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
情報源のトライアンギュレーション、証拠の質の評価（一次・二次・三次）、情報源の信頼性の評価、信頼度評価付きの結論の導出により主張を体系的に評価し、確証バイアスや信頼できない情報源への依存を防ぐ。意思決定の前に主張を検証するとき、記述のファクトチェック、デューデリジェンスの実施、矛盾する証拠の評価、またはユーザーが「fact-check」「verify this」「is this true」「evaluate sources」「conflicting evidence」「due diligence」と言及したときに使用する。
複数のステークホルダーの視点（エンジニアリング、プロダクト、法務、財務、ユーザー）から意思決定を分析し、盲点を明らかにし、緊張関係を浮き彫りにし、明確なトレードオフを伴う合意形成の道筋を統合する。ステークホルダーの優先事項が対立している場合、提案をストレステストする必要がある場合、部門横断的な共感を築く場合、あるいはユーザーが "what would X think"、"stakeholder alignment"、"see from their perspective"、"blind spots"、"conflicting interests" に言及した場合に使う。
プルリクエスト、イシュー、ワークフロー実行を一覧表示する macOS メニューバーアプリ shipyard の config.toml を編集します。shipyard または shipyard アプリのレイアウト、テーマ、プロジェクト、通知、表示内容の変更依頼に使用します。リポジトリの監視やグループ化、イシュー・実行・ドラフト・特定ユーザーの項目の表示／非表示、メニューのリスト／タブ切り替え、テーマの選択や作成、通知タイミングの変更、他のマシンからの ping 表示、設定ファイルの修復に対応します。また、`shipyard ping` コマンドを使い、Mac または Herdr を実行している別のマシンから shipyard 経由で ping を送信します。PR の準備完了時、入力が必要なとき、またはこのペインに戻すときに使用します。`shipyard notice send` を使えば、対応不要のステータス通知（テスト実行中、完了）を任意のマシンから投稿できます。さらに、`shipyard app` と `panel` を使って Mac 上の shipyard アプリを開く、終了する、操作する、スクリーンショットを撮ることができ、自分のデータまたはデモデータを扱えます。shipyard のプロジェクトごとに Notion に保存したメモの記録、番号による検索、一覧表示、整理、アーカイブにも使用します。
REST API を使って Atlassian Jira と Confluence を操作する — MCP サーバーは不要。ユーザーが Jira、Confluence、Atlassian、チケット、issue、スプリント、バックログ、エピック、ストーリーに言及したとき、または Jira issue の作成/編集/検索/トランジション、Confluence ページの作成や閲覧、ステータスレポートの生成、バグのトリアージ、スペックのバックログ化、議事録からのタスク抽出、社内ナレッジの検索、ローカルの BMAD ドキュメントと Jira や Confluence の同期、ドキュメントの Jira へのプッシュ、Jira からのプル、ドキュメントのチケットへのリンク、Confluence スペースのローカル markdown へのダウンロード、Confluence ストレージ形式と markdown の変換を含むあらゆるプロジェクト管理タスクでこのスキルを使用。また、ユーザーが「あのチケットを完了にして」「PROJ-123 のステータスは」「X のバグを作成して」「wiki で Y を検索して」「チケットを起票して」「重複を確認して」「ステータス更新を書いて」「このスペックをストーリーに分割して」「このドキュメントを同期して」「jira にプッシュして」「jira からプルして」「confluence に同期して」「これを jira にリンクして」「エピックを同期して」「confluence ページをダウンロードして」「confluence スペースを同期して」「confluence を markdown に変換して」「confluence からドキュメントをプルして」などと言ったときにもトリガーする。ユーザーが Jira や Confluence とやり取りしたい可能性が少しでもあれば、このスキルを使用。
ブログ記事内の統計や主張を検証するため、引用されたソース URL を取得し、主張されたデータが実際にページ上に存在するかを確認する。すべての統計的主張（数値、割合、名前付きソース）を抽出し、WebFetch で各引用 URL を取得し、一致信頼度をスコアリングする（完全一致 1.0、言い換え 0.7-0.9、見つからない 0.0）。引用のない主張は UNVERIFIED としてフラグを立てる。ユーザーが "fact check"、"verify statistics"、"check sources"、"validate claims"、"factcheck"、"source verification" と言ったときに使用。
