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
Frappe/ERPNext のコードをベストプラクティスと一般的な落とし穴に照らしてレビューまたは検証するときに使用。デプロイ前に生成されたコードをチェックし、61 個すべての frappe-* スキルに対して検証し、v16 のパターン（extend_doctype_class、型注釈）を捉え、運用パターン（bench コマンド、デプロイ）を検証し、修正レポートを生成する。キーワード：review code, check script, validate deployment, find bugs, code quality, check my code, is this correct, code review, before deploying, best practices check。
Fusion Framework の React アプリ向けに @equinor/fusion-framework-vitest-plugin-react-app を使って Vitest テストを書き、実行する方法を解説する — テストレイヤーの選択、vitest.config.ts と Browser Mode の設定、test/render/renderAppHook/renderAppComponent/testApp の fixtures を使ったレンダリング、スイートのトラブルシューティングや移行。USE FOR: 新しいアプリ/コンポーネント/hook のテストの作成、Fusion アプリの vitest.config.ts の設定、app/framework/module/HTTP テストレイヤーの選択、テスト fixtures の合成や上書き、失敗する Fusion アプリテストの診断。DO NOT USE FOR: モジュール固有の mock 状態（auth、context、bookmarks、feature flags、HTTP）の投入 — fusion-framework-mocking を使用；dev-server 時の API モック/プロキシ（fusion-developer-app を使用）；Fusion 以外のテストスイート；バックエンド/サービスリポジトリのテスト。
Infrahub エコシステムの適切な GitHub リポジトリに対してバグや機能リクエストを報告する。リクエストを分類してルーティングし（判断に迷う場合はメインの `opsmill/infrahub` リポジトリを安全なフォールバックとする）、既存の重複を検索し、バグについては保守的な環境情報を収集し、送信前にユーザーが確認できるよう issue を準備する。トリガー条件：ユーザーがバグを報告したい、issue を起票したい、機能をリクエストしたい、チケットを開きたい、または任意の opsmill/infrahub-* プロジェクト（SDK、Ansible、VS Code、MCP、Helm、schema-library、sync、backup、nornir、skills）で問題をエスカレーションしたい場合。トリガーしない条件：ユーザーがバグを自分でローカルに修正したい、テストを書きたい、または起票せずにコードをデバッグしたい場合。
(NS) コード品質ゲート：SOLID、クリーンコード、パフォーマンス、セキュリティ、テスト容易性。スコア 10 のみ `Approved`、スコア 9 は `Rejected`。コード変更後、PR 前、実装クローズ時、またはコード／PR／イシューのレビュー時に使用 — この skill を名指ししていなくても。デリバリープルーフは Code Review: Approved 後の ns-judge。GitLab `ISSUE_URL`：イシューレビューモード。requirements.md を解析しないこと。code-review-report.md を書かないこと。根本原因をデバッグしないこと（ns-investigator）。
FastAPI アプリケーション向けの pytest による Python バックエンドテストパターン。Python テストを書く際に使用する：サービスとリポジトリの単体テスト、httpx.AsyncClient を用いた API エンドポイントの統合テスト、fixture の作成、factory_boy によるファクトリ設定、pytest-asyncio による非同期テスト、モック戦略、パラメータ化テスト。テスト構成（tests/unit、tests/integration）、conftest の階層、カバレッジ要件を扱う。フロントエンドテスト（react-testing-patterns を使用）や E2E ブラウザテスト（e2e-testing を使用）は対象外。
