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
（NS）エラー、ログ、スタックトレース、失敗したテスト、CI からの根本原因診断——ユーザーが実装を伴わない診断（「なぜ X は壊れるのか？」）を求める場合のエントリ優先度は 4b。不明確なテスト/CI の失敗で、まだ修正を依頼していない場合に積極的に使用します。実装/修正（ns-coder）、製品バグレポート/画面の期待値と実際の比較（ns-bug-report-diagnosis）、バージョン範囲（ns-spec-driven）、GitLab ISSUE_URL の実行、マージ前レビュー（ns-reviewer）には使用しないでください。
Penpot のデザインを実装コード（ソースコンポーネントまたは Storybook ストーリー）と照合してレビューし、構造化された DRIFT レポートを出力する。エンジニアがビルドがデザインと一致しているかを確認する必要があるときに使用する：選択範囲から HTML/CSS を抽出し、その tokens/構造/状態をコードコンポーネントにマッピングし、差分をとり、双方に欠けているものを重大度と整合案とともに列挙する。コードソースが提供されない場合は、デザインシステムの token チェックに適切に縮退する。トリガー：'design to code review'、'does my code match the design'、'design code parity'、'compare Penpot to my component'、'check this against Storybook'、'extract HTML/CSS from this selection'、'find design drift'、'design implementation diff'。
C# で Web（Selenium 3/4）およびモバイル（Appium 2）テスト向けの本番品質の Reqnroll BDD 自動化スクリプトを生成する。ローカルおよび TestMu AI クラウドでの並列 NUnit 実行をサポート。ユーザーが BDD テストの作成、Reqnroll での自動化、.feature ファイルの作成、Gherkin シナリオの作成、ステップ定義の作成、SpecFlow からの移行、ブラウザ／Android／iOS でのテストを求めたときに使用。トリガー：「Reqnroll」「BDD」「Gherkin」「.feature file」「step definition」「SpecFlow migration」「Selenium C#」「Appium C#」「TestMu」「LambdaTest」「NUnit BDD」「reqnroll.actions.json」。
Claude-in-Chrome のブラウザ自動化で Umbraco バックオフィスを確実に操作・検査する。実行中の Umbraco バックオフィスに対して mcp__claude-in-chrome ツールを使おうとするたびに使用する——セクションの移動、ツリー項目のクリック、フォームの入力、モーダルの開閉、バックオフィス拡張（プロパティエディター、ダッシュボード、ワークスペース、ツリー、セクション、メニュー）の視覚的な検証など。バックオフィスは Lit/web-components でオープンな shadow DOM を持ち、モーダルは画面外に描画されるため、組み込みの find/read_page ツールでは何も見えず、スクリーンショットはライブ DOM に遅れる。本スキルは shadow DOM を貫通する JS ヘルパーツールキットとナビゲーションの手順書を提供し、ピクセルから推測するのではなく DOM から状態を読み取れるようにする。ユーザーが「バックオフィスを開いて」「Umbraco の拡張をテストして」「バックオフィスをクリックして回って」「ログインして動作確認して」「Umbraco のエディターのスクリーンショットを撮って」と言うだけでもトリガーする。
バックエンドのソースコード、ルート定義、OpenAPI スニペット、貼り付けた API ドキュメント、curl コマンド、エンドポイント一覧から Bruno API コレクション、リクエストファイル、環境、リクエストドキュメントを生成する。ユーザーが Bruno 向けのコレクション、opencollection YAML ファイル、.bru ファイル、フォルダ、リクエストドキュメント、リクエストメタデータ、環境、API クライアントコレクションの作成、雛形生成、変換、整理、改善を求めたときに使用する。
Playwright による自動ヘッドレステスト、ブラウザコンソールでのテスト、GTM プレビューモードでの検証、GA4 DebugView での検証を含む、包括的な GTM トラッキングのテストと検証。ユーザーが "test GTM tracking"、"validate dataLayer events"、"debug GTM"、"check if tracking works"、"automated tracking tests"、"run tracking tests without opening browser" を必要とする場合、またはトラッキングの問題をトラブルシュートする場合に使用。可能な場合は手動より自動テストを優先する。
vibe coding（高速プロトタイピング）から agentic engineering（厳密な反復）への移行。ユーザーが粗いプロトタイプを持ち、それをレベルアップしたい、"なんとか動く" 状態から本番品質にしたい、vibe coding と agentic coding の違いを理解したい、あるいは "polish this"、"make this production-ready"、"level up from prototype"、"vibe coded this now what" と言った場合にこのスキルを使用する。Karpathy の投稿 3 と 6 に基づく。
