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
library Lightning スタックを通じて Physical AI Studio のポリシーを訓練・検証・テストし、予測を実行する。physicalai fit/validate/test/predict の実行、Python からの physicalai.train.Trainer および Policy API の呼び出し、library/configs 配下の YAML 設定の作成・編集、model + datamodule + trainer の接続、checkpoint からの再開、訓練実行のデバッグに使用する。ACT、Pi0、Pi0.5、GR00T、SmolVLA を扱う。
Playwright テストの作成、不安定なテストの修正、失敗のデバッグ、Page Object Model の実装、CI/CD の設定、パフォーマンス最適化、API のモック、認証や OAuth の処理、アクセシビリティ（axe-core）のテスト、ファイルのアップロード／ダウンロード、日時のモック、WebSockets、位置情報、権限、複数タブ／ポップアップのフロー、モバイル／レスポンシブレイアウト、タッチ操作、GraphQL、エラー処理、オフラインモード、複数ユーザーの共同作業、サードパーティサービス（決済、メール認証）、コンソールエラーの監視、グローバル setup／teardown、テストアノテーション（skip、fixme、slow）、テストタグ（@smoke、@fast、@critical、--grep によるフィルタリング）、プロジェクト依存関係、セキュリティテスト（XSS、CSRF、auth）、パフォーマンス予算（Web Vitals、Lighthouse）、iframe、コンポーネントテスト、canvas／WebGL、service worker／PWA、テストカバレッジ、i18n／ローカライズ、Electron アプリ、ブラウザー拡張機能のテストに使用します。E2E、コンポーネント、API、ビジュアル、アクセシビリティ、セキュリティ、Electron、拡張機能のテストに対応します。
ローカルマシンで Playwright を使ってブラウザの自動化とウェブスクレイピングを構築します。CI のタイムアウトハング、拡張機能テストの失敗、Ubuntu 互換性の問題など、記録されている 10 種類のエラーを回避します。ボット検出回避用のステルスモード、認証済みセッション、無限スクロール対応、スクリーンショット/PDF 生成、v1.57 Speedboard のパフォーマンス解析を含みます。用途: ブラウザの自動操作、保護されたサイトのスクレイピング、実 IP でのテスト、ボット検出の回避、スクリーンショット/PDF の生成、または "target closed"、"page.pause() により CI がハング"、"権限プロンプトでテストがブロック"、"Ubuntu 25.10 のインストール" などのエラーの調査。
PowerShell 7.5/7.6 の機能と拡張。以下で積極的に有効化：(1) PowerShell 7.5 の安定版機能、(2) PowerShell 7.6 のプレビュー機能、(3) ConvertTo-CliXml/ConvertFrom-CliXml、(4) Test-Path -OlderThan/-NewerThan、(5) += 演算子の最適化（8 倍〜16 倍高速）、(6) PSResourceGet 1.1.1/1.2.0、(7) Get-Clipboard -Delimiter、(8) Get-Command -ExcludeModule、(9) DSC v3 リソース、(10) .NET 9/.NET 10 の統合。提供：最新のコマンドレットの使用法、パフォーマンスベンチマーク、移行パターン。
上級教授が大学院生を指導するように高度な技術トピックを説明する——まず直感と動機、次に数学的厳密さ、全体を通して批判的判断。ユーザーが任意の定量的分野（数学、ML、最適化、信号処理、システム、統計、物理など）の技術的概念、アルゴリズム、手法、モデル、研究方向を理解・学習・導出・比較・実装・批判的に分析したいときはいつでもこのスキルを使用する。「X を説明して」「X はなぜ機能するのか」「X は Y とどう比較されるか」「導出を順を追って説明して」「X の背後にある直感は何か」「この手法は実際に優れているのか」「なぜこの分野は X から Y へ移行したのか」といった表現、または浅いブログ風の回答や数式の羅列だけではユーザーの期待に応えられないあらゆるリクエストでトリガーする。概念的および研究レベルの技術的な質問では、ユーザーが明示的に「教えて」と求めていなくても、このモードをデフォルトとする。
サポートされている kernel 実装言語に共通する GPU kernel プロファイリングワークフロー。4 つのプロファイリングモード（annotation、event、ncu、nsys）すべてのコマンド、指標の解釈表、ボトルネック特定のルール、オーケストレーターにコンパクトな結果を返すための出力契約を提供する。使用場面：(1) kernel バージョンのプロファイリング、(2) プロファイリング成果物/レポートの解釈、(3) kernel バージョンの比較、(4) ボトルネックと最適化機会の特定、(5) 開発ログへの性能の記録。
