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
TMDL と PBIR の検証、リンティング、デプロイ前テスト。以下の場合に積極的に有効化する：(1) デプロイ前の TMDL 構文の検証、(2) PBIR スキーマの検証、(3) TmdlFormatException / TmdlSerializationException の早期検出、(4) Best Practice Analyzer (BPA) ルールと BPA CLI、(5) Tabular Editor BPA スクリプト、(6) PBI-Inspector / PBI-InspectorV2 / Fab Inspector、(7) PBIR JSON スキーマ検証、(8) CI でのデプロイ前検証、(9) fabric-cicd parameter.yml の検証、(10) TMDL バージョン間の破壊的変更の検出。提供：BPA ルールライブラリ、検証 CLI コマンド、検証の CI 統合、エラーカタログ（TmdlFormatException など）、デプロイ前検証のプレイブック。
クラシックな ABAP カスタムコードをより高い clean core レベル(A/B/C/D レベル)へ移行する支援。カスタムコードの適応、リリース済み API とクラシック API の置き換え候補の特定、未リリースオブジェクト用のラッパークラス生成、ATC clean core と Cloud Readiness チェック、SAP オブジェクトのチェンジログ、非互換な言語構文の処理、段階的な修正ワークフローを含む。ABAP Cloud への移行、カスタムコード移行、クラウドレディネス、clean core レベルの修正、Level D の排除、Level C の削減、未リリース API の置き換え、ラッパーパターン、ATC clean core チェック、コード適応、クラシックからクラウドへの移行、clean core 準拠についてユーザーが尋ねるときに使用。トリガーには「migrate to ABAP Cloud」「cloud readiness check」「clean core level」「eliminate Level D」「reduce Level C」「non-released API」「replace with released API」「custom code adaptation」「wrapper for non-released」「ATC clean core」「clean core migration」「changelog for SAP objects」「ABAP Cloud compatibility」が含まれる。
ユーザーが「（テスト）シナリオを生成」「評価器を生成」「評価器を作成」「eval を作成」「シナリオを作成」「テストシナリオを書く」「テストケースを設計」「自分のエージェントをテスト」「eval の網羅性を構築」「テストスイートを計画」「レッドチームテストを作成」「テストプロファイルを設定」「条件付きアクションを構成」「決定的なテストを構築」「IVR テストを設計」「音声エージェントの単体テストを書く」「回帰テストを構築」「スクリプト化されたシナリオ」「構造化された評価器」「eval を実行」と依頼したときに使用する。既存の評価器の変更——「評価器を更新」「自分の eval を改善」「これらの評価器をより厳しく」「DTMF ステップを追加」「期待される結果を修正」「これらに指標を付ける」——や、テストエージェントの話し方のデバッグ——「なぜ数字を単語として読んだのか」「数字を一文字ずつ綴らせる」「言語が違う」——にも使用する。評価器の設計とレビュー、網羅性、テストプロファイル、モックツールのデータ、条件付きアクション、レッドチーム/エッジケースの実践を扱う。
プロジェクトの技術スタックを検出し、適切なツールとパターンを有効化し、分析を実行して、インテリジェントにノイズを削減することで、Codacy の設定をプロジェクトに合わせて調整します。無関係またはノイズの多いパターンを無効化し、しきい値を調整し、分析すべきでないファイルを除外します。すべての変更の機械可読なサマリーを生成します。ユーザーが Codacy の設定、ノイズの削減、誤検知の修正、ツールやパターンの有効化/無効化、コード品質ルールの調整、警告の多さへの対処、Codacy をプロジェクトの規約に合わせることを望む場合に使用します。また、無関係な問題やうるさいリンターについて不満を述べる場合や、リポジトリで初めて Codacy をセットアップしたい場合にもトリガーします。
