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
肥大化し始めたコードベースを2段階で監査・整理します。スパゲッティコード、いわゆる「koshary code」のように層が崩れ、ビジネスロジックがコントローラーにあり、同じ検証が5つのファイルに重複し、800行のファイルを誰も開きたがらない状態が対象です。第1段階では、層の崩壊、将来ずれが生じる重複、誰も読まない関数、デッドコードを優先順位付きで報告し、何も変更しません。ユーザーの承認後、第2段階で安全な順序で修正します。セキュリティ上の穴や脆弱な依存関係も確認しますが、主題ではなく後半で扱います。コードベースの監査、レビュー、整理を求められたときに使用します。「コードベースがひどい」「スパゲッティコード」「技術的負債」「保守できない」「ロジックの重複」「デッドコード」「コードのどこが悪いのか」といった発言や、セキュリティレビューの依頼にも使用します。「監査」という言葉がなくても起動します。
`@metaharness/darwin security bench`(上流の「Darwin Shield」/ADR-155)を実行します。10件の脆弱性と9件のデコイを含むコーパスでチャンピオンのセキュリティ検出ハーネスを進化させ、4つのベースライン(B0 static、B1 LLM-single-pass、B2 fixed-agent、B3 Darwin-champion)に対してTPR/FPR/patch-pass/repro/unsafeを評価します。ruflo独自のADR-155夜間セルフラーニング型セキュリティハーネスに最も近い参照実装です(PR #2417)。@metaharness/darwinがない場合は適切に機能を縮退します。
DeepSeek Harnessプラグイン、外部DSHプラグインパッケージ、またはdeepseek-harnessリポジトリのパッケージ変更に関するテストの作成やレビューに使用します。ユニットテスト、カバレッジ、実APIエンドツーエンドテスト、スナップショット、Webテスト、実際のコンポジション、ビルド成果物のスモークテストから、必要十分な最小限のレベルを選択します。Harnessのバージョン移行では、このSkillに組み込まれた7つのチェックポイントからなるテストワークフローを使用し、対象バージョンの実行環境を正確に検証します
OWASP Top 10、7 言語別の詳細スキャナー(Go、TypeScript、Python、PHP、Rust、Java、C#)、サプライチェーン分析、Infrastructure as Code のスキャン、3000 項目以上のチェックリストを網羅する、51 スキル搭載の包括的な AI セキュリティスキャンスイートです。セキュリティ監査、脆弱性の発見、PR のセキュリティスキャン、コードベースへの許可済みペネトレーションテストに使用します。完全監査では、証拠に基づくカバレッジ追跡と独立した候補検証を行います。Claude Code では /security-check を直接呼び出すと、標準の監査設定メニューが開きます。
ローカル開発とテスト用にVercel REST APIをエミュレートします。ユーザーがローカルでVercel APIエンドポイントとやり取りする場合、Vercel統合をテストする場合、プロジェクト/デプロイ/ドメインをエミュレートする場合、Vercel OAuthフローを設定する場合、環境変数を管理する場合、APIキーを作成する場合、保護のバイパスを設定する場合、Vercel Blobストレージをエミュレートする場合、または実際のVercel APIにアクセスせずにテストする場合に使用します。「Vercel API」「emulate Vercel」「mock Vercel」「test Vercel OAuth」「Vercel integration」「Vercel Blob」「local Vercel」や、ローカルVercel APIを必要とするタスクで起動します
GitHub のプルリクエストを作成し、事前検証、Conventional Commits に沿ったタイトル形式、構造化された概要の生成を行います。作成前にテスト、lint、型チェック、セキュリティの検査を並行実行します。gh CLI で feature、bugfix、refactor、hotfix の PR タイプに対応し、マイルストーンを割り当てます。オペレーターが明示的に指定した場合のみ呼び出してください。通常の `gh pr create` は通常のツールで実行します。PR の作成やコードレビューへの提出時に使用します。
/claudex-loop(旧称 /crucible。ドキュメント対応モードがこのバリエーションをカバー)に置き換えられました。明示的にこのスキルを希望する場合を除き、そちらを優先してください。継続的に更新されるドキュメントを使って、2幕構成で計画を強化します。第1幕(あなた ↔ Claude)— Claude が計画について一問ずつ徹底的に聞き、プロジェクト既存のドメインモデルと用語集(CONTEXT.md)に照らして検討し、曖昧な用語を明確にし、具体的なシナリオでストレステストを行い、コードを相互参照し、決定が固まるたびに CONTEXT.md と ADR をその場で更新します。第2幕(Claude ↔ Codex)— Claude が確定した計画を PLAN.md に記録し、OpenAI Codex が読み取り専用のサンドボックスで敵対的レビューを行います(VERDICT:APPROVED/REVISE)。Claude は承認されるか MAX_ROUNDS に達するまで、同じ Codex セッションで修正・再提出します。その後、コードを書く前にあなたが承認します。ユーザーが「/grill-with-docs-codex」「ドキュメントに照らして問い詰めた後、codex にレビューさせて」「ドメインモデルを基準にストレステストし、別のモデルにも確認させて」と言う場合や、確立された用語・ADR のあるプロジェクトで重大な機能を構築しようとしており、整合性、ドキュメント化、モデル間の妥当性確認を求めている場合に使用します。Matt Pocock の grill-with-docs(MIT)を基にしています。既に書かれたコードのレビューには使用しません(/codex:review を使用)。簡単な変更にも使用しません。
