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
Rust のスタイル、rustfmt、Clippy、コンパイラ診断、Edition の移行、lint ポリシー、慣用的な制御フロー、エラー処理、アロケーションの挙動、本番向け Rust の慣習、および Rust API Guidelines ↔ Clippy lint のマッピングを適用・診断します。ユーザーが Rust のフォーマットや lint、警告やエラー コードの修正、edition の移行、unwrap や clone の使用のレビュー、イディオムの改善、C-* API ガイドラインのルールを強制する Clippy lint へのマッピング、CI 品質ゲートの確立を求めたときに使用します。API の形に関する判断（命名規則、型/trait 設計、モジュール構成、C-* ガイドライン全体のレビュー）は rust-api-design スキルに委ねてください。
FastAPI の依存関係とミドルウェアに関するセキュリティ監査パターンを確認します。認証依存関係、CORS 設定、TrustedHost ミドルウェアの監査に使用します。FastAPI アプリのレビュー時に積極的に使用してください。例：- ユーザー：「FastAPI のルートセキュリティを監査して」→ Depends() と Security() の使用状況を確認 - ユーザー：「FastAPI の CORS 設定を確認して」→ allow_credentials=True の場合にオリジンを検証 - ユーザー：「FastAPI のミドルウェアをレビューして」→ TrustedHost と HTTPSRedirect の設定を確認 - ユーザー：「FastAPI の API キーを保護して」→ クエリパラメーターからヘッダースキームに変更 - ユーザー：「FastAPI の落とし穴を調べて」→ starlette の統合と依存関係の順序を確認
SQA の要件入力を 5 つの構造化フィールドと表示用サマリーに分析し、Requirement を CawPlan QA Insights にアーカイブします。使用場面：ユーザーが明示的に要件の分析、要件フィールドの構造化、表示用サマリーと未解決問題リストを含む 5 フィールドのドラフト作成、QA モジュールツリーノードの推薦、Requirement のアーカイブ、または QA Insights の既存 Requirement の更新を求めた場合 — 既存の Requirement リンク/display_id、またはチケットリンク/ID と要件分析の意図（例："需求分析"、"analyze this ticket"、スクリーンショット + チケット）を含みます。メッセージが要件分析の文言を伴わない裸の CawPlan issue URL のみの場合は自動選択しないでください。その場合は `cawplan-ticket-context` を優先してコーディングセッションのチケットを読み込みます。NOT for: チケットをコーディングセッションに読み込むだけの場合、コードの作成や編集、AI 日報のアップロード、チケットの作成、テストポイントの生成。
アーカイブ済み CawPlan Requirement（要件 Markdown）から、未解決の質問一覧を含むテストポイントのカバレッジ概要を生成し、SQA の確認後にテストポイントを一括アーカイブします。使用する場面：アーカイブ済み Requirement にテストポイントまたはカバレッジ概要が必要な場合、コールドハンドオフ（Requirement のリンク、display_id、または id）、A1 アーカイブ後のホットハンドオフ（「この要件のテストポイントを生成」）、既存 Requirement へのテストポイント追加。不使用の場面：Requirements の構成やアーカイブ（`cawplan-requirement-analyze` を使用）、テストポイントを手順ごとのケースや Excel に展開（A3）、Test Suites でアーカイブ済みテストポイントやレビューを表示・編集（Web UI を使用）、未アーカイブの 5 項目ドラフトのみ（先に A1 でアーカイブ）。
ソフトウェアのコードベースを分析してアルゴリズムの計算量やパフォーマンスのボトルネックを特定し、動作を壊さない安全な最適化を提案または実装します。Codex に多数のファイルのスキャン、非効率なループ、ネストした反復、繰り返しのスキャン、コストの高いレンダリング／再計算、N+1 クエリ、回避可能な O(n^2) や O(n) の処理の調査、または O(n^2) から O(n log n) / O(n) などへの計算量削減を依頼する場合に使用します。テスト、API、出力、保守性を維持します。