Go における panic、静かなデータ破損、微妙な実行時バグを防ぐ：typed-nil インターフェース、スライスのエイリアシング、変換時の整数オーバーフロー、浮動小数点の比較、ループ内の defer、API 境界での防御的コピー、ゼロ値設計。クラッシュに対するコードの堅牢化、nil 安全性のレビュー、数値型間の変換、パッケージ境界で何をコピーするかの判断を行うときに使用する。トリガー例：「nil pointer panic」「why is my error not nil」「slice aliasing」「integer overflow」「compare floats」「defer in a loop」「defensive copy」「make this crash-proof」。対象外：データ競合と goroutine のライフサイクル（go-concurrency-review）、インジェクションと認証（go-security-audit）、すでに発生した panic（go-troubleshooting）。
Life Sciences Cloud for Customer Engagement の組織の前提条件を検証する。管理者が Life Sciences Cloud をデプロイする前に、必要な設定、権限、OWD 共有ルール、機能トグルがすべて正しく構成されていることを確認する必要がある場合に使用する。ユーザープロファイル、権限セット、Life Sciences CE 設定、サーベイ、OWD、在庫、アカウントプラン、ケアプラン、Chatter、データ保護、複数通貨、州/国の選択リスト、個人アカウントをチェックする。各チェックの合否を是正手順とともに報告する。TRIGGER 条件：ユーザーが「check prerequisites」「verify org setup for Life Sciences」「LSC readiness check」「pre-requisites for Life Sciences Cloud」「validate org for LSC」と言ったとき。DO NOT TRIGGER 条件：ユーザーがこれらの設定を自動的に有効化または構成したいとき、またはユーザーが Life Sciences Cloud の完全なエンドツーエンド設定／オーケストレーションを求めたとき（それは `life-sciences-fieldsalesrep-coordinate` オーケストレーターの役割であり、このスキルは独立した前提条件チェックとしてのみ実行される）。
OpenSpec 風のエンドツーエンド Jira バグ修正ワークフロー。根本原因、動作変更、修正計画、検証、アーカイブを OpenSpec の成果物（openspec/changes/<name>/、openspec/specs/ にアーカイブ）として永続化し、チャットのコンテキストや Jira コメントだけに残さない。Jira 課題に長期的な動作契約のトレーサビリティ、チームレビュー、監査可能性が必要なときに使用する。トレーサビリティが不要な迅速な修正には使用しない — 代わりに jira-fix-workflow を使う。トリガー：「opsx-jira-fix」「OpenSpec Jira 修复」「规范化修复 Jira」「opsx修复Jira」「Jira OpenSpec 修复」「opsx自动修复Jira」「用OpenSpec修复Jira」「opsx-jira-fix-workflow」；「ai-proxy 模式」「AI 代理模式」「切换 ai-proxy」 / opsx jira fix, OpenSpec Jira fix workflow, ai-proxy mode, switch to ai-proxy.
チームが仮説をどのように検証したか（または検証する予定か）について、構造化された厳密性監査を実行する — ディスカバリー計画、実験、テスト、または「検証済み」という主張に対して。重大度別に評価した問題リストと具体的な修正案を提示し、快適な仮説を検証して最もリスクの高い仮説を避けること、検証不能な言い回し、意思決定リスクと一致しない手法の忠実性、表明された意図を行動と取り違えること、事後に設定される成功基準、ゴールポストの移動、証拠力の不足を捉える。検証/ディスカバリーのアプローチをレビューする際、または仮説検証計画の作成後の検証ステップとして使用する。
製品の意思決定またはその根拠に対して構造化された品質監査を実施する——内製/購入/廃止/再プラットフォーム化/価格設定の判断、意思決定ログ、振り返り、あるいは「X に決めたのは……だからだ」といった類のもの。深刻度で格付けし具体的な修正案を付した問題リストを生成する——結果に基づく推論（resulting）、可逆性とミスマッチな審議、未校正の自信、確証/アンカリング/フレーミング/サンクコストのバイアス、事前検死の欠如、文書化されていない推論を捉える。重大な意思決定やその記録をレビューするとき、あるいは意思決定後の検証ステップとして使用。
