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
新しいテストが存在すべきかどうかを判定し、それを効率的にするよう強制し、CI を低価値なテストの肥大化から守る。pytest、Jest、Playwright テストがアサートまたはセットアップする内容への変更の前に、既存のブロックに追加される 1 つの fixture や 1 つのアサーションに至るまで使用する。価値の基準を前倒しする（すべてのテストは既存のテストが捕捉していない現実的なリグレッションを捕捉しなければならない。新しい単独のテストを書く前に最も近い既存テストを拡張する。実装の詳細ではなく公開インターフェースを通じて振る舞いをテストする。ほぼ重複するものをパラメータ化されたケースに統合する）とともに、効率の基準も前倒しする（決定的、分離、高速。最も安価なテストレベルを選ぶ。TransactionTestCase より Django TestCase。sleep なし、実際のネットワークなし。実時計に対して古びる絶対日付による時限爆弾なし。テストが決して使わないデータベースなし）。"don't write it" の決定木を含む。既存の flaky テストの修正には `/fixing-flaky-tests` を使用し、このゲートが Playwright テストを正当と判断した後は、具体的な手法について `/playwright-test` を使用する。
選択した顧客ケースのフロー、スレッド全体の証拠、アカウントと正規スレッドの照合、権限、金銭に関する承認、顧客への連絡、条件を満たす場合の任意の Trustpilot レビュー依頼ルール、操作後の再確認、送信確認、スレッド全体のアーカイブ、クローズ要件に照らして、カスタマーサポート業務を検証します。完了を報告する前に、SaaS サポートのトリアージ、アカウント／アクセスまたは未対応プラットフォームへの返信、重複または解決済みの確認、肯定的な確認後のクローズ返信、キャンセル、決済失敗によるキャンセル、返金、意図しない更新のケース、サポートの引き継ぎ、下書き、送信、アーカイブの各タスク後に使用します
体系的な 4 段階のデバッグ： (1) エラー全体を読み、再現して問題を把握する、(2) 比較対象となる動作例を探す、(3) 変更を 1 つに絞り、一度に 1 つの仮説を検証する、(4) 根本原因を修正し、テストで確認する。「3 回失敗ルール」（修正の試行が 3 回失敗したらエスカレーション）と「鉄則」（調査せずに修正しない）を含みます。テストが予期せず失敗する、エラーが発生する、動作が誤っている、以前動いていたものが壊れた、またはユーザーからバグの報告があった場合に起動します。トリガー：「debug」、「why is this failing」、「test failure」、「unexpected error」、「bug」、「broken」、「investigate this error」、「fix this bug」、「tests are failing」、「weird behavior」、「something broke」、「track down this issue」。複数のバグを体系的に調査する場合も起動します（まとめて修正せず、1 件ずつ対応）。対象外：新しいテストを一から作成する場合（tdd を使用）、一般的なコードレビュー（code-review を使用）。
Figma ノードの実際のスペックをコードスペック（コンポーネントがレンダリングする値）と比較し、0〜100 の一致スコア、差分のリスト、修正提案を取得する。デザインからコードへのドリフトを検出するために使用：トリガーは 'check design parity'、'does my code match the Figma'、'compare this component to the design'、'is my implementation faithful'、'find differences between design and code'、'verify the build matches Figma'、'design QA against code'、'parity score'。use_figma（どのプランでも可）でノードの視覚/タイポグラフィ/スペーシング/token/アクセシビリティのスペックを読み取り、提供された codeSpec と差分を取る。ネイティブの get_design_context を補完する：コードを生成するのではなく、既存のコードがデザインと同期しているかを検証する。
