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 100,928 件掲載。コマンド 1 行でインストールできます。
すべて
アプリまたはコレクションのASOパフォーマンスを分析します。追跡中のキーワードの現在順位とカテゴリ順位、競合情報を踏まえたキーワード機会、対話型のキーワード追加フロー(唯一の書き込み経路)、率直なメタデータ提案を扱います。構造化されたfindings.jsonと単体で動作するHTMLレポートを出力します。「ASO report」「keyword rankings」「keyword opportunities」「how do we rank for <keyword>」「suggest keywords to add」で起動します。
Aurora スマートホームオーケストレーター — すべてのスマートホームスキルのルーティング層。ユーザーがスマートホームに関するあらゆる質問をし、どのスキルを呼び出すべきか判断する必要がある場合、またはタスクが複数のスキルにまたがる場合(例: "build a sensor that shows on a dashboard and triggers automations")に、このスキルを使用する。特定のスキルに手を伸ばす前に、まず aurora を呼び出す — 適切な専門スキルにルーティングし、token 使用量を効率的に保つための正しい Claude モデルを推奨する。トリガー: smart home、Home Assistant、ESPHome、automation、IoT、dashboard、ESP32、Node-RED、または自宅のデバイスの制御や監視に関するあらゆるリクエスト。
azuresql-db-* エージェント skill 自体、または Azure SQL Database コンテナ(Private Preview)に関するバグの報告やフィードバックの提出を行います。ユーザーが skill やコンテナが「動作しなかった」、エラーが発生した、想定外の動作をした、何かが欠けていると述べたときに使用します。また、ユーザーが「バグを報告して」「issue を立てて」「GitHub issue を開いて」「機能をリクエストして」「フィードバックを伝えて」「チームに伝えて」と言ったときにも使用します。エージェントであるあなたがタスクを完了するために azuresql-db-* skill から逸脱したり、その欠陥を回避したりした場合にも使用します。タスクが成功したとしても、それは報告する価値のあるバグです。問題が SKILL と CONTAINER のどちらに属するかを判断します。両者は異なる issue テンプレートを使用するためです。その後、すでに持っているコンテキストから完全な GitHub issue を事前入力して作成します。ユーザーからの明確な確認なしに何も送信しません。
スキャフォールドテンプレートから B2C Commerce の cartridge、controller、hook、カスタム API、job step、Page Designer コンポーネントを生成する。新しい cartridge の作成、既存の cartridge への controller や hook の追加、カスタム API エンドポイントの立ち上げ、job step や Page Designer コンポーネントのボイラープレート生成が必要なときは常にこのスキルを使用する——ユーザーが「新しい cartridge を作成」や「loyalty 用の controller が必要」と言っただけの場合でも。
Beamer LaTeX スライドのワークフロー:学術プレゼンテーションの作成、コンパイル、レビュー、仕上げ。ユーザーが Beamer の .tex スライドデッキを扱う場合、またはスライドの作成、プレゼンテーションの作成、講義の準備、トークの構築、論文 PDF や Markdown からの Beamer スライド生成を依頼した場合に本スキルを使用。対象:作成、編集、コンパイル、校正、ビジュアル監査、教育上のレビュー、TikZ 図、図の抽出、包括的な品質チェック。トリガー:beamer、slides、lecture、presentation、seminar talk、conference talk、defense slides、tikz、compile latex、proofread slides、slide review、讨论班、论文讲解。トリガーしない:powerpoint、pptx、PPT、做PPT——代わりに powerpoint-slides スキルを使用。
ある概念を与えられたら、実際に検索して得た論文アブストラクトからその隣接概念を掘り出し、その概念を中心としたナレッジマップを描く——各ノードは実在する文献に紐づけ、記憶からノードを補わない。あわせて Mermaid の概念図(Claude Code / GitHub / Obsidian でレンダリング可能)と、スクリーンショット可能な単体 HTML マップを出力し、さらに 3–6 件の入門向けおすすめ論文を提示する。 **以下の場合は本スキルを能動的に発動すること**:ユーザーが「この概念のナレッジマップを描いて」「この用語の周りにはどんな関連概念がある」「この方向の概念ネットワークを整理して」「概念図を出して」「この分野の中心概念は何か」「ナレッジマップ」「概念マップ」「map out this concept」「draw a knowledge map of X」「what concepts surround X」「show me the concept network around this term」「concept map for X」と言った場合——たとえユーザーが「bear-map」と言わなくても、意図が**ある概念を中心にその周囲の知識版図を知ること**であれば本スキルを使う。 適用外:主張の支持文献を探す(bear-support を使う)、反対文献を探す(bear-counter を使う)、テーマの重複チェック(bear-scoop を使う)、発展史の遡及(bear-trace を使う)。
ある概念または分野を与えられたら、その概念版図(空間:現在この分野がどうなっているか)と進化の流れ(時間:この分野がどう今日に至ったか)を同時に描き、1 つの総合レポートで未知の分野に対する立体的な理解を素早く築けるようにする。基盤は実際の検索(scimaster-cli)で、引用を決して捏造しない。 **以下の場合は本スキルを能動的に発動すること**:ユーザーが「ある分野に素早く入門したい」「この方向を理解したい」「この分野の中心概念と発展史」「この方向の認知フレームワークを築いてほしい」と思っている場合——たとえ「bear-onboard」と言わなくても、意図が**未知の分野について概念版図と進化の流れを同時に理解すること**であれば本スキルを使う。 適用外:概念マップだけを描く(bear-map を使う)、遡及だけを行う(bear-trace を使う)、主張の文献を探す(bear-support / bear-counter を使う)、テーマの重複チェック(bear-scoop を使う)。
