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
ポータブルなアップストリーム Kubernetes NetworkPolicy YAML（default-deny-all、DNS egress、namespace と Pod のセレクタールール）を作成する。Calico や Cilium など任意の準拠 CNI で動作する。セグメンテーションを CNI ポータブルに保つ必要がある場合、デフォルト拒否の姿勢を導入する場合、ベンダー CRD に依存せず Pod と namespace 間の東西トラフィックを制限する場合に使用する。キーワード：NetworkPolicy、default deny、podSelector、namespaceSelector、ingress、egress、CNI portable。Calico 固有のリソースには使用しない —— implementing-kubernetes-network-policy-with-calico を使用する。
Arcjet Guard を Cloudflare Think に統合します——beforeToolCall を guardHooks に委譲し、DENY がツールを差し替えまたはブロックするようにし、cloudflareThinkContext 経由で呼び出し側が所有する id を読み取ります。@cloudflare/think、Cloudflare Agents Think に Arcjet を追加する、それらのツールをレート制限する、受信メッセージを検査する、プロンプトインジェクション/PII をブロックすることが求められたときに使用します。これは Cloudflare Think であり、Vercel AI SDK でも needsApproval HITL でもありません。
機能仕様から Tzatziki ベースの Cucumber テスト（Gherkin .feature ファイル）を生成します。ユーザーが Cucumber テストの作成、BDD シナリオの追加、feature ファイルの作成、テスト生成、または Gherkin によるアプリケーション動作のテストを希望する場合に使用します。特に Java/Spring プロジェクトに適しています。HTTP、リレーショナルデータベース（SQL）、JPA、Kafka、MongoDB、OpenSearch、ロギング、MCP を含むテストに使用します。統合テスト、受け入れテスト、エンドツーエンドテストの作成に言及した場合にも使用します。
長時間実行されるバックグラウンドジョブ（ffmpeg/メディアエンコード、qmd などの埋め込み/vector-DB 実行、バッチ Agent/LLM パイプライン、実ブラウザー/agent-browser デーモン）を完了または停止するまで監視し、手動で何十回もポーリングすることなく、判定（完了、要対応、またはブロック）と正確な次のコマンドを提示する場合に使用します。「このジョブを見守って」「完了まで監視して」「エンコード/埋め込み/バッチが終わったら知らせて」「このバックグラウンドプロセスは停止している？」「この ffmpeg/qmd の実行を監視して」といった表現や、長時間実行中のプロセスを待ち、完了または停止を知らせる依頼がトリガーです。
ユーザー自身のワークロードで Kev 意思決定モデル（オープンな Jev スタイルの System One モデル）をファインチューニングし、キャリブレーション済みの確率で提供する。ユーザーへのヒアリングを行い、そのコードベース内の既存の Jev/TypeSafe の質問やラベル付きデータを見つけ、ゲインを測定するのに十分な合成トレーニングデータを生成し、Modal 上でトレーニングとキャリブレーションを行い、公開済みチェックポイントに対してスコアリングし、TypeSafe 互換のエンドポイントをデプロイし、すべてを撤去する。誰かが自分のドメイン（ルーティング、トリアージ、モデレーション、分類、スコアリング）で noul/choice/score の質問への回答を求めたり、自動化しきい値のためのキャリブレーション済み信頼度を求めたり、Jev、TypeSafe、System One、Kev に言及したり、Kev のファインチューニング、評価、デプロイ、クリーンアップを依頼したりする場合に使用。
mmontes11/knowledge-base の `projects/` セクションに新しい追跡対象プロジェクト（または新しいカテゴリ）を追加するか、メンテナンス時に既存プロジェクトを更新します。所定の標準ドキュメント一式（README、api-reference、releases、features、任意の architecture）を上流の情報に基づいて作成し、出典を明記します。frontmatter を最新に保ち、Tracked projects テーブルに登録して main にプッシュします。ユーザーがナレッジベースへのプロジェクトの追加、追跡、更新を希望する場合に使います。「<repo> をナレッジベースに追加」「<project> の追跡を開始」「<project> のエントリーを更新」「<project> のメンテナンスを実行」「新しいカテゴリ <x> を追加」など、上流リポジトリ名だけが示された場合も対象です。
