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。
テスト・品質
PHP 特有のシンクと落とし穴のカタログを用いて、PHP Web アプリケーションのソースにある重大な脆弱性を監査する——unserialize と phar:// POP チェーンによるオブジェクトインジェクション、型ジャグリングとマジックハッシュによる認証バイパス、php:// および phar:// ラッパー経由の LFI/RFI、動的 include と extract()／スーパーグローバルへの信頼、文字列連結およびレガシーな mysql_* クエリにおける SQL インジェクション、コマンド実行シンク、SSRF。PHP コードベース、WordPress/Magento/Laravel アプリ、またはプラグインの悪用可能なバグをレビューする場合に使用。一般的な監査方法論は auditing-code-for-vulnerabilities に委ねる。
プロジェクトのウェアハウステーブルと保存済みクエリビューに対してデータ品質チェック（dbt-test スタイルのアサーション）を追加・実行し、HogQL カタログメトリクスも扱います。非 null、一意性、許容値、参照整合性、行数の範囲、鮮度、カスタム HogQL に対応します。メトリクスはカスタム SQL チェックのみをサポートします。モデルのテスト、ビューの検証、null や重複の確認、データ品質チェックの追加、数値がおかしい原因の調査、分析で使う前にウェアハウステーブルが信頼できるかの判断を求められたときに使用します。データが*何を意味する*か（メトリクス、認定、結合）を記述する場合は、代わりに setting-up-data-catalog を参照してください。トリガー用語：データ品質、データテスト、dbt test、非 null チェック、一意性チェック、鮮度チェック、参照整合性、行数チェック、モデルの検証、このテーブルは信頼できるか。
フラグが付いた本番の通話ログのセットを、Cekura エージェントの評価者シナリオに変換する — 失敗を再現可能なモードにクラスタリングし、クラスターごとに 1 つのシナリオを作成する。ユーザーが「create scenarios from failed calls」「build evaluators for prod failures」「turn call logs into scenarios」「simulate the failures we saw in prod」「replay these bad calls as tests」「regression-test the agent on prod issues」と言ったとき、またはエージェントを強化するためにフラグ付き通話 ID のセットを渡してきたときに使用。フラグ付きのセットは通常 `cekura-flag-call-log-failures` から得られる。ユーザーがまだトリアージしていない場合は、先にそのスキルを実行すること。このスキルはフラグ付き通話を所与のものとして扱い — 再マイニングや再トリアージは行わない — 失敗モードでクラスタリングし、クラスターごとに 1 つのシナリオを起草し、任意で scenarios API（または call-logs → scenarios エンドポイント）経由で作成する。単一呼び出しのファストパスにも対応：1 つの通話ログ ID（または observe URL）が与えられた場合、その通話だけを 1 つの評価者シナリオとして再現する。
ABAP コードが Clean ABAP の原則に準拠しているか確認する。ユーザーが ABAP コードのクリーンコード準拠、コード品質、ベストプラクティス、Clean ABAP ガイドラインへの準拠について確認、検証、レビュー、または分析を求めた場合にこのスキルを使用する。トリガーには「check this ABAP code」「is this clean ABAP」「review my ABAP for clean code」「validate ABAP against clean code principles」「analyze ABAP code quality」などのリクエストが含まれる。
あらゆるコード変更に規律あるエンジニアリングワークフローを適用する。機能の実装、バグ修正、リファクタリングの際、コードを書く前（後ではなく）に使用する。orient → baseline → smallest change → test → verify → self-review の流れで進め、言語に依存しない厳格なゲート（大規模な再フォーマットを行わない、リンターと型チェッカーをクリーンに保つ、ビルドとテストをグリーンに保つ、インターフェース変更は追加的にする、セキュリティ不変条件を保護する）を徹底する。
GitHub プルリクエストを ChatGPT Codex のオンライン PR レビューを通してクリーンなマージまで導く。レビューをトリガーし、判定（指摘ありかクリーンか）をポーリングし、各指摘をローカル検証付きで修正し、同一 commit で 2 回連続のクリーンレビューの後にのみマージする。Codex のレビューコメントに対して PR を反復する場合や、「run the Codex review loop」「handle Codex review findings」「get this PR clean and merge it」と依頼された場合に使用する。前提条件：リポジトリで ChatGPT Codex の GitHub 統合が有効（bot: chatgpt-codex-connector[bot]）であること。さらに `gh`（認証済み）と `jq` が必要。