Apache Doris 向けの包括的な SQL 文チェックです（Doris 3.1.4 Nereids ANTLR4 grammar に基づく）。2 つのチェックモードに対応します。1. 構文チェック：キーワード検証、文構造の確認、句の完全性、Doris 固有構文との互換性（DISTRIBUTED BY、PARTITION BY、ENGINE、DUPLICATE/AGGREGATE/UNIQUE KEY、INSERT OVERWRITE、LOAD、EXPORT、MTMV、BACKUP/RESTORE など）。2. 仕様チェック：Apache Doris の開発ベストプラクティスに基づくオブジェクト設計基準、データ操作基準、命名規則。DorisLexer.g4 の 504 キーワードを含むカスタム Doris SQL tokenizer と、100 種類以上の Doris 文に対応する再帰下降パーサーを内蔵しています。Apache Doris SQL（バージョン 2.1.x / 3.0.x / 3.1.x / 4.x）の SQL 品質レビュー、構文検証、仕様準拠チェックに使用します。トリガー：「Doris SQL检查」「Doris SQL规范」「Doris SQL审计」「Doris SQL语法」「检查Doris SQL」「Doris SQL review」。
Web 上の操作過程をブラウザホスト上の証跡として記録する — WebM 動画、クリックとページ読み込みのたびにクリック位置に赤いマーカーを付けたスクリーンショット、そして steps.md のログ。動作は 2 通り — エージェントが agent-browser を通じて CDP 経由でブラウザを操作するか、人間が Playwright で起動したウィンドウをクリックしながらスクリプトが記録する。「record a web journey」「record the flow」「capture a user flow」「show me what you clicked」と依頼されたとき、またはウォークスルーに証拠としてスクリーンショットと動画が必要なときに使用する。
アシスタントとスクワッド向けの Vapi Simulations を設計、作成、実行、監視、保守します。自然言語の要件をカバレッジ計画、シミュレーションのペルソナ、シナリオ、構造化出力の成功基準、シミュレーション、スイート、既存スイートの拡張、チャットまたは音声実行、ツールモック、ターゲット変数、ライフサイクル Webhooks、リグレッションカバレッジ、ローンチ準備、CI 品質ゲート、実行結果分析、シミュレーション API の検証エラーに変換するために使用します。固定ターンのモック会話 Evals には使用しないでください。ただしユーザーが Evals と Simulations のどちらかを選択している場合を除きます。
supertest、MSW、Vitest による API テストのパターン。REST API の統合テスト、Mock Service Worker v2 による HTTP リクエストのモック、レスポンスのアサーション、スキーマ検証、テスト構成、Express、Fastify、Hono 向けのフレームワーク固有パターンを扱う。REST API の統合テストを書くとき、HTTP リクエストをモックするとき、API エンドポイントをテストするときに使用。api-test、supertest、msw、mock-service-worker、integration-test、http-mock、endpoint-test、request-test に使用。
PostHog monorepo における flaky テストの再現、根本原因の特定、修正、検証をエージェントに導く。CI で断続的に失敗するが再実行やローカルでは通過する場合、`hogli ci:insights` または debugging-ci-failures skill が失敗を flaky テストと分類した場合、flaky なジョブの GitHub Actions URL が与えられた場合、テスト、PR、master の Trunk Flaky Tests を確認するよう求められた場合、または flaky な Jest、pytest、Playwright テストの de-flake、安定化、修正を求められた場合に使用する。中核となる規律：何かを変更する前にローカルで再現し、根本原因を修正し（sleep、リトライ、より大きなタイムアウトで決して覆い隠さない）、観測された失敗率に見合った N 回実行の検証ループで修正を証明する。安定化は唯一の有効な結果ではない — この skill はテストが存在すべきかどうかも判定するため、実際には何も捕捉しないテストを削除することや、実行されるレベルが原因で flaky になるテストを再レベリングすることも、第一級の結末である。
サーバーでレンダリングされた HTML とクライアント側の React ツリーの間の不一致ゼロの整合性を保証する。ハイドレーションエラーのデバッグ、テキスト内容の不一致の修正、ブラウザ拡張機能による DOM 汚染への対処、Suspense を用いた選択的ハイドレーションの実装、React 19 の use() フックによる決定論的なサーバーからクライアントへのデータブリッジの構築、Next.js use cache によるデータドリフトの防止に使用する。ハイドレーションの不一致、SSR、hydrateRoot、suppressHydrationWarning、onRecoverableError、2 パスレンダリングに使用する。