mmontes11/knowledge-base に記録されている内容についての質問に答えます。対象は追跡対象プロジェクト（概要、API の範囲、最新リリース、機能、アーキテクチャ）、`books/` の本、`foundation/` の基礎トピックです。ルート README の索引テーブルから該当フォルダーを探し、関連ファイルを読んで回答します。ユーザーが一般知識ではなくナレッジベースに基づく回答を求め、その中にある可能性のある内容を質問した場合に使います。「<project> は何をするか」「<project> の最新リリースは何か」「<project> の API はどう動くか」「ナレッジベースはどのプロジェクトを追跡しているか」「<topic> について何と書かれているか」「<book> の第 N 章を要約」などが該当します。
Lapian Notes / 拉片笔记（github.com/bkingfilm/lapian-notes）を扱う——フィルムを編集可能なショット単位の研究ノートに変えるローカルファーストの React/Vite ツール：ローカルでのフレーム抽出、AI 支援による構造分析（AI は手持ちのものを使用、API key 不要）、ストーリーラインのスイムレーンタイムライン、構造ツリー、観客の感情曲線。ユーザーが Lapian Notes、「拉片笔记」、「拉片」（ショット単位のフィルム分析）ツール、このリポジトリのクローン/実行（npm run dev、run.bat/run.command）、AI 分析パッケージ（ZIP）の往復ワークフロー、lapian-notes への PR 提出について尋ねたときに使用する。一般的な動画編集（それには `opencut` を使う）や、このコードベースと無関係な一般的なフィルム分析理論には使用しない。
Google 検索の AI 概要（AI Overview / AI Mode）をスクレイピングし、キーワードに対するメイン検索の AI 概要の要点を返します。最新のウェブ情報を使った詳細調査、技術的な Q&A、ロングテール商品調査、海外消費者の嗜好分析に適しています。単一ターンの会話のみ対応します。追加質問には、エージェントがコンテキストを要約して新しいリクエストを送信する必要があります。Google AI、AI Overview、AI Mode、Google AI 概要、Google AI 検索、海外の詳細調査、ロングテール商品調査、消費者嗜好分析、ウェブページの要点まとめ、Google AI search、AI Overview、AI Mode、deep research、consumer preference analysis に言及した場合にこのスキルを起動します。「Google AI」と明示されていなくても、「Google 検索と AI を使ったウェブページ要点の要約」が依頼内容であれば起動してください。
Meta の LlamaGuard（7B v1、8B v2、v3）を使い、LLM のプロンプトと応答を安全または危険に分類します。暴力とヘイト、性的コンテンツ、銃器と違法兵器、規制対象物質、自殺と自傷、犯罪計画の 6 カテゴリーに対応します。HuggingFace Transformers と vLLM による推論、FastAPI モデレーションエンドポイント、Sagemaker デプロイ、NeMo Guardrails との統合を扱います。LLM 呼び出し前のユーザープロンプトのフィルタリング、表示前のモデル出力のモデレーション、セルフホスト可能なモデレーション API の提供、vLLM や量子化によるモデレーションモデルのレイテンシと GPU メモリ使用量の削減に使用します。誤検知を減らすためのしきい値調整にも使用できます。より簡単なホスト型の選択肢には OpenAI Moderation API を使用してください。
ウェブサイト、ドキュメント、ブログ、ランディングページをエージェントフレンドリーにし、ChatGPT、Perplexity、Claude Code、Cursor などの LLM や AI エージェントから認識・閲覧できるようにします。llms.txt、llms-full.txt、ページの .md/Markdown 版の提供、Accept text/markdown コンテンツネゴシエーション、Link rel="alternate" ヘッダー、AI ボット向け robots.txt ルールと Content-Signal、AI 向けの簡潔なサーバーサイドレンダリング HTML、サーバーログでの AI トラフィック測定、AI エージェント向けサイト最適化、GEO（生成エンジン最適化）、AEO、AI 検索最適化、AI が読み取れる／エージェントが発見できるサイト、ChatGPT や Perplexity の回答で引用される方法、AI ツールにコンテンツではなく空の React ルートが表示されるページに関する依頼に使用します。また、ai.txt、AI メタタグ、非表示の HTML コメントや「for AI」ヒント、AI 切り替えボタン、User-Agent 判定、LLM 用に追加する JSON-LD など、否定された手法への反論にも使用します。従来の Google SEO、sitemap.xml、検索エンジン向け schema.org リッチスニペット、WCAG／アクセシビリティ監査、CSP／セキュリティヘッダーには使用しません。
SAD の基準（Simple、Appropriate、Distinct）に照らしてロゴをデザインまたは評価し、常に文脈に即して判断する。新しいマークのデザイン、既存のマークの改善、ロゴの評価に使用。「logo」「wordmark」「brandmark」「mark」「monogram」「favicon/app icon」「is our logo good」「redesign our logo」「logo critique」「logo concepts」がトリガー。まずブランドが目指す感情的な方向性と競合を確認する。ロゴを文脈から切り離して評価することはない
