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
lyt シリーズのゼロからの商品選定と候補プール構築 skill。越境 EC、TikTok Shop、EC カテゴリ選定、選品の境界、ユーザー能力のトリアージ、標準品/非標準品、サプライチェーン/商品プール、商品の探し方、候補商品プールの構築のみを扱います。まだ何を売るか分からない、大まかなカテゴリしか分からない、カテゴリ/国/トラフィックチャネルが自分に合うか判断したい、候補商品をまとめて揃えたいユーザーに適しています。ユーザーがすでに具体的な商品、候補商品リスト、商品のスクリーンショット、1688/競合リンク、サプライチェーン資料、候補商品の表を持っていて、実行可能かを判断したい場合は lyt-product-validation に切り替えます。トリガー: /lyt-product-selection、/选品、/从0选品、/选类目、/建候选品池
Microsoft 365 のコラボレーションの乱立を統制・管理するためのガイダンス — Teams／グループのライフサイクル、共有とゲストアクセスのガバナンス、SharePoint Advanced Management — により、データ資産を安全に保ち Copilot に対応させる。対象：Microsoft 365 のガバナンス、Teams の乱立、グループのライフサイクル、ゲストアクセスのガバナンス、外部共有の制御、SharePoint Advanced Management、サイトのライフサイクル、コラボレーションの乱立の管理、コンテナのガバナンス。
さまざまなファイル形式（PDF、Office ドキュメント、画像、音声、Web コンテンツ、構造化データ）を LLM 処理に最適化した Markdown に変換する。ドキュメントを markdown に変換するとき、PDF/Office ファイルからテキストを抽出するとき、音声を文字起こしするとき、画像に OCR を実行するとき、YouTube のトランスクリプトを抽出するとき、またはファイルを一括処理するときに使用。DOCX、XLSX、PPTX、PDF、HTML、EPUB、CSV、JSON、OCR 付き画像、文字起こし付き音声を含む 20 以上の形式をサポート。
FFmpeg と ImageMagick による動画/音声/画像処理。ツール：FFmpeg（動画/音声）、ImageMagick（画像）。機能：フォーマット変換、エンコード（H.264/H.265/VP9/AV1）、ストリーミング（HLS/DASH）、フィルター、エフェクト、サムネイル、ウォーターマーク、バッチ処理、ハードウェアアクセラレーション（NVENC/QSV）。操作：メディアの変換、エンコード、リサイズ、トリミング、圧縮、抽出、結合、ストリーミング、トランスコード。キーワード：FFmpeg、ImageMagick、動画エンコード、音声抽出、画像リサイズ、サムネイル、ウォーターマーク、HLS、DASH、H.264、H.265、VP9、AV1、コーデック、ビットレート、フレームレート、解像度、アスペクト比、フィルター、オーバーレイ、連結、トリム、フェード、バッチ処理。使用場面：動画/音声フォーマットの変換、特定のコーデックでのエンコード、サムネイルの生成、ストリーミングマニフェストの作成、動画からの音声抽出、画像のバッチ処理、ウォーターマークの追加、ファイルサイズの最適化。
キャプション、トランスクリプト、音声解説を備えたアクセシブルな動画、音声、マルチメディアコンテンツを設計する。動画、音声、ポッドキャスト、ウェビナー、アニメーション、その他の時間ベースのメディアを作成またはレビューするときに使用する。トリガー：captions、subtitles、transcript、audio description、video accessibility、podcast accessibility、multimedia、closed captions、sign language、media player、autoplay。
NCATS Translator ARAX 本番 API をクエリし、範囲が限定され、型付きで、来歴に富む 1 ホップおよびエンドポイント固定の 2 ホップの生物医学知識グラフ関係を取得する。Biolink 制約下の RTX-KG2 検索、明示的に選択したプロバイダによる ARAX フェデレーション、独立したエンティティ正規化、クualiファイ Questionnaire を考慮したグラフ探索、TRAPI エッジバインディング、文献、知識ソースの来歴の inspections に使う。推論、ランキング、オープンエンドな経路探索、臨床ガイダンス、センシティブなクエリには使わない
完全な Next.js デプロイシステム(Next.js 15.5/16)。以下の場合にプロアクティブに有効化する:(1) Vercel のデプロイと設定、(2) セルフホスト可能な Node.js デプロイ、(3) Docker コンテナ化、(4) output:'export' による静的エクスポート、(5) Edge Runtime の設定、(6) 環境変数、(7) GitHub Actions による CI/CD、(8) ヘルスチェックと監視、(9) 本番最適化、(10) Turbopack の本番ビルド(Next.js 16)。提供するもの:Dockerfile、docker-compose、PM2 設定、vercel.json、GitHub Actions ワークフロー、Turbopack 設定。適切な設定による本番対応のデプロイを保証する。
完全な Next.js Middleware システム（Next.js 15.5/16）。次の場合に能動的に有効化する：(1) middleware.ts（Edge）または proxy.ts（Node.js）の作成、(2) matcher の設定、(3) 認証保護、(4) ロールベースのアクセス制御、(5) リダイレクトとリライト、(6) 国際化（i18n）、(7) セキュリティヘッダー（CSP、CORS）、(8) 地理位置ルーティング、(9) ボット検出、(10) レート制限パターン、(11) proxy.ts による Node.js Middleware（Next.js 16）。提供：Edge middleware パターン、Node.js proxy パターン、matcher 構文、認証ガード、ヘッダー操作、cookie 処理、proxy.ts でのデータベースアクセス。適切なセキュリティを備えた最適化されたリクエスト処理を保証する。
完全な Next.js Server Actions システム（Next.js 15.5/16）。次の場合に積極的に有効化：(1) 'use server' による Server Actions の定義、(2) actions によるフォーム処理、(3) フォーム状態のための useActionState、(4) pending 状態のための useFormStatus、(5) useOptimistic による楽観的更新、(6) Zod と next-safe-action によるバリデーション、(7) actions での認可、(8) ファイルアップロード、(9) ミューテーション後の再検証、(10) next-safe-action ライブラリによる型安全な actions。提供：Action パターン、フォーム統合、バリデーション、楽観的 UI、エラー処理、next-safe-action 統合。適切なバリデーションと UX を備えた安全なサーバー側ミューテーションを保証する。