プロジェクトのウェアハウステーブルと保存済みクエリビューに対してデータ品質チェック（dbt-test スタイルのアサーション）を追加・実行し、HogQL カタログメトリクスも扱います。非 null、一意性、許容値、参照整合性、行数の範囲、鮮度、カスタム HogQL に対応します。メトリクスはカスタム SQL チェックのみをサポートします。モデルのテスト、ビューの検証、null や重複の確認、データ品質チェックの追加、数値がおかしい原因の調査、分析で使う前にウェアハウステーブルが信頼できるかの判断を求められたときに使用します。データが*何を意味する*か（メトリクス、認定、結合）を記述する場合は、代わりに setting-up-data-catalog を参照してください。トリガー用語：データ品質、データテスト、dbt test、非 null チェック、一意性チェック、鮮度チェック、参照整合性、行数チェック、モデルの検証、このテーブルは信頼できるか。
Biome リファレンス（Rust 製フォーマッター・リンター）。JavaScript / TypeScript / JSX / CSS / JSON / GraphQL / HTML（Vue、Svelte、Astro）に対応。biome.json、biome check / lint / format / ci / migrate / upgrade、リンターのルール・プリセット・ドメイン、GritQL プラグイン、assist（organizeImports）、抑制（biome-ignore）、LSP / VS Code / Zed、ESLint / Prettier からの移行、モノレポ、CI を扱います。
Rust crate に記録された issue ファイルをグリーンまで進める — 1 件ずつ、規律正しく順番に:各 finding について、まず失敗する回帰テストを書き、最小限の正しい修正を適用し、crate 全体の `cargo test` と `cargo clippy -D warnings` を実行し、次に進む前に issue ファイル内でその finding を FIXED / Deferred / Not-a-bug とマークする。検証を経ずに finding を fix 済みとマークすることはなく、finding をまとめて処理することもなく、警告を `#[allow]` の下に隠したり本当の修正をコメントに置き換えたりすることもない — 修正のたびに issue ファイルと crate の状態は同期したままになる。既存の crate の issue ファイルから finding を修正するようユーザーが求めたときにのみ使用する。
OpenAI Codex CLI を外部の敵対的レビュアーとして使い、コード変更のバグ、セキュリティ問題、コード品質をレビューする。ユーザーがコードレビューを求めるとき、コードのバグやセキュリティ問題を確認したいとき、PR、ブランチ、コミット、diff のレビューを依頼するとき、または "any issues with this?"、"review before I push"、"check my changes"、"look at what I changed"、"review my PR" などと言ったときに、任意のエージェントやプロバイダーから使用する。Codex にコードの場所を伝える。
このリポジトリ内の Confluent エージェントスキルを、Agent Skills 仕様（agentskills.io）、CLAUDE.md の Confluent 規約、PR テンプレートのゲート、eval を契約とするルールに照らしてレビューします。ユーザーがスキルのレビュー、監査、検証、lint を求めたとき、`skills/` 配下を追加・変更する PR を開いたり確認したりするとき、仕様準拠、遅延読み込み、frontmatter の形式、トリガーの重複、eval の網羅性について尋ねたとき、スキル変更のマージ前チェックを行いたいときに、このスキルを使用します。アプリケーションコードの一般的なコードレビュー、セキュリティレビュー、Schema Registry 向けのスキーマ、プロデューサー/コンシューマー設定、PII タグ付け、Terraform 生成の監査（`kafka-schema-registry` が担当）、スキル動作のランタイム/ログ分析（`tools/skill_review_dashboard.py` を使用）、`skills/` ツリーに触れない変更にはトリガーしません。
レビュアーとしてコードレビューコメントを起草、書き直し、分類、改善するときに使用する。トリガー：粗いレビューメモ、コメントをより明確またはより親切にする要望、重要度ラベル、「how should I phrase this review comment?」、「write review comments」、著者からの反論、指摘を PR コメントに変換すること。役割が不明確な場合は、レビュアーか著者かを確認する。完全なコードレビュー、PR の説明、著者の回答には、文言の作成が求められない限りトリガーしない。