Java の Maven または Gradle プロジェクトから、プロジェクトに即した Rust Cargo workspace への、挙動を保持する移行を計画・実行・監査・検証する。導出された crate 境界、規模に応じたトポロジ、100% ロスレスなソーステスト/ケース移行、バイト単位で同一のテスト資産、完全なケース単位の差分同等性を含む。モジュール、パッケージ、オブジェクト、ファイル、メソッド、パラメータ、ドキュメント、サンプル、テスト、fixture/データ、依存関係の再利用、JavaBean/スクリプトプロパティ、並行性、実行時挙動、過大な Rust ファイル、テスト構成の各レベルでリポジトリを比較するとき；移行ドキュメントを作成するとき；未完了の移植を継続するとき；または workspace のドリフトを修復するときに使用。ソースを正とするインベントリ、Rust ネイティブ API、500 行の凝集性レビュー閾値と 800 行の自作ファイル遮断ライン、慣用的なユニット/統合テストの配置、厳格な未完了状態、凍結ベースライン、統合検証を強制する。
Rust のテストコードについて、単体テストのパターン、統合テストの構成、非同期テスト、モックの手法、プロパティベーステストをレビューする。Rust 2024 edition の変更点（モック向けの trait 内 async fn、#[expect] による lint 抑制、LazyLock のテストフィクスチャ、テストのアサーションに影響する一時スコープの変更）を扱う。Rust プロジェクトの _test.rs ファイル、#[cfg(test)] モジュール、テスト基盤をレビューするときに使用。tokio::test、テストフィクスチャ、アサーションのパターンを扱う。
OpenAI 互換の Responses API によるマルチモーダル UI 理解と単一ステップの計画。AIQuery/AIAssert と plan-next で UI 要素の座標を抽出する、UI アサーションを検証する、スクリーンショットを要約する、画像から次の UI アクションを決定する必要があるときに使用します。実行は外部エージェントが adb/hdc とマルチステップのループで処理します。既定では Doubao モデルを使用しますが、base URL、API key、モデル名で他のマルチモーダルプロバイダーを指定できます。
エージェント品質を閉ループで改善する——失敗シグナルを検証済みの修正に変える。トリガー："improve my agent"、"self-improving agent"、"auto-tune / iterate on my prompt"、"fix my agent from test results"——および本番呼び出しのバグ修正："fix this prod call issue"、"debug and fix call ID"、"reproduce this production bug"、"regression test before raising PR"。あらゆるスタックで動作：provider-dashboard 型エージェント（VAPI、Retell、ElevenLabs、Bland）に加え、設定が顧客自身のリポジトリ、データベース、プロンプトレジストリにあり、provider agent をデプロイ時に作成する場合やカスタム mock サーバーを使うエージェント。固定された安全不変条件（必ず失敗する再現を先に行う、アテステーション、no-prod-in-loop）+ 設定の所在と読み取り/レンダリング/適用/デプロイ/検証の方法を宣言するプロジェクト単位のケイパビリティマニフェスト。
コードの作成、編集、レビューに関するコーディング標準。言語/フレームワーク固有のルール（Next.js、NestJS、Laravel、vanilla JS/TS、NativeScript、React Native/Expo、C#/.NET、Node Express/Fastify、Cocos Creator、Vue/Nuxt、Spring Boot、Django、FastAPI、Flask、Go HTTP）に加え、すべての言語に適用される普遍的なクリーンコードルール（関数、命名、オブジェクト/データ、フォーマット、エラー処理、SOLID/KISS/DRY、普遍的な構造ルール）へルーティングする。コード変更の前に参照すること。ユーザーが「コンポーネントを書いて」「エンドポイントを追加して」「これをリファクタリングして」「この diff/PR をレビューして」「これはクリーン？」と言ったときに使用。ユーザーが明示的に「標準」を求めていない場合でも、ANY のコード作成またはレビュータスクで必ずこの skill を参照すること — すべての作成/編集/レビューは準拠しなければならない。
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。