PDB/mmCIF の解析、RMSD 重ね合わせ、Ramachandran/二面角解析、結合ポケット検出、コンタクトマップ、B-factor 柔軟性、DSSP 二次構造、フォーマット変換を扱うタンパク質構造解析のパイプラインスキル。PDB、protein structure、RMSD、Ramachandran、binding pocket、Biopython、PyMOL、pocket detection、fpocket、DSSP、PDBQT、structural alignment、superposition でトリガー。
Microsoft Purview の AI 向けデータセキュリティ態勢管理（DSPM for AI）のガイダンス——Microsoft 365 Copilot、Security Copilot、Copilot Studio エージェント、サードパーティ AI（ChatGPT、Gemini）などの生成 AI アプリとの機密データのやり取りを発見、監視、保護する。AI 利用状況の可視化、ワンクリックの推奨事項、AI に表面化する過剰共有リスク、AI 向け DLP を扱う。WHEN: DSPM for AI、AI データセキュリティ態勢、Copilot のデータリスク、AI プロンプトの監視、AI 内の機密データ、生成 AI のデータ保護、サードパーティ AI 利用状況の可視化、Copilot データの保護、どの機密データが AI に送信されているか、ユーザーが Copilot プロンプトに入力している内容の監視、AI 応答内の機密データの検出、ChatGPT のデータ漏えいリスク。DO NOT USE 目的が Copilot 展開前の過剰共有された SharePoint コンテンツの修復（purview-copilot-oversharing を使用）や、退職者向けの IRM ポリシーの構築（insider-risk-baseline を使用）である場合。
Microsoft Purview eDiscovery（従来の Standard と Premium を統合した統合エクスペリエンス）のガイダンス——法的案件、規制当局の要請、調査のために Microsoft 365 全体でコンテンツを特定、保全、収集、レビュー、分析、エクスポートする。案件、カストディアン、リーガルホールド、検索、レビューセット、分析、エクスポートを扱う。WHEN: eDiscovery、リーガルホールド、コンテンツの保全、訴訟のための収集、レビューセット、証拠のエクスポート、eDiscovery 案件、カストディアン、Microsoft 365 の検索と保持、法的調査、EDRM ワークフロー、防御可能な収集。
エンドツーエンドの Microsoft Purview 情報ガバナンス／情報保護戦略のガイダンス — 分類、ラベル付け、保護、ライフサイクル、リスクを Zero Trust のデータ柱に沿った一貫したプログラムとして順序付ける。成熟度に基づく展開の順序付け、責任の所在、指標を扱う。対象：情報ガバナンス、情報保護戦略、データ保護プログラム、Purview 展開の順序付け、MIP 戦略、データをエンドツーエンドで保護・統制、Zero Trust データ柱プログラム、Purview ロードマップ、データセキュリティの成熟度。
PyMCとArviZを使い、Pythonでベイズモデルの構築、適合、診断、比較を行います。階層（マルチレベル）モデル、NUTS MCMCサンプリング、変分推論（ADVI）、事前・事後予測チェック、収束診断（R-hat、ESS、発散）、LOO/WAICによるモデル比較を扱います。回帰、カウント、二値データ向けのPyMCモデルを記述する場合に使用します。部分プーリングを伴う階層モデルを適合する場合に使用します。発散、低いESS、高いR-hatを診断する場合に使用します。LOOで候補モデルを比較する場合に使用します。事前分布の選択や事前予測チェックに使用します。非ベイズ回帰には適しません。代わりにstatsmodelsまたはscikit-learnを使用してください。
完全な FastAPI 本番システム。以下で積極的に有効化：(1) プロジェクト構造（スケーラブルなレイアウト）、(2) Pydantic スキーマ（入出力の分離）、(3) 依存性注入、(4) SQLAlchemy による非同期データベース、(5) JWT 認証、(6) エラー処理パターン、(7) Docker デプロイ、(8) Gunicorn + Uvicorn の本番運用、(9) レート制限、(10) httpx によるテスト。提供：プロジェクトテンプレート、スキーマパターン、認証設定、Docker 設定。本番環境に対応した FastAPI アプリケーションを実現。
Qonto アカウントの顧客とサプライヤーの法的健全性を監視します。未払いの顧客請求書、サプライヤーへの支払い義務、継続的な支出など、実際のエクスポージャーに基づいてすべての取引先を順位付けし、支払期日に対する実際の遅延を測定します。Datagouv MCP が利用可能な場合は、フランスの公的登録情報（SIRENE の登録抹消／廃業、BODACC の集団手続き：会社更生、清算、保全手続き）とも照合し、「顧客 X は N € の未払いがあり、会社更生手続きに入ったばかりです。今日督促しましょう」のようなアラートを出します。「誰が支払いを滞納していて、問題を抱えているか」「顧客の法的健全性を確認」「顧客は会社更生中か」「どのサプライヤーが倒産しそうか」「取引先をリスク順に並べる」といった用途に使用します。
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。