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
omo Senpi アダプター(packages/omo-senpi、packages/senpi-task)を、実際の senpi バイナリに対して厳格に分離された環境で QA し、すべての成果物を唯一の正規のエビデンスパス .omo/evidence/omo-senpi-adapter/<slug>/ に書き込む。packages/omo-senpi/scripts/qa/ 配下のライブドライバーは独自の分離された SENPI_CODING_AGENT_DIR を作成し、呼び出し側のものを無視するため、実際の ~/.senpi/agent が書き込まれることはない。scripts/resolve-evidence-dir.mjs を同梱しており、これがエビデンスディレクトリを選ぶ唯一認められた方法である。これはトラバーサル、区切り文字、絶対パス、および local-ignore/qa-evidence のような不正なルートを拒否する。packages/omo-senpi または packages/senpi-task 配下で何かが変更されたとき、あるいは Senpi アダプター、タスク/チームエンジン、DAG、タスク RPC、スキル配信を QA、スモークテスト、検証、デバッグしたいときに使用する。トリガー:senpi qa、qa senpi、senpi-qa、test senpi adapter、verify senpi task、senpi task e2e、senpi team e2e、task dag qa、live senpi driver、senpi evidence path。
既存のTAKTワークフローとファセットを分析し、改善提案を行うスキル。ワークフローYAMLの構造検証、 ファセット間の整合性チェック、スタイルガイド準拠の確認、未使用ファセットの検出、 ルール設計の最適化提案を実施する。実行ログ(.takt/logs/*.jsonl)が存在する場合は ログベース診断分析も行い、ルール評価効率・ループホットスポット・ABORT率等を報告する。 references/taktのスタイルガイド・エンジン仕様を基準として分析する。 トリガー:「ワークフローを分析」「taktの設定を確認」「ファセットの品質チェック」 「ワークフローのレビュー」「takt analyze」「ワークフローの改善提案」 「ワークフローの整合性チェック」「taktの問題を見つけて」 「ログを分析」「実行ログの診断」「taktのログを見て」「ルール評価の統計」 「ai_fallbackの頻度」「ループの検出」
コード変更(diff、commit、MR/PR)から人手テスター向けの手動テストガイドを生成する。ユーザーが「生成测试指南」「测试指南」「人工测试指南」「测试指引」「test guide」「根据代码生成测试」「从 MR 生成测试指南」「从 PR 生成测试指南」(generate test guide / manual test guide / test guide from code / from MR / from PR)と言った場合、または diff/MR/PR のリンクを提示してテストガイドを求めた場合に起動する。
このスキルは、既存またはレガシーの ADR、とくにインポートされたもの、LLM が生成したもの、古くなったもの、一度も自己批評されていないものを監査するために使用する。"review this ADR"、"critique this ADR"、"audit our decision log"、"is this ADR any good?"、"fix this old ADR"、"rewrite this legacy ADR"、"ADR cleanup"、"ADR quality sweep"、"tighten this ADR"、"score these ADRs"、"this ADR is too long" で積極的に起動する。提供するもの:行単位の ADR 批評、冗長表現/曖昧表現/逸脱の検出、行単位の承認ワークフロー。
ユーザーが AI/Agent のセキュリティ評価、ブルーチーム演習、AI セキュリティレビュー、プロンプトインジェクションテスト、MCP/Skill/プラグイン/コードパッケージの監査、Agent ツールチェーンの悪用テストを求めたり、ペネトレーションテスト報告に似た Markdown/HTML の生成を必要としたりする場合は、必ず本 skill を使用する。本 skill は、Agent を認可されたブルーチームの視点で AI セキュリティの専門家とし、AI 製品、Agent、MCP サーバー、Skill、コードリポジトリ、AI インフラに対するセキュリティ演習を行う。ペイロードライブラリを機械的に実行するのではなく、第一原理の推論と実証されたエビデンスを優先する。スクリプトは HTTP フィンガープリント、エビデンスの集約、レポートのレンダリングなど決定的な補助タスクにのみ使用する。