ユーザーが "copilot review"、"review with copilot"、"delegate to copilot"、"have copilot fix this"、"copilot agent task"、"set up copilot"、"generate copilot instructions"、"bootstrap copilot for this repo" と言うとき、または `/copilot` を呼び出すときに使用。3 つのモード：`review`（PR に対してコードレビューを実行し、インラインの `@copilot fix this` コメントで修正を Copilot にルーティングする）、`delegate`（`gh agent-task` を作成し、コーディングエージェントが PR を開くまでポーリングし、任意でレビューに引き継ぐ）、`setup`（`.github/copilot-instructions.md` と役割ごとの `.github/instructions/*.instructions.md` ファイルを書き込む一度限りのブートストラップ）。`review` と `delegate` は日常的な操作で、`setup` は一度限りのリポジトリブートストラップであり、ユーザーが明示的に要求したときのみ `references/setup.md` からオンデマンドで読み込まれる。通常の GitHub PR 作業には使わない——それは `/gh` の役割。
5 つの SDK（web/posthog-js、iOS、Android、Flutter、React Native）すべてにおける PostHog Surveys の設定と回答を診断する。Surveys のサポートチケットが貼り付けられたとき（"survey not showing"、"fewer responses than expected"、"responses disappeared"、"responses are incomplete"、"only the first question was answered"、"the user says they didn't mean to submit"、"survey shows on wrong platform"）、または survey が表示される／されない理由を診断するときに使用する。適格性パイプライン、回答が実際にどのように保存されるか（部分回答、分岐、任意質問、自動送信）、SDK 間の機能差、既知原因カタログ、読み取り専用の診断クエリ、スタッフのアクセス、顧客返信のスタイルガイドを扱う。
クライアントから Flow Builder のフローが本番運用の準備ができているか尋ねられた場合、監査や確認を求められた場合、または「トリガー、商品、変数など、何か忘れていないか？」「公開できる状態か？」「ペイウォール／フローを確認して」といった質問をされた場合に使用します。「このフローを有料ユーザーに公開しても安全か」という1つの問いに、判定と重要度順の指摘で回答します。読み取り専用で、フローへの書き込みは行いません。書き込みを担う `flow-generator`、コンバージョンに関する助言を担う `paywall-teardown` を補完します。
GitHub Actions CI/CD。ワークフロー、ジョブ、デプロイを扱う。ビルド、テスト、デプロイの自動化に使用する。使用する場合：ユーザーが "github actions"、"workflow"、"ci/cd"、".github/workflows"、"actions/checkout"、"github workflow" に言及した場合、"automate tests"、"deploy on push"、"build pipeline"、"ci pipeline"、"continuous integration"、"github automation" について尋ねた場合。使用しない場合：GitLab CI/CD — 構文と機能が異なる、Jenkins パイプライン — 別のツール、コンテナオーケストレーション — `docker` または `kubernetes` スキルを使用、ローカルビルド — ワークフローは GitHub ランナー上で実行される。
特定の CI 失敗を調査し、結論を出す：誰の責任か、どの commit か、誰が書いたか、修正済みかどうか。"who broke master"、"why did this test fail in CI"、"is this failure my PR's fault or everyone's"、"is this test flaky or actually broken"、"when did this failure start" に使用する。engineering_analytics ウェアハウスビュー（engineering_analytics_ci_failures、engineering_analytics_ci_job_history）と CI 失敗ログを基に作業する。集計された CI 健全性、コスト、マージのボトルネックには使用しない（diagnosing-ci-and-merge-bottlenecks を使用）。保存されたインサイトの構築にも使用しない（turning-engineering-analytics-into-insights を使用）。