pcbComponent、形状、ブール演算、フィード、多層スタックアップを使って、カタログにない形状のカスタム PCB 構造を構築する。トリガー：ユーザーが pcbComponent の構築、変更、カスタマイズを求めた場合——形状の追加/削除、ポリゴンの編集、フィードの配置、金属層の追加、スロットの切り抜き、カタログにない RF 構造の作成。既存のカタログ設計コンポーネントの形状を変更する場合（例：パッドの追加、要素の削除、頂点の編集）にも該当する。pcbComponent のコードを書く前に呼び出す——layer/shape/feed API は直感的ではない。スキップ：フィルタ/カプラ/伝送線路などのカタログコンポーネントの設計（該当する matlab-design-pcb-* スキルを使用）、材料/スタックアップの定義のみ（matlab-manage-pcb-material を使用）、EM 解析（matlab-analyze-em を使用）、PCB ファイルのインポート（matlab-read-pcb-layout を使用）。
センサー構成を分析し、MATLAB Navigation Toolbox で慣性融合フィルターを作成する。フィルターの選択（imufilter、ahrsfilter、complementaryFilter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState、insEKF、insCF）、構築、チューニング、融合ループを管理する。IMU/AHRS/INS/GPS+IMU データの融合、姿勢やポーズの推定、フィルターの選択を行うときに使用する。ビジョンのみの SLAM、Simulink の融合、IMU シミュレーションには使用しない。
ユーザーが "Menu宽度为0"、"Menu宽度问题"、"Menu显示异常"、"Menu子窗口问题"、"Menu layout异常"、"recreate subwindow"、"快速打开Menu问题"、"Menu闪退"、"Menu位置错误"、"子窗口recreate"、"Menu崩溃"、"Menu打印recreate"、"点击无响应"、"点击菜单关闭"、"菜单位置左上角"、"菜单方向不对"、"菜单避让坑"、"宽度高度为0" を尋ねた場合、または Menu 幅が 0 になる、Menu の表示問題、Menu の子ウィンドウ問題、Menu レイアウトの異常、位置の誤り、クラッシュ、クリック応答の問題、メニューがすぐに閉じる、位置が正しくない、方向の問題、セーフエリアの問題、幅・高さが 0 の問題など、Menu コンポーネントに関するあらゆる問題に言及した場合に本スキルを使用します。Menu コンポーネントの問題（幅の問題、子ウィンドウの再生成、レイアウト異常、位置の誤り、クラッシュ分析、クリック問題、メニューの配置、サイズの問題）に対する体系的なデバッグ支援を提供し、ログ拡張パッチを自動生成します。
Microsoft Priva のガイダンス — プライバシーリスク管理と主体の権利請求。Priva Privacy Risk Management と Priva Subject Rights Requests により、プライバシーリスクを発見し、データ主体の請求（GDPR/CCPA）を履行する方法を扱います。WHEN：Microsoft Priva、プライバシーリスク管理、主体の権利請求、DSAR、データ主体の請求、GDPR の履行、プライバシーリスクポリシー、データ最小化、過剰に公開された個人データ。
本スキルは、Mockito（Android で支配的なモッキングフレームワークであり、androidx 自身も専ら使用している）を JVM ユニットテストスイートに組み込むためのもの。`org.mockito:mockito-core:5.x` と `org.mockito.kotlin:mockito-kotlin:5.x` の Kotlin DSL —— `mock<T>()`、`whenever`、`argumentCaptor<T>()`、`any()` / `anyOrNull()` / `eq()`、`MockitoJUnit.rule()` と `MockitoAnnotations.openMocks(this)` のライフサイクルの違い、Kotlin の final クラス向け inline mock-maker（`mock-maker-inline` プラグインファイル）、instrumented での final クラスモック向けの `@SdkSuppress(minSdkVersion = 28)`、`runBlocking` による suspend スタブの逃げ道をカバーする。ユーザーが `whenever`、`Cannot mock final class`、`InvalidUseOfMatchersException`、`@Mock null`、`MockitoJUnitRunner`、`argumentCaptor`、`mock-maker-inline` に言及したとき、または mockito-kotlin でのモック方法を尋ねたときに使用する。
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。