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 97,222 件掲載。コマンド 1 行でインストールできます。
生産性
普遍的な問題解決アルゴリズムとしての科学的方法 — 目標優先、複数の反証可能な仮説、設計された実験、誠実な測定。TDD から機能検証、MVP ローンチまでスケールする。USE WHEN think about, figure out, experiment, iterate, optimize, hypothesis, science, full cycle, quick diagnosis, structured investigation, how do we test, analyze results. NOT FOR 多角的なレンズによるレビュー(IterativeDepth を使用)。
Feishu のインスタントメッセージ、グループチャット、インタラクティブカード:送信、返信、転送、至急、撤回、リソースのダウンロード、チャット履歴とスレッド、Reaction/Pin、メンバー管理、イベント購読。Card JSON 2.0、テンプレート、カード参照の作成やプレビューに使用し、ブランド宣伝やテーマ風のカードにも対応。IM メッセージとそのリソースのみを扱う。セッションをまたぐキーワード検索には feishu-cli-platform を使用。メールボックスのメール、ビデオ会議の録画、Minutes や文字起こしおよびそのメディアのダウンロードには使用せず、それぞれ feishu-cli-mail、feishu-cli-meetings を使用する。
LLM を活用した個人のナレッジベースまたは wiki を構築・維持する。ユーザーが研究ノートを整理したい、セカンドブレインを構築したい、LLM コンパイル付きの Obsidian vault をセットアップしたい、論文や記事を自動で取り込みたい場合、または "personal knowledge base"、"LLM wiki"、"second brain"、"knowledge management"、"ingest papers"、"obsidian + LLM" に言及した場合にこのスキルを使用する。Karpathy Gist と 59k いいねの投稿に基づく。
構造化された文献レビュー — 先行研究の調査、研究の現状、関連研究の全体像 — を構築し、すべての主張が検証済みの参考文献を引用する。ユーザーが "literature review"、"lit review"、"survey the papers on X"、"what's the state of the art"、"synthesize prior work"、"organize these papers by theme" と言ったときに使用。兄弟 skill を組み合わせ、find-papers(キー不要の DBLP/Crossref/Semantic Scholar/arXiv)で検索し、fetch-paper で全文(合法なオープンアクセスのみ)を取得し、verify-citations で引用チェックを行う。スクリーニングしたコーパスを追跡し、セクション単位のアンカー付きで主張を抽出し、テーマ別に整理し、決定論的チェッカーで最終文書をゲートするため、引用なし、未検証、または捏造された参考文献に依拠した主張が出荷されることはない。
研究ステートメント、教育ステートメント、ダイバーシティステートメント、CV、biosketch など、学術的な昇進のためのキャリア文書の作成を支援する。戦略的ポジショニング、ナラティブの一貫性、機関との整合性を、貢献とビジョンの誠実な表現と組み合わせる。教員応募、フェローシップのステートメント、昇進パッケージ、賞の応募を書く・レビューする場合、または research statement、teaching philosophy、diversity statement、biosketch、academic CV、career narrative に言及した場合に使用する。
エンジニアリングマネージャーがナレッジサイロを解消し、持続可能なドキュメントとコラボレーションの実践を構築するのを支援する——サイロの 4 つの根本原因の診断、Engineering Guilds フレームワーク、ADR を用いた最小限のドキュメント手法、構造化されたオンボーディングモデル、チーム横断の依頼に関する意思決定フレームワークを提供する。ユーザーが "knowledge silos"、"reinventing the wheel"、"nobody reads docs"、"onboarding is bad"、"teams don't talk"、"documentation culture"、"cross-team friction"、"information doesn't flow"、"new hires struggle to ramp up" と言った場合に使用する。
ワークストリームをまたぐ企業リサーチの計画、資金調達、スコープ設定、統合を行うときに使用します — 臨床研究デザイン、研究開発プログラムの財務、市場規模の算出/調査、製品/ユーザー リサーチ。トリガーは「design this clinical study」「what sample size」「R&D budget」「burn rate」「capitalize or expense」「TAM SAM SOM」「market sizing」「survey design」「segment the market」「plan user interviews」「usability test」「synthesize research insights」。コンテキストをフォークして 4 つの Research-Operations サブスキル(clinical-research、research-finance、market-research、product-research)のいずれかにルーティングし、ダイジェストを返します。ra-qm-team(規制申請)、finance(企業決算/バリュエーション)、research/grants(資金の発見)、product-team(ペルソナ/ジャーニー/ライブ実験)、marketing-skill(キャンペーン分析)とは異なります。
ライブの Web ソースを使って市場、競合、ドメイン、技術の調査を行い、BMAD の計画判断に資する引用付き research-report.md を作成する。ユーザーが次を言う場合に使用:- "research [topic/market/technology]" - "competitive analysis" または "who are the competitors" - "market size" または "market landscape" - "technical research" または "evaluate [technology/framework]" - "domain research" または "industry analysis" - "what does the market look like" - "find out about [technology/space]" - "I need research before we plan" - "gather information on [topic]" 3 つのモードをサポート:Create(新規調査)、Update(新規ソースで既存レポートを更新)、Validate(既存レポートの主張をライブソースと照合)。出力は bmad-output/ に引用付きの research-report.md として保存され、下流の計画スキル(business-analyst、product-manager、system-architect)で利用できる。
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。
