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 101,174 件掲載。コマンド 1 行でインストールできます。
すべて
定量プロテオミクスの実験設計とデータ解析戦略を考察する。ユーザーが LFQ、TMT、DIA の定量の選択、欠損値の補完法の選択、正規化戦略の選定、プロテオミクスデータの差次発現結果の解釈、ratio compression の評価、バイオマーカー探索や検証のためのプロテオミクス研究の設計を求める場合に使用。トリガーには "LFQ vs TMT"、"DIA quantification"、"proteomics normalization"、"missing value imputation"、"MNAR"、"MinProb"、"QRILC"、"kNN imputation"、"VSN normalization"、"median centering"、"quantile normalization"、"limma proteomics"、"ratio compression"、"proteomics study design"、"label-free quantification"、"tandem mass tag"、"data-independent acquisition"、"DIA-NN"、"Spectronaut"、"MaxQuant LFQ"、"proteomics differential expression"、"empirical Bayes proteomics"、"proteinGroups.txt"、"MSFragger output"、"TMT normalization code"、"LFQ analysis"、"proteomics pipeline R"、"MaxQuant output" が含まれる。
theSeniorDev による React 機能のシニアレベルのレビュー — 構造と境界、状態とデータフロー、パフォーマンスとレンダリング、型／フォーム／テスト容易性／a11y、スタイリングアーキテクチャとモーション。適切なデザインパターンがあれば名前を挙げて推奨します。優先度順の指摘（Critical → Nit）を file:line、理由、具体的な修正案とともに提示し、各指摘について適用するかどうかを尋ねます。"review this React feature"、"audit feature architecture"、"senior review"、"senior dev review" と依頼されたとき、または `/react-senior-code-review <path>` で使用します。
あらゆるプロジェクト向けに、洗練されたプロフェッショナルな README.md を生成する——ゼロからの作成も、既存ファイルの改善も可能。ユーザーが README に言及したとき、リポジトリの第一印象を改善したいとき、shields.io のバッジについて尋ねたとき、star 履歴チャート、コントリビューターのアバター、ドキュメントの表、プロジェクト構造ツリー、README 内の mermaid アーキテクチャ図を求めたときにこのスキルを使用する。また、GitHub リポジトリを「よりプロフェッショナルに見せたい」「ちゃんとして見せたい」、あるいは第一印象を良くしたいと誰かが望むときにも使用する——たとえ「README」という言葉を一度も口にしなくても。バッジ生成、新バージョン向けの README 書き換え、fork のカスタマイズ、さまざまな種類のプロジェクト（ライブラリ、アプリ、ドキュメント用リポジトリ、monorepo）への README 構造の適応を扱う。対象外：CONTRIBUTING.md、CHANGELOG、API ドキュメント、CI/CD のセットアップ、GitHub プロフィール README、個々のコンポーネント向けのドキュメント生成。
プロジェクトまたは変更されたファイルに対して、LLM コーディングエージェントによくある痕跡を 4 つのカテゴリ（テスト、デッドコード、抽象化、スタイル）で検出する — エージェントがサブエージェントに対応していれば並列サブエージェント、そうでなければ 4 回の逐次パス。既定では main 以降に変更されたファイルをスキャンし、--all でプロジェクト全体をスキャンする。トリガー：LLM の不要物の整理、エージェント生成コードのレビュー、デッドコードの一掃、テスト品質のチェック、またはリポジトリ全体のスキャンをユーザーが求めたとき。
既存の Motoko バックエンドの設計レビュー — コードが適切に設計されているかを判断するもので、書き方ではない。型にエンコードされた不変条件（Text の代わりにバリアント、相関するフィールド、case _ の臭い）、拡張マイグレーション下での安定状態と一時状態の規律、ファイル構造（types.mo/lib/mixins/main.mo）、重要度順の指摘（Blocker/Warning/Note）を扱う。既存の .mo ファイルのレビュー、監査、批評、リファクタリング、または Motoko canister のコードレビューフィードバックを求められた場合に使用。新しい Motoko コードの作成やコンパイラエラーの修正（writing-motoko）、マイグレーションファイルの作成（migrating-motoko-actors）、デプロイには使用しない。
Ref と WidgetRef を使って provider を read、watch、listen、invalidate、refresh する方法；onDispose と onCancel のライフサイクル；ref.read と ref.watch と ref.listen、ref.invalidate、ref.refresh。widget や他の provider から Riverpod provider を扱うとき、watch と read のどちらを使うか、provider の状態をリセットするときに使用する。ユーザーが ref.watch、ref.read、ref.listen、ref.invalidate、または Riverpod のライフサイクルについて尋ねるたびにこの skill を使用する。