単一の Figma コンポーネントまたはコンポーネントセット向けの詳細なアクセシビリティスコアカード — 状態の網羅性（default/hover/focus/disabled/error/active/loading）、フォーカスインジケーターの品質とコントラスト、色以外による状態の区別、ターゲットサイズ、アノテーションの網羅性、色覚シミュレーション（protanopia/deuteranopia/tritanopia）を、カテゴリ別の 0〜100 スコアと優先順位付きの推奨事項にまとめる。ユーザーが出荷前に 1 つのコンポーネントを検証したいときに使用：トリガーは 'audit this component'、'accessibility score for this button'、'is this component set accessible'、'check the states on this component'、'does my button have a focus state'、'color blind check'、'rate this component for a11y'、'component accessibility scorecard'。どの Figma プランでも動作する。ページ/フレーム全体を広くスキャンする場合は figma-lint-design、コード側（HTML）のチェックには figma-scan-code-accessibility を使用する。
より少なく、より明確なコードで同じ動作を実現します。リンターでは検出できない判断上の盲点（再発明、不適切な枠組み、隠れた重複、派生状態、手続き的な再構築、推測的な汎用化、防御過剰、型システムの活用不足）を扱います。コードのレビュー、リファクタリング、簡素化の際に起動します。「簡素化」と明示されていなくても、コードレビューやリファクタリング中、または「もっと短く書ける？」と尋ねられた場合にも起動します。knip/eslint/ruff/tsc を補完し、それらのツールでは見えない概念モデリング層に注目します。
アクセシビリティのバグレポートを作成、レビュー、生成するときは常にこの skill を読み込む — 自動ツールの出力、手動テスト、ユーザー報告、障害のある人とのテストのいずれによる場合も。この skill の目的は、アクセシビリティの所見を正確に報告しやすくし、実在の人物とタスクに結び付け、開発者が不要なやり取りなしに再現、理解、修正できるようにすることである。WCAG の達成基準を引用する前に、必ず障壁とそのタスクへの影響を記述すること。いかなる状況でも、障害の診断を推測したり、自動ツールの出力を適合の結論として扱ったり、レポートに機密情報や個人データを露出したりしてはならない。
アーカイブ済みのテストポイントを実行可能なテストケースに展開する。まず Markdown のタイトルと状態のプレビューを出し、必要に応じてステップを展開し、レビュー後に SQA が明示的に要求したときにチーム用 CSV をエクスポートする（読み取り専用 -- CawPlan には書き込まない）。使用場面：テストケースの生成（まずプレビュー）、Markdown プレビューでの実行可能ステップの展開、SQA の要求時の CSV エクスポート、A2 後のホットハンドオフ（「按上面的生成用例」「generate test cases from above」など）。Requirement リンク、display_id、requirement_id によるコールドハンドオフ。対象外：テストポイントのカバレッジ概要（`cawplan-testpoint-generate` を使用）、要件分析やアーカイブ（`cawplan-requirement-analyze` を使用）、Test Suites（Web UI）でのアーカイブ済みテストポイントの閲覧・編集、未アーカイブの 5 フィールドドラフトのみ（先に A1 でアーカイブする）。
`aiTrace` プラグインを有効にして CodeceptJS テストを実行した後、結果を確認する必要があるときに使用する —— 修正が維持されたかの検証、単一の失敗の調査、CI の大量失敗にまたがるエラーのクラスタリング、再実行にわたる不安定さの診断。実行が行われるたびに、他の CodeceptJS スキルから呼び出される。"what failed"、"analyse the run"、"cluster these errors"、"is it flaky"、"did the fix hold" でトリガーする。
OpenAI Codex CLI から独立したセカンドオピニオンを取得します。Claude が自分の作業をレビューするのではなく、独立したレビュアーランタイムが実際の差分をレビューします。Codex が利用可能かを確認し、対象（ブランチ、コミット、または未コミットの変更）を特定して、実際の変更内容に基づく焦点を絞った指示ファイルを作成します。ディスク読み取りサンドボックスで `codex review` を実行し、ソースに照らして指摘を検証したうえで、優先度順に要約します。シークレットや認証情報の値は指示ファイルに含めず、修正前にローカルで検証すべき候補として指摘を扱います。結果を捏造せず、問題がない場合は明確にその旨を報告します。ユーザーが Codex レビューまたはクロスレビューを明示的に依頼した場合にのみ使用します。
