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
3 つの敵対的エージェントを並列に起動し（1 つは擁護、1 つは攻撃、1 つは新たな証拠を探索）、議論ではなく物理的な証拠で争点を解決することで、クラッシュ分析、仮説、技術的結論をストレステストする。分析に 2 つ以上のもっともらしい競合する説明がある場合、結論が単一のログサンプルや 3 ステップを超える推論チェーンに依存する場合、または誰かが \"are you sure?\"、\"that doesn't sound right\" と言ったり前提に異議を唱えたりした場合は、必ずこのスキルを使用する。トリガー：辩论、求真、挑战假设、质疑分析、multi-agent-debate、\"debate this\"、\"challenge my analysis\"、\"find holes in\"、\"I'm not sure this is right\"、\"verify this\"。
Karpathy による最小構成の PyTorch GPT 実装 nanoGPT（model.py、train.py）を提供します。CPU での文字レベル Shakespeare のトレーニング、マルチ GPU の torchrun による OpenWebText 上での GPT-2 124M の再現、事前学習済み GPT-2 チェックポイントのファインチューニング、独自テキストでのトレーニングのワークフローを含みます。GPT と Transformer ブロックの仕組みを一から学ぶ場合、CPU または単一 GPU で小規模なトレーニング実験を行う場合、通常の PyTorch で Transformer の派生モデルを変更する場合、文字レベルまたは BPE のバイナリデータセットを準備する場合、nanoGPT のメモリ不足や学習速度の問題を解決する場合に使用します。本番環境や大規模分散トレーニングには適しません。代わりに HuggingFace Transformers または Megatron-LM を使用してください。
metadata、サイトマップ、robots.txt、構造化データ、Core Web Vitals を網羅する Next.js SEO 最適化スキル。Next.js アプリの SEO 構築・監査、metadata API の実装、サイトマップの生成、Open Graph タグの追加、JSON-LD 構造化データの作成、検索エンジン向け最適化、検索順位の改善に使用。Next.js 13+ の App Router と Pages Router に対応。
ユーザーが明確に「NSFC 予算説明書の作成/生成」「予算説明の作成」「budget.tex / budget.pdf の生成」「国自然予算 justification の作成」を求めたときに使用します。ユーザーの標書本文または補足資料に基づき、提出可能な予算説明書の LaTeX プロジェクトを出力し、`budget.pdf` をレンダリングします。ユーザーが作業ディレクトリを指定していない場合は、必ず一時停止し、先に指定を求めてください。⚠️ 非該当：ユーザーが予算の原則を知りたいだけの場合、予算表の数字のみを求めて説明書の作成を求めない場合、またはユーザーが 2026 年青年 A/B/C の既定パッケージ制（包干制）で予算説明書が不要な場合。
ユーザーが明確に「NSFC の原理図/メカニズム図/schematic diagram/mechanism diagram を生成」と要求した場合、または申請書の研究メカニズム、アルゴリズムアーキテクチャ、モジュール関係を「編集可能 + ドキュメントに埋め込み可能」な図に変換する必要がある場合に使用します。デフォルトでは編集可能なソースファイル（`.drawio`）とレンダリングファイル（`.pdf`/`.svg`/`.png`）を出力します。ユーザーが Nano Banana 画像モデルに自ら言及した場合は PNG-only モードに切り替え可能で、Gemini と OpenAI `gpt-image-2` に対応します。⚠️ 非該当：ユーザーが本文テキストを推敲したいだけ（テキストを直接書き換えるべき）、既存画像の形式/サイズを変更したいだけ（画像処理スキルを使用すべき）、明確な「原理図/メカニズム図」の意図がない場合。
自由記述の科学ラベルをオントロジー用語 ID に対応付け、既存の CURIE を EBI Ontology Lookup Service（OLS4）で検証します。Bioregistry でのプレフィックス検索、Identifiers.org によるコンパクト識別子の解決、ZOOMA によるラボ内略称の対応付け、Ontobee 用語ページの作成にも対応します。組織、細胞型、疾患、表現型、アッセイ、化学物質、生物種、性別、発生段階のフィールドへのアノテーション、GEO、ENA、BioSamples、CELLxGENE、HCA、ISA-Tab への提出メタデータの準備、用語 ID を含むメタデータ表の監査、用語の廃止状況と置換先の確認、HPO と HP の選択など、オントロジー識別子の生成または確認が必要な場合に使用します。「ontology term」「ontology ID」「CURIE」「controlled vocabulary」「UBERON」「CL:」「MONDO」「HPO」「EFO」「ChEBI」「NCBITaxon」「GO term」「PATO」「Zooma」「Bioregistry」「Identifiers.org」「Ontobee」「この組織／細胞型／疾患にアノテーションを付ける」、および PREFIX:0001234 形式の識別子の出力・検証依頼などが手掛かりです。
