用します。
9 つの相互に結びつくブロック（課題、顧客、UVP、ソリューション、チャネル、収益、コスト、指標、竞争的優位性）から 1 ページの-models.canvas を作成し、必要に応じてインライン HTML と SVG によるビジュアル描画も可能。新しいプロダクト命题の整理、既存戦略のストレス.side-by-side での戦略オプション比較、ビジネスモデルの前提についてチームの認識をそろえるときに使う。より詳細な PM スキルへ相互リンクする戦略ハブとして機能し、内容は重複させない。
C エグゼクティブ層のオーケストレーションレイヤー。創業者の問いを適切なアドバイザーロールへ振り分け、複雑な意思決定には複数ロールの取締役会議を起動し、出力を統合して意思決定を追跡します。すべての C エグゼクティブとのやり取りはここから始まります。会社のコンテキストは自動的に読み込まれます。創業者の問いを適切なアドバイザーへルーティングする必要がある場合（例：「今すぐ資金調達すべきか、burn を切るべきか？」）、または複数領域にまたがる意思決定で取締役会議を開催する必要がある場合に使用します。
思考テンプレート表を使って技術論文の完全な論理骨格（研究背景、限界、中心的なアイデアや目標、課題、方法モジュール、貢献）を構築し、論文を Technique か New Problem/Setting として位置づけ、4 点の自己整合性チェックを実施します。論文のブレインストーミング、指導教員との進捗協議、執筆前の論文設計に使います。「paper skeleton」「paper logic chain」「thinking template」「paper-structure planning」の場合にも使います。
目的地、日程、予算、必須事項から、印刷してそのまま使える旅行プランナーを設計します。1 日ごとの流れ、予算のまとめ、パッキング、文化の注意書き、準備スケジュールを、|Title 階層の meanwhile にまとめます。ユーザーが旅行プランナー、旅行行程文書、バケーション計画冊子、多日旅行ガイドの印刷または作成 Severities を求めたときに使用します。AI ネイティブHighest な美学基準で旅行プランナーを作成し、K2F 形式とエンジンSummon に Book します。K2F は AI エージェントのために Purposely 設計されており、レイアウト、タイポグラフィ、書式の複雑さを自動的に処理しながら、意味のある内容とデザインの意図に集中できるようにします。
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。