有効な情報源に基づき、CodeRabbitのリポジトリレビュー方針を監査または設定します。CodeRabbitのセットアップ、設定レビュー、パスのカバレッジ、特定のプルリクエストレビューの監査に使用します。「CodeRabbitを設定」「.coderabbit.yamlを確認」「CodeRabbitをセットアップ」「CodeRabbitの設定を監査」「CodeRabbitはXをカバーしているか」で起動します。監査はデフォルトで読み取り専用とし、スキーマの妥当性、ルールの品質、レビュー完了の証拠を分けて扱います。CodeRabbit CLIレビューの実行や自動修正、プルリクエストのレビューコメント修正には使用しません。
任意のプロジェクトをオンボーディングする際に UI/UX の slop を掃除する——既存のビューをスキャンし、playwright で(before を)撮影し、hallmark にプロジェクト自体を読ませて本当に REDESIGN させる(それ自身の design.md を生成し、古い slop トークンに縛られない)。その後、slop-test の 58 gate + `/impeccable audit`/`critique` + `/qc-uiux`(シニア視点の 4 項目の判定、決定論的 `visual-qa` エンジン)に基づいて修正をループし、クリーンになるかループ予算を使い切るまで続ける。ユーザーが「slop を掃除」「プロジェクトの UI を整理」「UI を全体で標準化」「オンボーディング後に UI を掃除」「design prim」「/design-prim」と言ったときに呼び出す。
Meta VR および Horizon OS のシミュレーター作業を適切な `metavr` コマンドグループに振り分け、`metavr xrsim` で実行中の Meta XR Simulator を操作します。対象はランタイム、デバイス、入力、コンポジターのレイヤー、MP4 録画です。物理ヘッドセットではなくシミュレーション上のヘッドセットが対象の場合、`xrsim`、`ssim`、`capture`、`tapedeck` の選択時、または `metavr xrsim` コマンドが接続エラーを返した場合に使用します。シミュレーターのインストールや Unity、Unreal、ネイティブ OpenXR プロジェクトへの設定には、代わりに hz-xr-simulator-install-and-configure を使用してください。
物理デバイスなしで Meta VR および Horizon OS アプリをテストできるように、Meta XR Simulator をインストールして設定します。シミュレーターのインストール、または Unity、Unreal、ネイティブ OpenXR プロジェクトとの統合に使用します。実行中のシミュレーターの操作には hz-xr-simulator-control を使用してください。ビルド対象は Unity、Unreal、ネイティブ OpenXR です。Standard Android、Meta Spatial SDK、WebXR の作業は hz-quest-verify-first に振り分けます。
コードベース、モジュール、または現在のブランチの変更を、品質属性と設計原則(結合/凝集、レイヤリング/ヘキサゴナル準拠、関心の分離、スケーラビリティ、保守性、テスト容易性)に照らして評価する。評価付きの所見と優先順位付けされた推奨事項を含む、追跡可能な評価レポートを生成する。システムや設計を監査するために単独で呼び出すことも、別のフロー(計画時の incu-way-development、incu-way-docs、incu-way-init)から呼び出して、採用を決める前に提案された設計または既存の設計を評価することもできる。大きな変更の前、リファクタリングの判断、技術的負債と構造的リスクを明示する必要がある場合に特に重要。
訓練済みの Physical AI Studio ポリシーをシミュレーション gym でベンチマークし、成功率指標を報告する。physicalai benchmark の実行、library/configs/benchmark 配下の設定の編集、physicalai.benchmark での Benchmark クラスの追加や変更、rollout/episode/env 設定の調整、rollout 動画の録画、results.json / results.csv の解釈に使用。
Runtime へのデプロイ用に Physical AI Studio ポリシーをエクスポートおよび検証する。policy.export(...)、physicalai export コマンドライン、ONNX/OpenVINO/Torch/ExecuTorch バックエンド、エクスポートメタデータ、数値一致チェック、または Runtime が InferenceModel(...) で消費するエクスポート/ロード契約の Studio 側の作業に使用。
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。