RoleModel の Optics デザインシステムで Rails ビューをスタイリングする — そのコンポーネント、`--op-` デザイントークン、テーマオーバーライド。CSS を書いたりレビューしたりするとき、ビューやコンポーネントをスタイリングするとき、色、間隔、フォント、角丸、影の値を選ぶとき、ハードコードされた CSS 値を修正するとき、プロジェクトトークンを追加するとき、アプリをテーマ設定するとき（ブランドカラー、フォント、カラースケール、ダークモード）に使用。ユーザーが "style this"、"make this look like the design"、"what token should I use"、"fix the hard-coded colors"、"change the brand color"、"add dark mode" と言ったときにも使用。
このスキルは、Android のテストソースセット——`src/test/`、`src/androidTest/`、コミュニティの慣例である `src/sharedTest/`、そして AGP 7.2 が従来の `sourceSets` の接続を壊した後に Compose 自身が採用した最新の KMP スタイルの `androidHostTest` / `androidDeviceTest` 分割——を整理するために使用します。Google の `/training/testing/local-tests` と `/training/testing/instrumented-tests` のページに沿った `testImplementation` / `androidTestImplementation` / `debugImplementation` の構成マトリクスを含みます。ユーザーが "where do I put my tests"、"test or androidTest"、"sharedTest setup"、"AGP 7.2 broke my sourceSets"、"androidHostTest vs androidDeviceTest"、"testImplementation vs androidTestImplementation vs debugImplementation"、"why is my Robolectric test in androidTest" と尋ねたときに使用します。
学術論文の査読スキル — 構造化された 4 ステップのプロセスで深い論文レビューを実施し、批判的レビュー、スコア予測、要点の精緻化、正式な査読出力をカバーします。ユーザーが論文を review する必要がある場合、reviewer の反応をシミュレートする場合、論文が採択されるかを評価する場合、または論文の長所と短所の判断を支援する場合には、必ずこのスキルを使用してください。トリガーとなる語句：これを review、査読して、reviewer は何と言うか、これは通るか、paper review、スコアを付ける、weakness を探す。あらゆる学術論文の査読シミュレーションと評価に適用されます。
library/src/physicalai/policies 配下で Physical AI Studio のポリシーを追加または変更する。config/model/policy の分割で新しいポリシーファミリーを作成する場合、get_policy ファクトリとパッケージエクスポートに登録する場合、またはポリシーを Lightning のトレーニングとエクスポートに互換に保つ場合に使用。Pi0.5、Pi0、ACT、GR00T、SmolVLA、LeRobot でラップされたポリシーをカバー。
A/B 実験設計スキル。実験目標を起点に、完全な実験計画（仮説、グループ分け、指標体系、サンプルサイズの推定、損切りルール、判定ルール）を出力する。トリガー条件：ユーザーが「A/B テスト」「AB 実験」「実験設計」「対照実験」「分流実験」「段階的ロールアウト案」「実験計画」「サンプルサイズ計算」「有意性検定」「実験評価」「p 値」「信頼区間」「MDE」「統計的検出力」「実験期間」「損切りルール」などのキーワードを挙げたとき。 また、次の場合にも適用：ユーザーが実験目標／変更可能点／データ規模／期間制約を提示して実験計画の作成を求めたとき；既存の実験設計が妥当か評価するよう求めたとき；実験の判定基準と意思決定ルールを策定するよう求めたとき。 典型的な入力：実験目標 + 変更可能点 + 現在のデータ規模 + 許容できる実験期間。 適さない用途：純粋なデータ分析（pm-analytics を使用）、純粋なトラッキング設計（tracking-spec-writer を使用）、純粋な PRD 作成（pm-prd-writer 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。