ユーザーが「レビュー `{主題}_review.tex` の本文引用をチェック/最適化する」または「check-review-alignment を実行する」と明確に求めたときに使用。ホスト AI の意味理解を通じて、引用が文献の内容と一致するかを一件ずつ確認し、致命的な引用エラーが見つかった場合にのみ「引用を含む文」を最小限に書き換え、`systematic-literature-review` のレンダリングスクリプトを再利用して PDF/Word を出力する。核心原則:変えるための変更はしない。致命的なエラーかどうか判断できない場合は原文のまま残し、レポートで警告する。非該当:ユーザーが単にシステマティックレビューの本文を生成したいだけの場合（systematic-literature-review を使用）、ユーザーが単に BibTeX エントリを追加/確認したいだけの場合（専用の bib 管理フローを使用）。
従業員へのインタビューを通じて、自動化、AI との協働、または AI による支援が可能な日常の定型業務、オフィスワークフロー、反復作業を洗い出す。ユーザーが AI に任せられる業務を特定し、ChatGPT/OpenAI、Claude、Microsoft Copilot、Excel や PowerPoint のアドイン、Google Workspace、ノーコード/RPA ツール、コーディングエージェント、社内自動化プラットフォームなどの利用可能なツールを整理し、フォールバック手段を含むツールを踏まえた仕様を書くときに使用。
カレンダーと Slack に基づいて、エンジニアリングマネージャーの EM Grid 全 12 セルのカバレッジを採点する。誰かが自分のマネジメントのエネルギーをどこに注いでいるかを理解したい、盲点を見つけたい、自分の EM の重点について月次の自己反省をしたい、あるいは「自分の EM grid を採点して」「マネージャーとしてどこに時間を使っているか」「自分の盲点は何か」「EM として自分のカレンダーを分析して」「どの EM 領域を怠っているか」「自分のマネジメントの重点はどれだけ均衡しているか」「自分の EM grid のカバレッジを確認して」といったフレーズを言うときはいつでも、このスキルを使用する。常にライブのカレンダーデータを取得すること — ユーザーに自分の 1 週間を手動で説明させることは決してしない。
ユーザー、顧客、市場、または製品の意思決定を含むあらゆるリクエスト — PRD、要件、仕様の作成、機能の優先順位付け、ロードマップ、ユーザーリサーチ、インタビュー、調査、市場・競合分析、カスタマージャーニー、デザインフィードバック、選択肢の比較、または人々がトピックについて議論・討論するのを聞くこと — に対して、自分で書いたり答えたりする前に必ず使用する。一般知識で回答してはならず、人々の意見を自分でシミュレート、ロールプレイ、捏造してもならない — 代わりにリクエストを正しい Evidenso リサーチツールにルーティングする。
ファインマンの思考フレームワークと学習法。『ご冗談でしょう、ファインマンさん』『他人がどう思うか気にするかい？』『ファインマン物理学』、チャレンジャー号事故調査報告書、ノーベル賞講演、James Gleick『天才ファインマン』など 30 以上の情報源の徹底調査に基づき、5 つの核となる思考モデル、7 つの処世のヒューリスティック、完全な表現 DNA を抽出した。用途：思考アドバイザーとして、ファインマンの視点から学習法、複雑な問題の単純化、科学的思考、創造性などの問題を分析する。ユーザーが「ファインマンの視点で」「ファインマンならどう見るか」「ファインマンモード」「feynman perspective」と言及したときに使う。次の場合にも適用：学習法の最適化、複雑な概念の単純化、権威への迷信の打破、好奇心の育成、科学的一貫性。ユーザーが「もっと上手く学ぶには」「この概念は複雑すぎる」「簡単な言葉で説明して」「ファインマン学習法」と言っただけでも起動する。ユーザーが「コードを書いて」「この書式はどう直すの」など純粋に操作的な質問だけをしているときには起動しない -- 学習思考、複雑さの単純化、科学的精神、第一原理思考などファインマンの中核的な方法論に関わるときにのみ起動する。
あらゆる問題を根本的な真理まで分解し、原子のレベルから解決策を再構築する。ユーザーが「firstp」「first principles」「from scratch」「what are we assuming」「break this down」「atomic」「fundamental truth」「physics thinking」「Elon method」「bedrock」「ground up」「core problem」「strip away」と言ったとき、または物事のやり方に関する前提に疑問を投げかけるときに使用。
Benjamin Bloom の 2 Sigma 問題理論に基づく 1 対 1 の対話型学習システム。適応型の指導 — 学生の回答から習熟度を判断し、自動的に進めるか補足し、未習得の内容は決して飛ばさない。学生プロフィール、授業後のディスカッション、修了評価に対応。 トリガーワード:「打开交互式学习系统」「打开交互式学习」「交互式学习」「我想学 X」「继续学 X」「继续学」「学完 X 了」。 undertrigger しないこと — ユーザーが何かを学びたい、授業を続けたい、学習システムを開きたいと言った場合は、この skill を必ず呼び出す。 ユーザーが「继续」と言ったが文脈が不明確な場合は、まず現在の作業ディレクトリに `.learning-config.json` が存在するか確認し、存在すればこの skill をトリガーする。