1 人での Studio プレイテストでは再現できない条件で Roblox ゲームをテストする場合に使用します。モバイル／タブレット／スマートフォン（デバイスエミュレーション、TouchEnabled）、パーティー、協力プレイ、取引など 2 人目のプレイヤーが必要なマルチプレイヤー機能、通常は他の人が必要となるクライアント状態が対象です。AppleScript で Studio の Test メニューを操作する方法や、Server VM から実際のリモートを発火してマルチプレイヤーをシミュレートする方法を扱います。「自分ではテストできません」と伝える代わりに、このスキルを読み込みます。
Sa-Token 軽量 Java 認証・認可フレームワークの中核スキル。ログイン認証、権限/ロール認証、アノテーション認可、ルートインターセプター認可、Session セッション、強制ログアウト、Token 有効期限戦略、フレームワーク設定、Token スタイルと送信プレフィックス、フロントエンドとバックエンドの分離、ログイン状態保持モード、同一クライアント種別での相互排他ログイン、NotLoginException のシーン値処理をカバーする。StpUtil は中核となるファサードユーティリティクラスで、login/checkLogin/logout/isLogin/getLoginId/getTokenValue など一式の認可 API を提供する。Java Web プロジェクトに認証・認可を組み込みたい場合、StpUtil でログイン/権限チェックを行いたい場合、ルートインターセプターやアノテーション認可を設定したい場合に使用する。二段階認証/アカウント停止/複数アカウント/SSO/OAuth2/マイクロサービス/API セキュリティ/JWT/Redis などの高度な機能は対象外であり、それぞれの専用スキルを使用すること。
Apollo.io プラットフォームの支援 — 設定、連携、CRM 同期、API、分析、ダイヤラー、Chrome 拡張機能、クレジット管理、管理。Apollo の設定が正しく構成されていない、CRM 同期が壊れているまたはレコードが重複する、クレジットの消費が速すぎる、API 呼び出しがエラーを返す、Apollo の何かが期待どおりに動作しない場合に使用。見込み客リストの作成（/sales-prospect-list を使用）、連絡先のエンリッチ（/sales-enrich を使用）、購買シグナルの解釈（/sales-intent を使用）、アウトバウンドシーケンスの設計（/sales-cadence を使用）には使用しない。
営業コーチングとトレーニング — 新しい担当者のオンボーディング、スキル開発、ロールプレイ練習、コーチングプログラム、認定、マネージャーのコーチングサイクル、コーチング効果の測定。新しい担当者の立ち上がりが遅い、マネージャーが効果的なコーチング方法を把握していない、ロールプレイがぎこちなく非生産的に感じる、担当者を認定する構造化された方法がない、コーチングの取り組みがパイプライン指標に結びつかない、コーチング文化の構築に苦労している場合に使用。特定の商談通話録音のレビュー（/sales-call-review を使用）、Seismic 特有のプラットフォーム支援（/sales-seismic を使用）、Allego 特有のプラットフォーム支援（/sales-allego を使用）、営業コンテンツの作成（/sales-content を使用）には使用しない。
商談の健全性を検査し、ステークホルダーを整理し、リスクを特定し、次のアクションを提案する。商談が行き詰まっている、またはリスクがあると感じるとき、真の意思決定者が誰か分からないとき、チャンピオンが弱いまたは関与していないように見えるとき、MEDDPICC のギャップが不明確なとき、商談レビューが近く準備が必要なとき、商談が実際に成約するか判断できないときに使用。/sales-forecast を使用するポートフォリオレベルのパイプライン管理や収益予測、/sales-call-review を使用する特定の商談通話のレビューには使用しない。
Salla App Function 構築のステップ 3：trigger の `template` から handler 本体を書く。ロジックを実装するときに使用する — 型付きの `context`（payload/merchant/settings）を読み取り、`Resp`（またはエンティティ `Shipment`）builder でレスポンス契約を返し、V8-isolate サンドボックス内に留まり（web 標準 API、HTTP には `fetch` を使用）、各 `fetch` を同期/非同期タイムアウト内に収める。salla-app-functions からルーティング。次に salla-app-functions-validate で検証する。トークン処理 → salla-app-auth、API の詳細 → salla-api-core。
保存済みの Salla App Function を `salla_functions action=preview`（app_id、trigger、store_id、および trigger のフォームフィールドを実際の ID として）で demo ストア上で実行する。保存後、公開前に動作を検証するために使用する。まだデプロイ中の間は `salla_functions action=deploy_status` をポーリングする。salla-app-functions からルーティング。実際の ID の取得には salla-api-core を使用する。
Salla App Function を保存する前の必須事項：テンプレートの wrapper を正確に保つ — その最初の行と最後の行 — すべてのコードを wrapper 内に置き（const/helper の巻き上げは不可）、エディターのバーで TypeScript コンパイラを使って trigger の `types`（.d.ts URL）に対して handler を型チェックする — 非 strict、未使用（TS6133）は無視 — さらに、文書化された Admin API 呼び出しをその OpenAPI schema に対して検証する（salla-api-core ループ）。`salla_functions action=save` が検証するのはこれらの wrapper 行のみ。salla-app-functions からルーティング。salla-app-functions-release でリリースする。