「Layered Design for Ruby on Rails Applications」のレイヤードアーキテクチャ原則に基づいて、Rails コードを作成、リファクタリング、レビューします。適切なパターンを適用してレイヤー違反を防ぐため、モデル、コントローラー、サービス、ジョブ、メーラー、ポリシー、フォーム、クエリーオブジェクト、プレゼンター、ビューコンポーネント、ステートマシン、シリアライザー、AI/LLM 機能などの Rails コードを作成またはリファクタリングするときに使用します。また、Rails コード、PR、差分におけるレイヤー違反、肥大化したコントローラー/モデル、貧血モデル、コールバックの誤用、ゴッドオブジェクト、仕様テストの失敗をレビューするときにも使用します。「レイヤードデザイン」「アーキテクチャレイヤー」「抽象化レイヤー」「仕様テスト」「レイヤー違反」「肥大化したコントローラー/モデル」「ゴッドオブジェクト」「貧血モデル」「サービス/コールバック/ポリシー/Concern の抽出」「サービスオブジェクト」「フォーム/ポリシー/クエリー/値オブジェクト」「プレゼンター」「ビューコンポーネント」「ステートマシン」「Active Delivery」「コールバックスコアリング」「Rails のリファクタリング/レビュー」「Rails のパターン/ベストプラクティス」「archspec」「アーキテクチャリンター/適用」などで起動します。
Very Good CLI の packages_check_licenses MCP ツールを使って Dart および Flutter パッケージ依存のライセンスを監査し、非準拠または不明なライセンスを指摘し、コンプライアンス概要レポートを作成する。ユーザーが「check licenses」「license audit」「check dependency licenses」「license compliance」「review package licenses」「are our dependencies compliant」「scan for license issues」「pre-release license check」と言ったときに使用。特に、スキャンなしでコンプライアンスの判定を求めるリクエスト、たとえば「read the licenses off this pubspec」「confirm we're compliant」「just tell me if these packages are safe to ship」「I'd rather not run anything」「which of these are GPL」の場合に使用する。依存リストだけからコンプライアンスを認定することを拒否するのが、このスキルが扱う判断だからである。貼り付けられた pubspec はトリガーであり、監査の代替ではない。
ユーザーがモデル性能の評価、検証、比較、説明、デバッグを求めたときに使用するこのスキル。以下の場合に積極的に有効化する：(1) 分類、回帰、ランキング、NLP、CV、推薦、予測、生成 AI の指標選択、(2) 訓練/検証/テスト分割、交差検証、グループ化または時系列の検証、(3) 混同行列、ROC/PR 曲線、キャリブレーション、閾値、誤差分析、(4) アブレーション研究、統計的有意性、信頼区間、bootstrap 検定、(5) バイアス、公平性、説明可能性、ロバスト性、リーク検出。提供：厳密な評価方法論と本番投入前のチェック。
Node/TS/React 向けの単体テストと統合テストの基盤を構築する——明示的な設定を伴う Vitest または node:test、Jest から Vitest への移行、CI を失敗させる v8 カバレッジゲート、React Testing Library、モックの規律、フレーキーテストのトリアージ。ユーザーがテストのセットアップ、カバレッジしきい値の追加、テストランナーの選択、あるいは不安定なセットアップの修正を求めた場合に使用する。E2E ブラウザスイート、lint ルール、CI ワークフローには使用しない。
ステージ済みの変更、ブランチ、PR、ファイルセットに対する新しいコンテキストでのレビュー。新しいレビュアーに委任し、--model を介して外部 CLI（Copilot、Codex）にルーティングする。次の場合に使用する：ユーザーが「peer review」（「peer review PR 5」「peer review staged」）、「fresh review」、「another set of eyes」、「sanity check」、「quick review before I push」、「review with Copilot」、「review using Codex」と言ったとき。単なる「review」フレーズ（「review my changes」「review PR N」「review staged」）ではトリガーしない——それらは code-review にルーティングされる。
業界の R&D、AI、ML、アナリティクス、LLM、銀行、フィンテック、エンタープライズ向けソリューションのための実用的なパイロットと評価プロトコルを設計する。ユーザーに提案手法やソリューションの方向性があり、オフラインテスト、バックテスト、人手評価、A/B テスト、ベースライン、メトリクス、アブレーション、ガードレール、go/no-go 判断でそれを検証する必要があるときに使用する。特に publication-grounded-solution-design や industry-problem-framing の後に使用する。
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。