GPU コードを Ascend NPU に移植する際の適合性レビューエキスパートです。GPU 上のコード（特に深層学習やモデル推論関連）を Huawei Ascend NPU に移植する場合は、この skill を使用して包括的にレビューします。GPU から NPU への移行のボトルネックを特定し、適合スクリプトを作成し、検証計画を生成して、完全な Markdown レビューレポートを出力します。トリガーとなるキーワードは「NPU 適合」「Ascend への移行」「GPU から NPU」「Ascend」「CANN」「モデル移行」「オペレーター適合」などです。また、GPU コードリポジトリのレビューと NPU プラットフォームへの移行依頼にも対応します。
Testing Library と Vitest を使った React コンポーネントおよびフックのテストパターンです。React コンポーネント、カスタムフック、データ取得ロジックのテスト作成に使用します。コンポーネントのレンダリングテスト、ユーザー操作のシミュレーション、非同期状態のテスト、MSW による API モック、renderHook によるフックのテスト、アクセシビリティのアサーション、スナップショットテストのガイドラインを扱います。E2E テスト（e2e-testing を使用）や TDD ワークフローの強制（tdd-workflow を使用）は対象外です。
1つの実験のスモークテストを担当します。実際の`data/`の一部で適合し、履歴バッファのない重複しないデータ区間で予測する、小規模なpytestを作成します。予測数はpredict-gridの行数と一致しなければなりません。承認済みの実験にスモークテストが必要な場合、`pytest tests/smoke/`が行数で失敗した場合、ユーザーが失敗理由を尋ねた場合、パイプライン編集の検証が必要な場合、または実験スクリプトがパイプラインの形状を変更した場合に起動します。`status.setup.pending`が空でない場合は停止して（`setup-ml-project`を読み込み）、承認済み設計または対応する実験スクリプトがない場合も停止します。その場合は説明し、セットアップへ進むか`build-ml-pipeline`を継続するよう案内します。拒否されたgitについて再度尋ねません。「Why is smoke failing?」もここで扱います。回帰テストやCVの解釈は対象外です。`skore.evaluate`は作成しないでください。使用方法：`status`を確認し、ジャーナルと実験を読み、`tests/smoke/test_NN_*.py`を作成してから`python -m skore_skills smoke run --stem <stem>`を実行します。赤いJSONは`build-ml-pipeline`でパイプラインを修正する必要があることを示します。アサーションを緩めないでください。
TS/React コンポーネントライブラリ向けに Storybook を作成、設定、拡張する際に使用します。main.ts/preview.ts の設定、CSF3 のストーリー作成、args/argTypes/controls、デコレーターとプロバイダー、MSW とモジュールのモック、Vitest addon による play-function のインタラクションテスト、@storybook/addon-a11y ワークフロー（axe-core）、autodocs と MDX ドキュメント、デザイントークン、Figma 連携、Chromatic デプロイ、オンデマンドビルドのパフォーマンスを扱います。「ストーリーを書く」「Storybook をセットアップ」「addon-a11y を設定」「play function を修正」「Storybook をデプロイ」「CI で Storybook をテスト」などで起動します。ユーザーが「storybook」と言わなくても、`*.stories.tsx`、`.storybook/main.ts`、`.storybook/preview.ts` を編集している場合に起動します。Storybook 9+/10（最新の `storybook/test` インポート、Vitest addon、CSF3 + `satisfies Meta`）を対象とします。一般的な React パターン（`react` skill を使用）、一般的な Testing Library クエリ（`react-testing-library` を使用）、WCAG 入門（addon-a11y と axe ルール設定を参照）は対象外です。