konsistent CLI を実行し、報告されたすべての違反を確認し、コードベースで修正する。ユーザーが "fix konsistent violations"、"resolve konsistent errors"、"clean up konsistent diagnostics"、"make konsistent pass"、"address structural convention violations" を望む場合、または konsistent を実行して結果に対処するよう求める場合に使用。この skill はインタラクティブであり、多数の違反が同じルールに起因する場合（ルールかコードかの問題）には明示的なユーザーの判断を、コードを変更する前には明示的なユーザーの確認を、非自明な違反にはトリアージのステップを必要とする。`konsistent.json` の編集については、この skill は `konsistent-config` skill に委ねる。
アプリケーションのソースコードとドキュメントから、PCI Secure Software Standard（SSS）v2.0 の準備状況ギャップ評価を自動化します。固定されたカタログから該当するすべてのテスト要件を決定論的に列挙し、ソース/ドキュメントの証拠を収集して、ファイル+行の引用を伴う要件ごとの証拠に紐づいた判定（MET / NOT_MET / PARTIALLY_MET / NOT_APPLICABLE / REQUIRES_MANUAL_REVIEW）を出力し、続いて Transilience ギャップレポートを出力します。アプリケーションが PCI Secure Software Standard v2.0 / PCI SSF に対してどの程度準備できているかを評価、ギャップ評価、または確認するよう求められたとき、あるいはソースコードと設計ドキュメントを PCI SSS のセキュリティ目標とテスト要件にマッピングするときに使用します。生成されるのは準備状況のギャップ分析のみであり、公式の PCI 検証ではありません。
Penpot デザインを WCAG 2.1/2.2 AA（任意で AAA）に照らして監査し、構造化された深刻度レポートを作成します：色のコントラスト、タッチ/ターゲットサイズ、代替テキスト、見出し階層、キーボード/フォーカス順序。修正案を提示しますが、自動適用はしません。brief-to-screen および brief-to-deck ループの Evaluator も務めます（scope:deck = スライドのコントラストルール）。トリガー：「check accessibility」「accessibility audit」「WCAG check」「contrast audit」「a11y review」「check color contrast」「is this accessible」。
Rust の変更を、正しさ、メモリとスレッドの安全性、エラーセマンティクス、不要なアロケーションやクローン、ロックのスコープ、API 互換性、テストの不足、ドキュメント、依存関係リスクの観点でレビューし、Rust API Guidelines のチェックリスト（C-PANIC、C-UNWRAP、C-TRANSMUTE、C-BOOL、C-NEWTYPE、C-COMMON-TRAITS、C-CONVERT、C-SEALED、C-NON-EXHAUSTIVE）を適用する。Rust の diff、プルリクエスト、ライブラリ、unsafe 境界、本番インシデントをレビューするときに使用し、サマリーの前に重大度別に実行可能な指摘を報告し、自動フォーマットや lint ポリシーは rust-style-clippy に、API の形の決定（trait シーリング、エラー分類、newtype 設計、ビルダーパターン）は rust-api-design に委ねる。
画面、フロー、コンポーネントに対するオーケストレーションされた包括的な UX レビュー。コンテキストを一度確立し、常に関連する観点（ユーザビリティ、マイクロコピー、ダークパターン）を自動実行し、コンテキスト依存の観点（アクセシビリティ、美しさ、IA、モバイル、視覚的基盤）を提示し、優先順位付けされた1つのレポートを返す。ユーザーが完全なデザインレビュー、「UI/画面/フローをレビューして」、「この UX は良いか」、「このデザインを監査して」、または一般的なデザインフィードバックを求めたときにトリガーする——ただし特定の観点を1つ名指しした場合は除く。
Antithesis のプロパティカタログが実際にバグを検出できるかを検証する。各安全プロパティについて、現実的なミュータントを 1 つ SUT に注入して実行し、対象のプロパティが発火することを確認する。生存したミュータントを、不良ミュータント、不良オラクル、不良ワークロード、不良プロパティとして診断し、修正を antithesis-workload または antithesis-research にルーティングする。ハーネスが構築され、ベースライン実行がグリーンになった後に使用する。
ユーザーが "audit this codebase"、"audit this code"、"code audit"、"check for bugs"、"review code quality"、"find dead code"、"check for anti-patterns"、"performance audit"、"check for code smells"、"technical debt"、"code health check"、"review test quality"、"check error handling" を求めたときに、このスキルを使用する。セキュリティに焦点を当てた監査（脆弱性、OWASP の問題、インジェクション、認証や認可の弱点、シークレット管理、暗号のレビュー、依存関係の CVE、IaC、CI/CD）には、代わりに `security-audit` スキルを使用する。