Storybook がない React+Vite アプリに Storybook をセットアップする — まず Storybook 自身の agent セットアップ（`npm create storybook@latest`、`storybook skills setup`）に従い、その後 viteFinal/providers/MCP を揃え、stories の場所を確認する。「Storybook をセットアップする」「Storybook をインストールする」、または NO_STORYBOOK に使用する。
scikit-learn スタイルの API による地球統計解析。バリオグラムの計算、クリギング補間、空間相関分析を行う。エージェントが次のことを必要とする場合に使用する：(1) 空間データから実験的バリオグラムを計算する、(2) バリオグラムモデル（球状、指数、ガウス、Matern）をフィットする、(3) 通常クリギングまたは普遍クリギング補間を実行する、(4) 方向性バリオグラムで空間異方性を評価する、(5) 空間モデルを交差検証する、(6) 時空間データを分析する、(7) 他の地球統計ソフトウェア向けにバリオグラムパラメータをエクスポートする。
scikit-survival（sksurv）を使った右打ち切り生存分析のワークフローを構築、評価、監査します。Cox PH、Coxnet、IPC ridge、生存木、ランダムフォレスト、ブースティング、SVM、および競合リスクのノンパラメトリック累積発生率を扱います。データリークを防ぐ scikit-learn パイプライン、ネスト化 CV、打ち切りを考慮した指標も対象です。イベント発生までの時間データへの生存モデルの適合、構造化アウトカム配列の作成、IPCW concordance、dynamic AUC、Brier スコアの計算、原因別累積発生率の推定、またはデータリークのないモデル調整に使用します。scikit-survival は Fine-Gray 回帰を提供していないため、その用途には使えません。
ユーザーが技術的なサイト監査、クロールデータ分析、ロケーションページの品質チェック、重複コンテンツの検出、大規模な schema 検証、内部リンク分析を求める場合に使用。トリガー：「Screaming Frog」「site crawl」「technical audit」「crawl data」「broken links」「duplicate content」「location page audit」、またはエクスポートされたクロール CSV/Excel ファイルを分析する場合。
Scanpy ベースのシングルセル RNA-seq 解析パイプライン。データ読み込み（10X、h5ad）、QC、正規化、HVG 選択、PCA/UMAP、Leiden クラスタリング、差次発現、バッチ補正（Harmony、scVI）をカバーする。ユーザーが single-cell、scRNA-seq、Scanpy、AnnData、UMAP、クラスタリング、10X、h5ad、leiden、高変動遺伝子、Harmony、scVI、細胞のクラスタリング、マーカー遺伝子の探索、低品質細胞のフィルタリング、遺伝子発現行列、二重細胞の除去、カウントの正規化、次元削減、シングルセル QC、filtered_feature_bc_matrix、cellranger 出力、10X h5、scrublet、cell ranger、カウント行列、細胞型の同定、バッチ効果、統合、近傍グラフ、差次発現遺伝子に言及した場合に使用する。
chart の署名と来歴の検証、誤構成のためのテンプレートのレンダリングと lint、values.yaml による Pod セキュリティコンテキストの強制、Helm values ではなく外部ストアへのシークレットの移動、CI/CD における Helm 操作の RBAC のスコープ設定により、Helm chart のデプロイを保護する。chart を Kubernetes にデプロイするとき、または chart の来歴、テンプレート、リリース RBAC をレビューするときに使用する。キーワード: Helm、provenance file、helm verify、helm lint、values.yaml、Tiller-less、release RBAC、external secrets。レンダリングされた manifest 自体のスキャンには使用しない - scanning-kubernetes-manifests-with-kubesec を使用する。
2 段階：まず画像モデルで番号付きパネルの単一シートを生成し、そのシートを Seedance の参照として渡す。シートが順序、フレーミング、タイミングを担い、動画プロンプトはパネルをつなぐだけでよい。この種のクリップ（絵コンテグリッドから動画へ）向けの Seedance 2.5 / 2.0 動画プロンプトが欲しい場合、またはこの種類の公開事例がどのようにプロンプトされたかを尋ねられた場合に使用する（中文触发词：分镜网格转视频、分镜图、九宫格、故事板）。起草前に references/cases.md を読むこと。
Defender ポータル経由で提供されるクラウドネイティブな SIEM および SOAR、Microsoft Sentinel の設計と運用に関するガイダンス。ワークスペース設計、データコネクタ、取り込み層（Analytics/Basic/Auxiliary/ADX）、分析ルール、ハンティング、ウォッチリスト、自動化プレイブック、コスト/コミットメント層の最適化を扱う。WHEN：Microsoft Sentinel のデプロイ、SIEM の設計、データコネクタのオンボーディング、分析ルールの作成、KQL 検出、Sentinel プレイブック、SOAR 自動化、Sentinel のコスト最適化、ログ取り込み層、コミットメント層、Sentinel ワークスペース設計、SIEM の設定方法、サードパーティツールからのログ収集、ファイアウォールや Linux syslog の Azure への取り込み、検出ルールの作成、インシデント対応の自動化、Sentinel のコスト、Auxiliary ログ、Basic ログ、ADX アーカイブ、ノーコードコネクタ。DO NOT USE：Microsoft 365 XDR アラートをインシデントに関連付けることが目的（defender-xdr を使用）または Sentinel を統合 Defender ポータルへオンボーディングする場合（unified-secops-platform を使用）。
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。