Strix のセキュリティスキャンを CI/CD（GitHub Actions、GitLab CI、または任意のパイプライン）に組み込み、すべてのプルリクエストで差分範囲を対象とした AI ペネトレーションテストを実行し、脆弱なコードをブロックします。セルフホスト可能なオープンソース CLI（自分の runner で実行）と、マネージドプラットフォーム app.strix.ai（GitHub/GitLab アプリまたは API、runner インフラ不要）の両方を扱います。CI パイプラインや PR ワークフローにセキュリティスキャン、ペネトレーションテスト、または Strix を追加したいというユーザーの依頼に使用します。
パッケージ、サンプル、型チェック、lint、ビルド、Vitest スイート、Effect v4 CLI テスト、ランタイム E2E テストの TypeScript SDK 検証を選択して実行します。テストの追加、TypeScript CI の診断、対象を絞ったテストコマンドの選択、TypeScript パッケージ変更の検証、[email protected] と @effect/vitest を使った CLI テストの作成や移植に使用します。Python のみのチェックには使用しないでください。
Playwright テスト自動化向けに受け入れ基準を変換・検証する。ユーザーが次のことを求める場合に使用する：(1) 受け入れ基準（AC）が自動化に対応できるかレビュー・評価・確認する、(2) AC をそのまま変換できるか評価する、(3) Playwright 向けに AC の品質を検証する、(4) AC をテストに変換する、(5) 受け入れ基準からテストを生成する、(6) .md の箇条書きや .feature の Gherkin ファイルを Playwright スペックに変換する、(7) 要件からテスト自動化を作成する。箇条書き形式の markdown と Gherkin 構文の両方を扱い、JSON テストプランの生成と検証を行う。
メインエージェント: このスキルを直接使用しないこと。TUI をテストする必要がある場合は、`tui_tester` サブエージェントを呼び出す。テスト、自動化、検査のためにターミナル UI（TUI）アプリケーションをプログラムから操作する。使用場面: コマンドライン/TUI 操作の自動化、ターミナルアプリのリグレッションテスト、インタラクティブな動作の検証。また、ユーザーが「what is agent-tui」「what does agent-tui do」「demo agent-tui」「show me agent-tui」「how does agent-tui work」と尋ねた場合や、実際に動作するところを見たい場合にも使用する。
agent-browser によるヘッドレスブラウザー自動化。永続的な認証プロファイルを備えた Rust CLI デーモンで、高速かつスクリプト化可能な並列ブラウザー操作を実現します。バッチコマンド、ネットワーク傍受、デバイスエミュレーション、サイトごとのプロファイル認証（初回のみ画面ありでログインし、以降は常にヘッドレスで実行）、--session による並列の分離セッションに対応します。ワークフロー：ReviewStories（YAML ユーザーストーリーを並列 UIReviewers に割り当て）、Automate（パラメーター付きレシピテンプレートの読み込み／実行）、Update。agent-browser の手順を添えて汎用エージェントにバックグラウンドでの並列スクレイピングを委任します。サイトにボット検出がある場合は Interceptor に切り替えます。ヘッドレスブラウザー、バッチスクレイピング、高速スクリーンショット、開発サーバーのテスト、並列ブラウザー、バックグラウンド自動化、データ抽出、ストーリーのレビュー、レシピの自動化、スクリーンショットの一括取得、複数ページの並列スクレイピングで使用します。実際の Chrome によるデプロイ検証や UI 確認には使用しません（Interceptor を使用）。単一 URL の簡単な取得には使用しません（WebFetch を使用）。CAPTCHA やボット検出の回避には使用しません（BrightData または Interceptor を使用）。
ファイル、diff、またはリポジトリ全体を 2 つの軸で一度に監査するワンショットの効率化監査：過剰に設計されたコード（標準ライブラリの再発明、不要な抽象化、投機的な設定）と、肥大化した文章（冗長なコメント、水増しされた docstring、重複するドキュメントセクション）。純粋なコード削減ツールも純粋な文章圧縮ツールも、これを 1 回で両方行うことはできない。そこが要点である。削減効果の大きい順にランク付けしたレポートを出力し、何も変更しない。ユーザーが「chisle audit」、「/chisle-audit」、「肥大化を監査して」、「何を削れるか」、「この PR の過剰設計と冗長性をレビューして」と言った場合に使用する。
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。