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 97,501 件掲載。コマンド 1 行でインストールできます。
テスト・品質
TDD の git-worktree ワークフローを通じて機能開発やバグ修正をエンドツーエンドで行う — 対話的（開発者主導）または無人（自律モード、ディスパッチャー駆動）。「implement issue #N」「fix this bug」「add a feature」「create a worktree」「write test cases」「push and open a PR」「check CI」「address review comments」「resolve review threads」「/q review」「/codex review」「implement this autonomously」などのフレーズ、または設計 → worktree → テスト → 実装 → 検証 → レビュー → PR → CI → E2E ライフサイクルの任意の部分ステップで起動する。対話モードでは意思決定を求め、自律モードでは autonomous-mode.md に従って意思決定し、GitHub issue に進捗コメントを投稿する。
エンドツーエンドの PR レビューを実施し、承認 / 変更要求の判定に到達するために使用する — 受け入れ基準の検証、ブラウザ自動化による E2E テストの実行、マージコンフリクトの解消、（判定が通った場合の）PR のマージを含む。「review this PR」「decide whether to approve and merge」「run E2E verification」「resolve merge conflicts on PR #N」などのフレーズ、またはディスパッチャーが `pending-review` / `reviewing` のラベルが付いた PR を自律レビューに引き渡したときに起動する。開発中の開発側セルフレビュー（autonomous-dev の pr-review ステップにある）とは異なる。
動作を伴うアクセシビリティ自動化（レンダリングされたページを操作するテスト——ビューポートのリサイズ、実際のキー入力、スクリーンショットの取得と比較——であり、静的マークアップや単一の計算済みアクセシビリティツリーの検査にとどまらないもの）を書く、レビューする、解釈するときにこのスキルを読み込みます。リフローリスク（SC 1.4.10）とフォーカス可視リスク（SC 2.4.7）のチェックを扱います。指標の結果は必ず確認済みの失敗とは別に報告してください。いかなる場合も、問題のない動作スキャンを WCAG 準拠と見なしたり、`cantTell`／テストエラー／指標の結果を単一の合否シグナルにまとめたりしないでください。
任意の CawPlan Ticket（アンカー）+ Version に対して、Ticket スコープの QA Report（PROGRESS または COMPLETION）を生成して upsert する: アンカー相対のサブツリー/リレーション/実行データを収集し、結果ルールを適用し、ticket-qa-report.1 テンプレートをレンダリングし、既存の Portal の qa_report POST/PUT で永続化する。使用場面: SQA がチケットとバージョン（Story、要件サブチケット、または BUGFIX）のテスト進捗または完了 QA レポートを求めたとき。既存の紐付いたレポートを再公開/更新する。関連/ブロッキングチケットをレポート範囲に含める。非対象: Version Quality Report や AQA 自動化のロールアップ。リリースリスク評価（A5 を別途使用）。ケースのインポート（A1）、プランレイアウト（A2）、不具合起票（A4）。V1 ゼロ BE: Agent 側の upsert、おおよそのカバレッジ、アンカー相対のサブツリー深さ ≤ 3。
Go のパフォーマンス分析の専門家。CPU/メモリの性能ボトルネックを分析し、高性能なコーディングの助言を提供し、GC/アロケータ/コンパイラ/キャッシュの性能を最適化する。benchmark、pprof、escape analysis、コンパイラ最適化（BCE/インライン化）、並行性能、メモリレイアウト、CPU キャッシュフレンドリー、データ駆動の最適化手法、Go バージョン間の性能差を扱う。トリガーワード: Go 性能、benchmark、pprof、メモリ割り当て、エスケープ解析、コンパイラ最適化、インライン化、BCE、bounds check、CPU キャッシュ、cache line、false sharing、sync.Pool、GC 最適化、GOGC、コンパイラ最適化、性能分析、pprof 分析、benchstat、割り当て最適化、スタック vs ヒープ、文字列連結の性能、slice の事前割り当て、struct レイアウト最適化、並行性能、Go performance、profile、escape analysis、最適化の提案。
CodeceptJS 3.x プロジェクトを 4.x に移行する。`package.json` で `codeceptjs` が 3.x に固定されている、または `\"type\": \"module\"` が欠けているときに発火する。テストファイルが CodeceptJS API に対して依然として CommonJS（`require()` / `module.exports`）を使用しているとき、設定が削除されたヘルパー（`Nightmare`、`Protractor`、`TestCafe`、`AI`、`SoftExpectHelper`、`Mochawesome`）や削除されたプラグイン（`autoLogin`、`tryTo`、`retryTo`、`eachElement`、`commentStep`、`fakerTransform`、`enhancedRetryFailedStep`、`allure`、`htmlReporter`、`wdio`、`selenoid`、`screenshotOnFail`、`pauseOnFail`、`stepByStepReport`）を参照しているとき、または 3.x API（`ai.request` 関数、`seeResponseMatchesJsonSchema` の Joi スキーマ、`restart: 'browser'`、`I.retry()`、`I.limitTime()`、Playwright の `customLocators`）を使用しているときにも発火する。
"まだ利用者がいるコード" が本当に存在し続ける必要があるかを監査する。重点は wrapper/facade、互換レイヤー、古い公開 API、防御的な分岐、fallback、デフォルト値、設定、重複したソース、仮想的な拡張ポイント。使われているが必要性が乏しいコード、レガシー互換のクリーンアップ、無意味なラッパー、防御コードの削除、互換要件のないクリーンアップ、深い必要性チェック、"これってまだ必要？" といったリクエストに用いる。純粋な unused/dead-code の証明ツールとして使わないこと。
複雑な OpenAPI 仕様を解析し、そこから Drift テストケースを生成する。ユーザーが OpenAPI 仕様から Drift テストを生成、作成、またはスキャフォールドしたい場合に使用する。特に仕様に複雑なスキーマ（anyOf/oneOf/allOf、discriminator、ポリモーフィズム、継承、$ref チェーン、正規表現パターン、enum、任意フィールド）が含まれる場合に適する。ユーザーが "create tests for an endpoint"、"cover all response variants"、"generate test cases from the spec" と依頼する場合、または "each viable combination of responses" のような発言をする場合に使用する。ユーザーが複雑なスキーマフィールドに有効な値を理解しようとしている場合、または仕様のパスを貼り付けてどのテストを書くべきか尋ねる場合に使用する。
Riverpod の provider と widget をテストする。ProviderContainer.test、ユニットテスト、ProviderScope を使った widget テスト、tester.container()、overrides によるモック、自動破棄のための container.listen、.future の await を扱う。Riverpod コードのユニットテストや widget テストの作成、provider のモック、overrides を使ったテストの際に使用する。ユーザーが Riverpod のテスト、provider のモック、テストでの ProviderContainer について尋ねたときにこのスキルを使用する。
ドキュメント間の整合性を監査する: docs ↔ roadmap ↔ code ↔ fix index ↔ issues。ドリフトを検出する——docs/ にあるが roadmap にない機能（またはその逆）、すでにマージ/クローズされた fix-index エントリ、壊れた documentation-map リンク、依存関係の循環、言語が誤った成果物、命名規則違反——そして重大度順にランク付けして報告し、依頼があれば低リスクの項目のみ修正する。モデル非依存: このスキルはエージェントセッションがすでに使用しているモデルと effort をそのまま継承する。トリガー: "check doc consistency"、"are the docs in sync"、"audit the docs"、"doc coherence review"、"did the docs drift"、"validate the roadmap"。
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。