固定の基準点（commit、branch、tag、merge-base）以降の変更を 2 つの観点でレビューします。Standards（このリポジトリの文書化されたコーディング規約に従っているか）と Spec（元の issue/spec の要求osenzo.matcher щие Requirements に合っているか）。両方のレビューを並列のサブエージェントで実行し、並べて報告します。branch、PR、作業中の変更のレビュー、あるいは「X 以降をレビュー」のような依頼時に使用します。
コミット前に、ブランチで変更されたコードから、動作を変えずに AI らしい余計な記述を取り除きます。説明口調のコメント、型や境界条件ですでに排除される状態へのガード、使われていない互換処理、無関係な編集、単一呼び出し元しかないラッパーや推測的な抽象化、型チェッカーを黙らせるキャスト、早期リターンで平坦化できるネストなどが対象です。/deslop、deslop it、clean the diff、strip the slop の依頼、またはコミット前に使用します。対象はコードのみです。文章の整理には unslop スキル、コメントのレビューには no-comments スキルを使用します。
x86 ホストまたは Arm コア上で doca_flow_perf バイナリを使い、DOCA Flow のコントロールプレーン挿入スループットを測定する場合にこのスキルを使用します。configs/ JSON ポリシーの選択、DPDK と DOCA バックエンドの比較、スモーク反復から評価ループへの実行、CPU サイクルと num_pushed / num_failed の解釈、挿入値の根拠となる 4 項目（DOCA リリース、ファームウェア、JSON ポリシー、ワーカー設定）の記録が対象です。"5-tuple hairpin insert figure"、"flow-perf result mismatches release notes"、"DPDK-vs-DOCA comparison"、"install variance too high" などの依頼にも読み込みます。稼働中アプリの最適化（doca-flow-tune）、ワイヤー上のスループットや遅延、ライブラリー内部のパイプセマンティクスは対象外のため、適切な担当に案内してください。
axe-core（Deque）を JSDOM 上で実行し、生成/作成された HTML のアクセシビリティ違反をスキャンする — 構造的・意味論的ルール：ARIA 属性とロール、アクセシブルな名前、alt テキスト、フォームラベル、見出しの順序、ランドマーク、セマンティック HTML、tabindex、重複 ID、lang 属性、および約 50 の追加ルール。Figma からコードへのワークフローのコード側で使用する：トリガー 'この HTML のアクセシビリティをスキャンする'、'自分のコンポーネントで axe を実行する'、'生成されたコードの a11y をチェックする'、'axe-core スキャン'、'マークアップのアクセシビリティ lint'、'コードの WCAG チェック'、'この HTML はアクセシブルか'。これはスタンドアロンの Node スクリプトであり、Figma 接続は不要。視覚的ルール（color-contrast、focus-visible、link-in-text-block、target-size）は JSDOM にレイアウトがないため無効 — デザイン側の視覚的な a11y には figma-lint-design を使用する。両者を合わせるとデザインとコードの完全なカバレッジが得られる。
エージェントが試行し、失敗し、フィードバックから学習できる練習環境と評価ギムを構築する。このスキルは、エージェントの自動評価を設定したい、LLM の能力をテストするサンドボックスが必要、スキルの練習ギムを構築したい、エージェント改善用の RL スタイル環境が必要、または「eval environment」「practice gym」「agent sandbox」「automated testing for agents」「RL environment」「agent eval loop」と言ったときに使用する。Karpathy LLM Textbook と environments の記事に基づく。
ブラインド方式のマルチモデル横並び比較。1 つのプロンプトを 2〜4 のモデルに同時に送信し、回答を匿名（Model A / B / C / D）で提示し、ユーザーに勝者を選ばせてから正体を明かし、どのモデルが勝ったかを表示する。カスタム評価基準、回答の統合、投票履歴の記録に対応。ユーザーが「compare models」「test these models」「which model is better for」「A/B test」「blind comparison」「model evaluation」と言ったとき、または異なる AI モデルが同じプロンプトをどう扱うか見たいときにトリガーする。プロンプトエンジニアリングにも利用可能 — 異なるモデルが同じ指示をどう解釈するかのテスト。provider:@effort:model_id 仕様による推論強度の A/B に対応。
（NS）バックエンドパッケージでの PHPUnit ユニット/統合テスト（存在しない場合は tests/ をブートストラップ）。Docker 専用: phpunit --testdox --stop-on-failure --stop-on-error、120 秒。PHPUnit の作成/リファクタリング、ユニットテストタスク、またはグリーンフィールドの Laravel/PHP でバックエンドテストをスキャフォールディングするときに使用 — テストタスクの markdown を計画するときには使用しません（ns-spec-driven references/unit-test-task-generator.md）。
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。