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
テストの作成、レビュー、改善の際にテストのベストプラクティスを徹底する。対象：TDD/レッド・グリーン・リファクタリング、プロパティベーステスト、モックより実オブジェクト、構造による正しさ、アサーションの品質、E2E/コントラクトテスト、フレーキーテストの改善、モックと現実の乖離、ミューテーション型のギャップ分析、意図的に壊された/スキップされた/弱いテスト。テストを作成するとき、テスト品質をレビューするとき、フレーキーテストを修正するとき、カバレッジの質を高めるとき、またはユーザーが TDD、testing、coverage、mocks、invariants、types vs tests、defense in depth、fuzzing、generative testing、test quality に言及したときに使用する。
パーティクルクラウド Three.js（THREE.Points + BufferGeometry）がページスクロールの進行に合わせてランダムな位置から画像/ロゴへ収束する — 非表示の canvas からピクセルをサンプリングして目標座標とし、スクロールに応じて position を lerp する。ユーザーが "particle image"、"hạt hội tụ thành ảnh"、"three.js particle scroll"、"point cloud morph"、"particle cloud biến hình theo scroll"、または /threejs-particle-morph と言ったときに呼び出す。`skills/blur` とは異なる（あちらは GLSL のラジアルブラーシェーダーで、平面上のある画像を別の画像へ変化させるもの — こちらは離散的なパーティクルクラウドが画像へ変形するもので、レンダリング技術がまったく異なる — PlaneGeometry 上の ShaderMaterial ではなく PointsMaterial/BufferGeometry）。
バグが名前の付いたサードパーティ製ライブラリ/フレームワークに関わる場合、または症状が特定のプラットフォーム/ライブラリ固有の挙動と強く相関する場合、ローカルの回避策を積み重ねる前に「依存関係をアップグレードする」ことを評価する。4 ステップの判断（上流の問題か？→ Changelog/Release Notes を確認 → 低い semver リスクでアップグレード → アップグレードが不可能な場合のみ回避策）と、アップグレードのエンジニアリング規律（パッケージマネージャーの一貫性、アップグレード後の検証チェーン、semver リスク、重複排除チェック）、および結果表を解説する。バグが上流ライブラリの問題のように見える場合は常にこのスキルを使用する——特定のフレームワークバージョンに結びついた症状、コードが正しく見えるのに静かに失敗する、回避策が増え続ける、CSS では修正できないプラットフォーム固有のレンダリングバグなど。トリガー——「升级依赖」「依赖升级修复」「这个 bug 升级依赖能解决吗」「查 changelog 修复」「优先升级依赖」「升级依赖还是堆 workaround」/ dependency upgrade、upgrade to fix bug、changelog fix、avoid workaround、upgrade library to fix。
機械学習スタイルの API による空間データのグリッド化と補間。地理座標およびデカルト座標の点データを規則的なグリッドに処理します。エージェントが次のことを行う必要があるときに使用します：(1) 散在する空間データを規則的なグリッドにグリッド化する、(2) スプライン、線形、三次の手法で点データを補間する、(3) 投影法を用いて地理座標を処理する、(4) ブロック平均で大規模データセットを削減する、(5) 空間データから多項式トレンドを除去する、(6) グリッド化パラメータを交差検証する、(7) Chain で処理パイプラインを作成する、(8) GPS 速度などのベクトルデータをグリッド化する。
Gemini API を使ってローカルの MP4 動画ファイルを分析し、構造化された Markdown サマリーを生成する。デフォルトのサマリーの代わりに特定の情報を抽出するカスタムプロンプトをサポートする。ユーザーが動画ファイルをまとめて要約、分析、要点抽出したいときに使用する。"summarize my videos"、"create markdown summaries for the videos"、"analyze videos with Gemini"、"generate video summaries"、"extract X from my videos" といったリクエストでトリガーされる。システムに GEMINI_API_KEY 環境変数の設定が必要。
WeChat 公式アカウントの記事、X/Twitter の投稿、YouTube 動画、Bilibili 動画などのコンテンツプラットフォーム向けに、高いポテンシャルを持つバズタイトル候補を生成する。ユーザーがタイトルの発想、タイトルの一括生成、プラットフォーム別のタイトル調整、タイトルライブラリの再利用、タイトル選定、タイトルのスコアリング、または汎用フォーミュラと 公众号、X、YouTube、B站 などのプラットフォーム別手法を組み合わせた再利用可能なタイトルワークフローを必要とするときに使う。
Agent または CI セッションで volclog 経由で Volcengine TLS（日志服务）を操作し、実行時セレクターの解決、discover/describe/exec のルーティング、App リソースまたは Topic の解決、エンベロープの読み取り、大きな結果の受け渡し、エラー復旧を、コマンドやフィールド、簡略フローを推測せず契約優先のワークフローで行う場合に使用します。Volcengine のログサービス TLS、volclog、ログの検索・分析・インポート・エクスポート、ログプロジェクトやトピックの操作について言及された場合にも使用します。
inference.sh CLI を介して Tavily と Exa によるウェブ検索とコンテンツ抽出を行います。アプリ：Tavily Search、Tavily Extract、Exa Search、Exa Answer、Exa Extract。機能：AI 検索、コンテンツ抽出、直接回答、調査。用途：調査、RAG パイプライン、ファクトチェック、コンテンツ集約、エージェント。トリガー：web search、tavily、exa、search api、content extraction、research、internet search、ai search、search assistant、web scraping、rag、perplexity alternative
構造化された What-If シナリオ分析をマルチブランチの可能性探索とともに実行する。ユーザーが "what if..."、"what would happen if..."、"what are the possibilities"、"explore scenarios"、"scenario analysis"、"possibility space"、"what could go wrong"、"best case / worst case"、"risk analysis"、"contingency planning"、"strategic options" のような仮定的な質問や、不確実な未来に関する質問をした場合にこのスキルを使う。ユーザーが岐路に立つ意思決定を迫られている場合、アイデアをストレステストしたい場合、コミットする前に結果を見通す必要がある場合にもトリガーする。
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。