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 96,770 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
GrowthBook のフィーチャーフラグのドラフトリビジョンに対して承認レビューをリクエストまたは送信する。ユーザーが "request review for this draft"、"approve this change"、"reject this draft"、"request changes on revision X"、"I want to review flag Y's pending draft"、"submit my approval"、"mark this as needing changes"、"who needs to approve this"、"check the review status" と言ったときに使用する。ドラフトの作成と編集には、該当する flag-* 書き込みスキルを使用する。承認済みドラフトの公開やマージコンフリクトの解決には flag-publish を使用する。フラグ全体の保留中ドラフトを一覧表示するには flag-revisions を使用する。
React、Next.js App Router、TypeScript、Tailwind CSS、shadcn/ui、TanStack Query、およびフロントエンド UI コードをレビューします。PR、ブランチ、差分、ページ、コンポーネント、フック、Server Action、ルートハンドラー、API クライアントのレビュー、フロントエンドの動作のデバッグ、本番運用への準備状況の評価、実行時バグ、クライアント／サーバー境界、データ取得、セキュリティ、アクセシビリティ、UX 状態、レスポンシブレイアウト、パフォーマンス、SEO メタデータ、i18n、保守性の確認に使用します。
GitHub リポジトリのセットアップを自動化する: 実運用で検証済みの GitHub Actions ワークフローテンプレート 12 個（React/Vite、Node マトリックステスト、Python、Cloudflare Workers デプロイ、基本 CI）、YAML の issue テンプレートと pull request テンプレート 4 個、Dependabot 設定、CodeQL セキュリティスキャン、ブランチ保護、CODEOWNERS。ワークフロー YAML の構文とインデント、action のバージョン固定、runner バージョン、issue テンプレートの構造、Dependabot の PR 上限、security-events: write などの CodeQL 権限に関する 18 個の既知エラーを防ぐ。使用場面: 新しいリポジトリの立ち上げ、CI/CD パイプラインの追加、issue または PR テンプレートの作成、Dependabot や CodeQL スキャンの有効化、GitHub Actions から Cloudflare Workers へのデプロイ、GitHub Actions ワークフロー YAML の構文エラーの修正。
GraphQL schema の設計とレビュー。使用場面：新しい GraphQL schema の変更（型、ミューテーション、クエリ、コネクション、enum、エラー）を設計するとき、schema の差分をレビューするとき、schema の進化を計画するとき、または null 許容性と命名を監査するとき。トリガー：'graphql schema design'、'design a mutation'、'design a query'、'design a type'、'new type'、'new mutation'、'review schema'、'review schema diff'、'schema review'、'schema evolution'、'audit the schema'、'/graphql-schema-design'。
確立されたヒューリスティック（Nielsen の 10 項目、Shneiderman の 8 項目、またはカスタム評価基準）を用いた体系的なユーザビリティ評価。UI デザイン、スクリーンショット、プロトタイプ、または稼働中のプロダクトのユーザビリティ問題をレビューする際に使用する。トリガーは「review this design」「what's wrong with this UI」「usability check」「evaluate this interface」、またはユーザーがスクリーンショットやモックアップを共有してフィードバックを求めたとき。
Light 科研主线 stage 6：固定済みの question/estimand、experiment matrix、pre-registration、data lineage を、最小限で実行可能、テストファースト、リークがなく再現可能で、result-analysis に引き継げる実験コードに落とし込みます。トレーニング／前処理／評価の実装や再現、gold/property/metamorphic テストの設計、Python/NumPy/フレームワーク/CUDA/DataLoader の乱数制御、train/test または CV fit のリーク確認、config/code/environment/input hashes、stdout/stderr、raw metrics、patient/entity predictions、failure artifacts の記録、stage-6 checkpoint の実行に使用します。データリークや再現不能は重大な問題です。静的スキャンや同じ seed での2回の実行だけでは、ハードウェアをまたぐ絶対的な再現性は証明できません。
本番環境で大規模にプロンプトを管理する際に使用する：プロンプトのバージョン管理、プロンプトの A/B テスト実行、プロンプトレジストリの構築、プロンプトのリグレッション防止、本番 AI 機能向けの評価パイプライン作成など。トリガー：'manage prompts in production'、'prompt versioning'、'prompt regression'、'prompt A/B test'、'prompt registry'、'eval pipeline'。個々のプロンプトの作成や改善には使用しない（senior-prompt-engineer を使用）。RAG パイプライン設計には使用しない（rag-architect を使用）。LLM のコスト削減には使用しない（llm-cost-optimizer を使用）。
本番コードベース向けの Rails 8.x アプリケーションのアーキテクチャ、実装、レビューのガイダンス。モデル、コントローラー、ルーティング、Hotwire、ジョブ、API、パフォーマンス、セキュリティ、テストにわたって Ruby on Rails 8 の機能を構築またはレビューするときに使用する。Rails 8、Active Record、Active Job、GoodJob、Solid Queue、Turbo/Stimulus、REST リソース、マイグレーション、コード品質、命名、本番 readiness に言及するリクエストで発動する。
動作するコードの挙動を変えずに構造を改善する。重複の抽出、複雑な関数の分割、デッドコードの削除、マジックナンバーの置き換え、誤解を招く名前の修正、言語のイディオムへのモダナイズを行い、各ステップをテストで検証する。ビルドファイルからスタックを検出し、プロジェクト自身のリンター（detekt/ktlint、dart analyze、SwiftLint、cargo clippy、clang-tidy）を活用する。誰かが「これをリファクタリングして」「これをきれいにして」「この関数は長すぎる」「ここにコピペが多い」「デッドコードを削除して」「これを簡素化して」「もっとイディオム的にして」「複雑さを減らして」と言ったとき、またはハンガリー語の「refaktoráld ezt」「tisztítsd meg ezt a kódot」「túl bonyolult ez a függvény」「sok itt a duplikáció」と言ったときに使用。これは code-analyzer の検出に対応する適用側である。あのスキルはプロジェクト全体の問題を見つけ、このスキルは変更を加える。バグやクラッシュの修正（それは error-debugging）や、リファクタリングに必要なテストの作成（それは test-generation）には使用しない。
完成したユーザーリサーチの先行研究成果物を、受理する前に判定する場合に使用する — リサーチ語彙マップ、角度ごとの検索出力、抽出コンテナ、またはエビデンス登録簿とレポート。作成ではなく受理ゲートである。単一ソースの基準で判定する：記録されたゼロは到達不能なソースと区別できる；主張はその手法が測定できる範囲にとどまる；記録された事実はソースと一致する；転用可能性は比較考量可能な理由を伴い、決して確実性に折り込まれない；数値はソース自身のものである；同一コンテナ内の所見は真に別個である；母集団とプラットフォームはプロジェクトではなく研究を記述する；収束は独立したソース間でのものである；確実性は決して平均化されない；不在は検索結果として表現される。薄くても誠実な結果は承認し、名指しされた未記録のギャップがある場合にのみ修正する。VERDICT: approve|revise と実行可能な所見のみを出力する。
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。