このスキルを使うと、どの Jetpack Compose コンポーザブルが再コンポーズされているか、その理由を特定できます。Android Studio Layout Inspector の再コンポーズカウントとスキップカウント、Android Studio Hedgehog 以降で導入されたパラメーターごとの Argument Change Reasons（Changed / Unchanged / Uncertain / Static / Unknown）、`compose-stability-analyzer` のランタイム `@TraceRecomposition` による本番に近い計測を利用します。カウントの有効化、各 Argument Change Reason を修正方法に対応付ける方法、release ビルドでの結果確認までを順を追って説明します。開発者が "this should be skipping but isn't"、"I want to see recomposition counts" と言ったとき、インスペクターの "Uncertain" や "Unknown" の意味を尋ねたとき、安定性や strong-skipping の修正が実際にエンドツーエンドで機能したかを確認したいときに使用。
Playwright（@playwright/test）、TypeScript、axe-core を使用した Web アプリケーションのアクセシビリティテストです。WCAG 2.2 AA チェック、キーボードとフォーカスのテスト、ARIA／セマンティック検証、アクセシブルネーム、フォームラベル、色のコントラスト、スクリーンリーダーのテストパターンの作成、実行、デバッグに使用します。キーワード：アクセシビリティ、WCAG、axe-core、キーボードナビゲーション、フォーカス管理、ARIA。
Karpathy の理解優先の原則を適用する — AI が構築したものを検証し、自分の理解を自分のものにし、LLM のギザギザした能力の地形を把握する。ユーザーが AI を使って何かを構築し検証が必要な場合、自分の理解を監査したい場合、LLM が信頼できる領域と信頼できない領域を知りたい場合、または「verify this」「do I actually understand this」「what can I trust the AI on」「jagged capabilities」「understanding not outsourcing」と言及したときにこのスキルを使用する。46k-like の引用投稿に基づく。
PactFlow と Pact のコントラクトテストの専門アシスタント。ユーザーが PactFlow、Pact、コントラクトテスト、コンシューマー駆動コントラクト、プロバイダー検証、can-i-deploy、pact broker、pacticipants、双方向コントラクトテスト（BDCT）、pact の公開、デプロイの記録、プロバイダーステート、コントラクトマトリックス、または PactFlow ワークスペースでの環境とバージョンの管理に言及したときはいつでもこのスキルを使用する。ユーザーが AI を使って Pact テストを生成またはレビューしたいとき、デプロイの安全性を確認したいとき、コンシューマー・プロバイダー検証がなぜ失敗したかを調査したいとき、またはコントラクトテストを CI/CD に統合したいときにもトリガーする。ユーザーが "PactFlow" と明示していなくてもトリガーする —— "safe to deploy?"、"check compatibility between services"、"consumer test"、"OpenAPI contract"、"AsyncAPI contract"、"service compatibility matrix" といったフレーズは強いシグナルである。
代表的なワークロード、Criterion、iai-callgrind、cargo-flamegraph、samply、DHAT、heap または pprof ツール、cargo-bloat、cargo-llvm-lines、ビルド時間を使用して、レイテンシ、スループット、CPU、アロケーション、メモリ、バイナリサイズ、コンパイル時間にわたって Rust のパフォーマンスを測定、プロファイル、最適化、回帰テストする。ユーザーが Rust コードの遅さ、メモリや CPU の高使用率、大きなバイナリ、ノイズの多いベンチマーク、テールレイテンシの回帰を報告した場合、またはパフォーマンス予算と証拠に基づく最適化を必要とする場合に使用。
Swift/SwiftUI コードに対して徹底的なコードレビューを行います。仕様への準拠（PR の説明 + リンクされた issue）、コード品質、アーキテクチャ、パフォーマンス、セキュリティ、Swift 6+ のベストプラクティス、.claude/CLAUDE.md のプロジェクト標準、そしてエージェントの指示の不足を示唆する反復パターンに関するメタフィードバックを含みます。PR/MR（特に AI 生成のもの）のレビュー、品質監査、元の仕様に対する検証、またはコードとそれを生み出したエージェントループの両方に対する重大度レベル付きの構造化フィードバックと改善提案を行うときに使用します。
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。