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
豊富なビジュアルレポートを生成する、包括的な複数ラウンドの調査を実施する。「deep research」「comprehensive analysis」「compare frameworks」「evaluate options」「research the state of X」を求められたとき、または 10 以上の情報源を横断する調査が必要なタスクに使用する。簡単な調べものには使用しない — これは 5〜15 分の深掘り調査で、スクリーンショット、図、表、引用付きの調査結果を備えたブリーフィング品質の成果物を生み出す。
DeepStream Multi-View 3D Tracking リファレンスアプリ（MV3DT とも呼ばれる）を実行・運用する。前提条件のセットアップ、同梱の MV3DT サンプルの実行、カスタムの同期 MP4 データセットでの Multi-View 3D Tracking の実行、カメラキャリブレーションのインポート、不足しているキャリブレーションの AutoMagicCalib への委譲、OSD または BEV 可視化の確認、MV3DT Kafka メタデータの利用、DeepStream MV3DT アプリディレクトリ内の MV3DT 実行状態のクリーンアップをユーザーが求めたときに使用する。
プロジェクトの本番/エンタープライズ readiness を評価するとき、サプライチェーンセキュリティ（SLSA、cosign、SBOM、pnpm）を実装するとき、CI/CD パイプラインを強化するとき、品質ゲートを設けるとき（TYPO3：CI マトリクス PHP 8.2-8.5 × TYPO3 12.4/13.4/14.3 LTS）、OpenSSF Best Practices Badge（Passing/Silver/Gold）や OSPS Baseline レベルを目指すとき、コード品質をレビューするとき、ADR を書くとき、Git hooks や CI パイプラインを設定するときに使用。
ユーザーの Copilot Studio エージェントの評価結果が返ってきて、スコアの解釈、成績の振るわないテストケースの根本原因の診断、改善手順の特定、またはエージェント改善のためのパターン分析が必要な場合にこのスキルを使用します。ユーザーが次のように述べた場合は必ずこのスキルを使用してください："eval failed"、"why did this fail"、"triage"、"diagnose failure"、"low pass rate"、"fix evaluation results"、"not passing"、"failing test cases"、"evaluation results"、"improve my eval scores"、または評価スコアの解釈と対応が必要なあらゆる状況。
重要な汎用的仕組みを採用する前に、明確な独自実装案を基準として、実績のあるライブラリ、オープンソースのツールやアプリケーション、マネージドサービス、標準・フレームワーク・プラットフォームのプリミティブを調査・比較します。ライブラリ／ツールの推奨、構築か採用かの判断、独自機構の置き換え、影響の大きい未解決の依存関係、新たに導入する重要な依存関係のデューデリジェンスに使用します。根拠に基づき、採用、適応、組み合わせ、構築、延期、何もしない、のいずれかを提案します。リポジトリ全体の機会を探す場合は、先に improve-codebase-architecture を使い、選定した対象のみを評価します。エージェントスキルの発見、仕様化が必要な制約、些細なロジック／接着コード、採用済みツールの日常利用、通常の修正には使用しません。
関数型 TypeScript のためのイベントソーシングパターン——状態を過去のイベントの追記専用ログとして永続化し、それらを畳み込んで再構築する。Decider の書き込みモデル、イベントストア、プロジェクションと読み取りモデル、イベントのバージョニング、スナップショットを実装する場合に使用する。domain-driven-design の Decider と hexagonal-architecture の ports/adapters を基盤とする。CRUD や、監査ログや outbox パターンで既に十分な場合は手を出さない。
オープンソースツールの SwanLab で ML 実験を追跡します。swanlab.init、設定とメトリクスの記録、スカラーグラフ、メディア（画像、音声、テキスト、GIF、点群、分子）の記録に対応し、クラウド、ローカル（mode="local" と swanlab[dashboard]）、セルフホスト環境で利用できます。PyTorch、Transformers、PyTorch Lightning、Fastai との統合を含みます。トレーニング実行のメトリクスやハイパーパラメーターの記録、シード・チェックポイント・ハイパーパラメーター間の実行比較、マネージド SaaS の代わりにオフラインまたはセルフホストのダッシュボードを使用する場合、スカラーと一緒にメディアを記録する場合、Transformers、Lightning、Fastai のトレーニングループに追跡コールバックを追加する場合に使用します。Weights & Biases や MLflow など、他のトラッカーには適しません。
完全な Docker FFmpeg デプロイシステム。次の場合に能動的に有効化する：(1) Docker FFmpeg イメージの選択（jrottenberg、linuxserver）、(2) GPU パススルー（NVIDIA、Intel、AMD）、(3) ボリュームマウントと権限、(4) Docker Compose による動画処理、(5) Kubernetes FFmpeg ジョブ、(6) カスタム Dockerfile ビルド、(7) Windows/Linux/macOS での Docker 利用、(8) リソース制限と最適化、(9) ウォッチフォルダの自動化、(10) 本番向けコンテナパターン。提供：イメージ比較表、GPU Docker コマンド、Compose の例、K8s マニフェスト、トラブルシューティングガイド。保証：プラットフォーム間で一貫した分離された FFmpeg 環境。
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。