あるテーマまたはシード論文を与えられたら、それがどの先行研究の上に成り立っているかを前方へ掘り下げ(層ごとに遡及)、さらに後方へ最新の進展を補い、この問題が源流から現在までどう進化してきたかを明らかにする。基盤は実際の検索(scimaster-cli)で、各ノードは実際に検索された論文に紐づける。 **以下の場合は本スキルを能動的に発動すること**:ユーザーが「この問題はどう生まれたのか」「この方向を遡及してほしい」「この分野はどう発展したのか」「この論文は誰の成果の上に成り立っているのか」「この方向の歴史を最初から説明して」「新しい分野に入門するにあたりまず進化の流れを知りたい」と尋ねる場合——たとえユーザーが「bear-trace」と言わなくても、意図が**ある研究問題や分野の来歴を理解すること**であれば本スキルを使う。`-d N` で遡及する層数を制御できる(デフォルト 3 層)。 適用外:主張の支持文献を探す(bear-support を使う)、反対文献を探す(bear-counter を使う)、テーマの重複チェック(bear-scoop を使う)、概念マップ(bear-map を使う)。
Hub MỘT TÊN cho dây chuyền sản xuất kiểu Ralph (GH#15): biến tài liệu thô của user thành sản phẩm qua 5 mode — `/br interview` (đọc folder raw/ → đối chiếu bộ specs chuẩn S1–S10 → sinh bộ câu hỏi hỏi-bù dạng HTML xem trước + MD điền, cho phép lens chuyên gia điền thay mục chưa chắc), `/br compile` (answers → BR.md có clause_id + bảng "Giả định đang gánh"), `/br slice` (BR → frames nhỏ gắn chặt code, gác bằng frame-lint), `/br run <frame>` (mỗi frame chạy loop-runner có 6 phanh + dry-run + người gác · sau frame xanh TỰ chạy QC tất định 0-token), `/br qc` (audit senior 4-mục: /qc-code soi code + /qc-uiux soi UI/UX qua engine visual-qa), `/br status` (trang line-status.html tất định: frame nào chạy/kẹt/xong + truy ngược lỗi→frame→clause). Gọi khi user nói "br", "interview", "phỏng vấn yêu cầu", "soạn BR", "slice frame", "chạy frame", "qc frame", "audit ui mockup", "trạng thái dây chuyền", "ralph pipeline", hoặc invoke /br. User chỉ mô tả PHẠM VI, không cần nhớ lệnh con.
コンポーネント契約から Figma コンポーネントセットを生成する。ユーザーが契約定義から Figma コンポーネントを構築または更新したい場合に使用——例:'build the Button Figma component'、'generate Figma component from contract'、'sync the Accordion to Figma'、'create component variants in Figma'。前提条件:cc-figma-tokens スキルを先に実行していること——対象の Figma ファイルに Primitive および Semantic 変数コレクションが存在している必要がある。figma-use と figma-generate-library スキルが必要。
チャットだけで完結する AI 動画エディター — 変更したい内容を入力すれば、あとは AI が処理します。クリップのトリミング、映像の結合、BGM の追加、カラー グレーディングの適用、テキスト オーバーレイの挿入、完成した MP4 ファイルの書き出しを、タイムラインに触れることもキーボード ショートカットを覚えることもなく行えます。自分の動画がどう見えるべきかは分かっているが、Premiere や DaVinci を覚えたくない人向けに設計されたチャット ベースの動画エディターです。mp4、mov、avi、webm、mkv に対応。ファイルをアップロードするか URL を貼り付けるだけで、すぐに編集を開始できます。
A 株の投資銀行案件向けにプロフェッショナルなデータパックを構築する——M&A デューデリジェンス、IC 資料、会社概要。中国のデータソース(AkShare、巨潮、取引所開示)と CAS 会計基準向けに元の datapack-builder スキルを改編したもの。トリガー: "A股数据包"、"投行数据包"、"datapack China"、"due diligence pack A-share"、"IC data pack [company]"。
中国のウェルスマネジメント顧客向けに投資提案書を作成する。投資根拠、商品推奨、リスク開示を含む構造化された提案書を作成する。A 株商品と中国の規制要件向けに元の investment-proposal スキルを改編したもの。トリガー: "A股投资建议书"、"投资方案"、"investment proposal China"、"proposal for [client]"、"investment recommendation A-share"、"build investment proposal"。
新しい四半期データ、経営陣のガイダンス、マクロの変化で A 株の財務モデルを更新する。実績値を反映し、予想をロールフォワードし、重要な変化をフラグ立てし、バリュエーションを更新する。中国市場の慣行と AkShare データ向けに元の model-update スキルを改編したもの。トリガー: "A股模型更新"、"模型更新"、"plug earnings into model"、"update model for [company]"、"刷新预测"、"更新财务模型"。
ユーザーが "create a team"、"spawn agents"、"assign tasks"、"coordinate multiple agents"、"check team status"、"view kanban board"、"send messages between agents"、"manage team tasks"、"monitor team progress" を求めたり、"clawteam"、旧称 "oh"、"multi-agent coordination"、"team collaboration"、"agent inbox"、"task board"、"spawn worker" に言及したときに使用するスキル。現在のタスクがサブタスクに分割して複数のエージェントに委任するのに十分複雑な場合、たとえばユーザーが "build a full-stack app"、"refactor the entire codebase"、"implement multiple features in parallel" を求めたときや、作業範囲が 1 つのエージェントで効率的に処理できる範囲を超えるとエージェントが判断したときにもトリガーする。ClawTeam CLI を使って、タスク管理、メッセージング、モニタリング、ランタイムプロファイル、git コンテキスト、復旧ツールを備えたマルチエージェントチームを編成するための包括的なガイダンスを提供する。
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。