`@metaharness/darwin` のベンチスイートを管理します。`bench create <repo>` はリポジトリのテストコーパスから JSON スイートを生成し、`bench verify <suite.json>` はスイートの形式が正しいかを確認します。ベンチスイートは固定の評価コーパスであり、`harness-evolve --bench <suite.json>` はこれを基準に各バリアントを評価します。これにより、進化プロセスをリポジトリ本来のテストから切り離せます。@metaharness/darwin がない場合も適切に動作を縮退します。
Testing Libraryのパターンを使ってReactコンポーネントをテストします。クエリ(getBy/findBy/queryBy)、user-eventによる操作、非同期テスト(findByとwaitFor)、アクセシビリティテスト、APIモック用のMSW連携を扱います。Reactコンポーネントのテスト、ユーザー操作のシミュレーション、フォームのテスト、MSWによるAPI呼び出しのモック、アクセシブルなテストの作成に使用します。キーワード:testing-library、react testing library、getByRole、user-event、waitFor、MSW、screen。
Java MavenプロジェクトにGatlingのパフォーマンステストを設定する際に使用します。Gatling依存関係とGatling Mavenプラグインの追加、Javaシミュレーションの作成、gatling:testの実行、シミュレーションクラスの設定、生成されたレポートのレビューが含まれます。Gatlingパフォーマンステストの追加・適用、Gatlingシミュレーションの作成、Gatlingサポートの追加、テストのアサーションやフィーダーのレビューなどの依頼で起動します。Plinth Toolkitの一部です
包括的な TypeScript ファイル監査システム。コマンド専用スキル(自然言語によるトリガーなし)。ファイルまたはディレクトリのパスを受け取り、accelint-ts-testing、accelint-ts-best-practices、accelint-ts-performance、accelint-ts-documentation の各スキルで体系的に監査します。セッションをまたいで進捗を追跡し、変更を対話形式で承認します。分離された git worktree を使用し、競合なく並行監査を行えます。
Datadog LLM Obs のトレースまたはセッションで、ユーザーの意図が満たされたかを分類します。3 つのモードがあります。(1) session_id — RUM を含む単一の CMD+I アシスタントセッションを分類、(2) trace_id — RUM を含まない単一の LLM Obs トレースを分類、(3) ml_app — 指定された LLM アプリから複数のセッションまたはトレースを抽出して分類。既定の出力は簡潔です(判定結果 + 1 文の理由)。満足度の評価、セッション/トレースの分類、データのラベル付け、llm-obs-eval-pipeline または llm-obs-trace-rca 用のシグナル生成に使用します。
リポジトリに対して定期的な機械的メンテナンス(デッドコードの削除、不要なテストの整理、レイヤー違反の修正、重複の統合、ロジックのバグ修正や簡素化、過剰な抽象化の解消)を実行する場合に使用します。通常はスケジューラー(cron、CI のスケジュール、Agent workbench の時間トリガー)から `/cadence:maintenance-routine <archetype>` として呼び出します。1 回の呼び出しにつき archetype は 1 つです。PR を作成し、マージはしません。PR のレビューには使用しないでください(pr-review を使用)。ユーザーが直接依頼した単発のリファクタリングにも使用しません。
AI コーディングエージェント向けの、フェーズゲート方式によるエンドツーエンドの SDLC:徹底した設計インタビュー → レビュー済み仕様 → 依存関係をグラフ化したタスクボード → 安全な波状の TDD 実行 → 検証 → 収束。機能、バグ、リファクタリング、新規プロジェクト、計画のタスク分解、移行に対応します。「absolute work」、「build this end-to-end」、「plan and build」、「break this into tasks」、「grill me on this plan」、「pick up this ticket」、「run this migration」で起動します。
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。