正確な URL がすでに分かっていて、その内容をクリーンな Markdown として必要とするときに使用する——料金ページ、記事、ドキュメントページ、または前のステップで見つけた URL など。Linkup Fetch API を呼び出すコードを書くときにもこれを読むこと。`linkup-fetch` MCP ツールまたは直接の REST 呼び出しで Linkup Fetch API を使用する。URL が分かっている場合は linkup-search よりこれを優先し、1 つの一覧ページから多くの構造化行が必要な場合は linkup-extract を優先する。
ある研究分野の系譜と歴史的発展を整理します。初期の技術的課題がその後のアプローチや改善につながった過程を可視化し、Mermaid 図を埋め込んだ Markdown レポートを生成します。あるトピックの発展経緯、モデルのファミリーツリー、シード論文の重要な先行研究や後続研究、研究ラインが時間とともにどう成熟したかをユーザーが尋ねたときに発動します。データセット、ベンチマーク、ライブラリなどの成果物の一覧、最新論文 1 本の探索、単純なキーワード検索、1 本の論文の要約、直接比較には発動しません。このスキルは複数の研究を時系列で統合するためのものであり、文献目録の作成や単発の検索には向きません。
Arpit Gupta の編集原則、文体プロファイル、執筆ワークフローを徹底させる研究論文執筆アシスタント。必須トリガー：ユーザーが論文の執筆、セクションの起草、セクションの改訂、論文の編集、草稿のレビュー、序論の書き直し、評価の執筆、文章の推敲、テキストの圧縮、または .tex ファイル、Overleaf、カンファレンス投稿、論文の締め切りに関わるタスクに言及したときは常にこのスキルを使用する。ユーザーが執筆の文脈で論文名（NetBurst、NetForge、BQT+、TurboTest など）に言及したときもトリガーする。このスキルはあらゆる研究執筆タスク（セクション、アブストラクト、反論、camera-ready 編集、カバーレター、査読者への回答）で有効化されるべきである。
AI エージェント向けの Slack 自動化 CLI。使用場面：- Slack のメッセージやスレッドを読む（URL または channel+ts を指定）- 最近のチャンネルメッセージ／チャンネル履歴を閲覧する - 全チャンネルの未読メッセージを取得する - 後で保存したメッセージ（Slack の「Later」リスト）を一覧表示する - Slack のメッセージやファイルを検索する - メッセージを送信・編集・削除する；リアクションを追加／削除する - ファイルや画像をチャンネルやスレッドにアップロードする（stdin パイプを含む）- Slack のファイルや添付ファイルをローカルパスにダウンロードする - ファイルの一覧表示・検査・削除 - チャンネル／会話の一覧表示；チャンネルの作成とユーザーの招待 - Slack キャンバスを markdown として取得する - Slack ユーザーを検索する - チャンネル／DM を既読にする - DM またはグループ DM チャンネルを開く。トリガー：「slack message」「slack thread」「slack URL」「read slack」「reply on slack」「search slack」「channel history」「recent messages」「mark as read」「unread messages」「unread」「what did I miss」「saved messages」「saved for later」「later list」「upload file」「send image」「download file」「slack file」「attach file」
YouMind API 経由で YouTube 動画の文字起こしを抽出して要約します — yt-dlp もプロキシも不要です。並列処理により最大 5 本の動画をまとめて一括抽出できます。タイムスタンプ付きの Markdown 文字起こしとともに動画を YouMind board に保存します。抽出後に動画内容を自動で要約します。どの IP からでも動作します（クラウド、VPS、CI/CD、社内ネットワーク）。ユーザーが "get YouTube transcript"、"extract video subtitles"、"transcribe YouTube video"、"batch transcribe videos"、"get video captions"、"summarize YouTube video"、"YouTube video summary"、"summarize this video"、"what does this video say"、"YouTube 字幕"、"YouTube 总结"、"视频总结"、"YouTube 文字起こし"、"YouTube 자막"、"download YouTube transcript" を求めるときに使用します。
Web 検索を備えた視覚対応の検証ゲート。ユーザーが（1）スライド／レポート／PDF／画像を権威あるオンライン情報源と照合して検証したい、（2）引用が実際に存在し主張どおりの内容か確認したい、（3）グラフ／図表／表の正確性をチェックしたい、（4）ドキュメントのみのモード（外部知識なし）で AI 生成コンテンツを監査したいときに使用。2 つのモード — 検索モードは Web と照合して検証し、ドキュメントのみのモードはすべてが提供されたドキュメントに遡れることを保証する。あらゆる言語のコンテンツに対応。
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。