ClickHouse 向けの包括的な SQL 文チェック。複数の中核バージョン（24.8、23.3、22.3）と 2 つのチェックモードをサポートする：1. 構文チェック — 中核ソースの文法に基づくキーワード検証、文構造の検証、句の完全性、ClickHouse 固有構文の互換性チェック（SAMPLE BY、FINAL、ARRAY JOIN、PREWHERE、GLOBAL JOIN、ASOF JOIN、ENGINE、PARTITION BY、TTL など）2. 仕様チェック — MRS Development Specification v01 の開発仕様ルール（SPEC001-SPEC035）。DDL テーブル設計、DDL 操作、マテリアライズドビュー、DML データロード、クエリ基準、データ変更基準を網羅する。カスタム ClickHouse SQL トークナイザー（中核ソース由来のバージョン固有キーワード）と 47 種類の文タイプ（DML/DDL/DCL/TCL/Utility）をサポートする文認識器を内蔵。ユーザーが SQL 品質レビュー、構文検証、ClickHouse 固有構文のチェックを必要とするときに適用。トリガー：「Clickhouse SQL check」、「CK SQL check」、「Clickhouse SQL 校验」、「Clickhouse SQL 检查」、「Clickhouse SQL specification」、「Clickhouse SQL 规范检查」、「Clickhouse SQL optimization」、「Clickhouse SQL 优化」、「检查 Clickhouse SQL」
iOS のパフォーマンスプロファイリングワークフロー（Instruments トレース、サインポスト、XCTest メトリクス、MetricKit、Xcode Organizer、ハング、ヒッチ、CPU、アロケーション、メモリグラフ、ディスク I/O、ネットワーク、電力、本番環境のパフォーマンスシグナルなど）を選択、実行、解釈するときにこのスキルを使用する。タスクが測定、ツール選択、トレースの解釈、検証に特化したものでない限り、起動、SwiftUI、並行処理、体感パフォーマンス、実行時問題の深い領域スキルとして使用しないこと。
完成済み(または修正済み)のワイヤーフレーム文書をレビュー/判定するときに使用する — 下流のハイファイ + UI エンジニアリングがそれから画面構造を構築できるかという受け入れゲート。単一ソースの構築可能性 + カバレッジ + コンポジションの基準に対してテキスト形式の markdown ワイヤーフレームを判定する。フロー名を持つすべての画面/状態が品質状態付きでカバーされている。レイアウトがグリッド + 共有アプリシェル上で曖昧でなく、客観的なレイアウト品質基準を満たす。実在し一貫したコンポーネント。アフォーダンス + データ表示が注釈付き。マイクロコピーの意図(ラベルにデータモデルの漏れがない)。画面コンポジションのアクセシビリティ(landmark/フォーカス順序/ターゲットサイズ) — ピクセル単位のコントラスト/フォーカス外観はデザインシステムの領域であり、ここでは判定しない。レスポンシブ。ギャップが明示されている。ハイファイではなく構造的。修正はスコープ付きのバージョン差分としてレビューする。`VERDICT: approve|revise` + 実行可能な指摘を出力する。基準を満たす文書は承認し(内容の薄い画面で誤って revise しない)、明確なギャップがある場合にのみ revise する。作成、ナビゲーショングラフ(user-flows)、ビジュアルトークン(design-system)、ハイファイには使用しない。
CSF3 形式で Storybook のストーリーとインタラクションテストを書き、保守する。コンポーネントのストーリー、play 関数、Chromatic によるビジュアルリグレッションテスト、アクセシビリティテストを扱う。コンポーネントのドキュメント作成、インタラクションテストの記述、テスト失敗のデバッグ、ビジュアルスナップショットの設定、ストーリー構造の更新に使用する。CSF3、play 関数、userEvent、Testing Library のクエリ、Chromatic の設定、autodocs、MDX に使用する。
コードコメントが存在すべきかどうかを判定し、残すものについては「何を」ではなく「なぜ」を説明させる。あらゆる言語（Python、TypeScript、Go、Rust、SQL）でコメントを書く前・編集する前に必ず使用し、コメントを追加する diff をレビューするときにも使用する。コードベースを雑然とさせるコメントの種類を排除する：コードを言い換えるだけの説明、変更履歴やチャット文脈のメモ（"previously did X"、"per PR #123"、"AI:"）、陳腐化する測定値や現状のスタンプ（"~20 min build"、"currently"、"today"）、コメントアウトされたコード、冗長な docstring。残す価値のあるものは保持する：自明でない「なぜ」、非局所的な結果に関する警告、将来の読者が再構成できない文脈へのポインタ。ユーザー向けのコピー（`/writing-user-facing-copy` を参照）やコミットメッセージには適用しない。
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。