あらゆる Odoo 変更（フィールド追加、メソッドのオーバーライド、ビュー／xpath の継承、OWL/JS パッチ、ウィザード、cron、コントローラー、レポート、セキュリティ、マイグレーション、バグ修正、リファクタリング、"optimize"、"clean code"、"stick to base"）に必須のコーディング前ゲートと完了の定義。Odoo 16-19 が対象。ユーザーが Odoo の traceback やインストール／アップグレードエラー（ParseError "cannot be located in parent view"、"Field ... does not exist"、xmlid の欠落）を貼り付けたとき、または Odoo のモデル、フィールド、メソッド、ビュー、xmlid がどこで定義されているかを尋ねたときにも使用。ブレインストーミングや計画の前に実行する：Odoo の設計上の問いは、開かれた Q&A や記憶ではなく、実際のソースを Context Brief（file:line）へとたどることで答える。Odoo のランタイムとバージョンを解決し、対応する odoo-<major> パックをロードし、コミット前にインストール、テスト、アップグレード、i18n、セキュリティ、衛生のチェックで締めくくる。
OpenHarmony グラフィックサブシステム向けに Gitcode の Pull Request 作成ワークフローを自動化する。コードのコミット、issue の作成、適切なテンプレート形式での PR 送信を含む。ユーザーが Gitcode プラットフォーム向けに PR を作成する必要がある場合、特に CodeCheck テーブルと Signed-off-by タグを含む特定の PR テンプレートを必要とする OpenHarmony グラフィックプロジェクトで使用する。
プロジェクトに okteto.yaml/okteto.yml がなく、ユーザーがそれを Okteto 上で使いたい場合に使用する — 例: "get this repo onto Okteto"、"set up a dev environment for this"、"create an Okteto manifest"、"onboard this service"。マニフェストが存在しないために okteto deploy が失敗する場合にも使用する。okteto.yaml または okteto.yml が既に存在する場合は使用しない — それは okteto skill の領域である。
ユーザーが最適化モデルを構築したい、数理計画問題を解きたい、または最適解を見つけたいときに使用。また、ユーザーが「linear programming」「integer programming」「mixed-integer programming」「constraint optimization」「mathematical optimization」「operations research」「optimal solution」「decision optimization」に言及したときにも使用。ネットワーク設計については network-design を参照。ルーティングについては route-optimization を参照。
公開の `orca` CLI を使用して、Orca が管理する worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、アーティファクト、worktree コメント、および Orca アプリに埋め込まれたブラウザを操作する。ユーザーが「$orca-cli」「use orca cli」「Orca worktree」「child worktree」「cardStatus」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「terminal send」「full handoff」「handover」「give this to another agent」「another worktree」「Orca browser」「orca artifacts」「share HTML/Markdown」「public artifact link」「control the browser inside Orcaoclassroom」と言ったときに使用する。Orca が管理する状態に wortt Involving タスクでは、生の `git worktree`、場しの PTY、Playwright、Computer Use よりこの方法を優先する。Orca の埋め込みブラウザ以外のブラウザウィンドウ、webview、デスクトップ UI には Computer Use を使用してきた。
事前承認の意思決定ワークフローを自動化するためのパイプラインスキル。ユーザーが PA リクエストデータ（X12 278 または FHIR PAS バンドル）の解析、判定用の臨床特徴量の抽出、ルールベースの PA 意思決定エンジンの構築、過去の PA 決定に対する ML 分類器の学習、拒否パターンの分析、PA 結果の SHAP 説明の生成を求めたときに使用する。トリガーには "parse 278"、"FHIR PAS bundle"、"PA automation"、"adjudication logic"、"PA classifier"、"denial analysis"、"prior auth ML"、"SHAP explainability"、"PA feature extraction"、"rules engine PA"、"PA decision pipeline"、"authorization workflow"、"clinical criteria extraction"、"denial pattern mining"、"PA turnaround time" が含まれる。
Hugging Face PEFT を使い、LoRA、QLoRA、IA3、AdaLoRA、プレフィックスチューニング、プロンプトチューニングで LLM を微調整し、学習するパラメーターを 1% 未満に抑えます。ランク、alpha、対象モジュールの選択、アダプターの読み込みとマージ、複数アダプターのサービング、TRL SFTTrainer、Axolotl、vLLM との統合を扱います。GPU メモリーが限られた環境で 7B-70B モデルを微調整する場合、単一の 24GB GPU で QLoRA を実行する場合、LoRA のランクと alpha を選ぶ場合、単一のベースモデル上でアダプターをマージまたは切り替える場合、CUDA OOM やアダプターが適用されない問題をデバッグする場合に使用します。パラメーター数が 1B 未満の小型モデルのフル微調整や、すべての重みを更新する必要があるケースには向きません。
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。