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
半自動のファクトチェック、情報源の信頼性評価、誤情報の検出、プリバンキング、および証拠台帳に基づく主張の検証。ユーザーが主張、記事、ソーシャル投稿、スクリーンショット、URL、引用、データポイントの検証、情報源の比較、操作の検出、情報源の信頼性評価、または HTML のファクトチェックカード／安全に共有できる訂正の生成を求めたときに使用する。テキスト、URL、スクリーンショット／画像、2 情報源の比較、およびブルガリア語、英語、ロシア語、EU 政策、健康、科学、地政学の文脈におけるトピックレベルのプリバンキングをサポートする。トリガーフレーズ："is this true?"、"is this fake?"、"fact check this"、"compare these sources"、"проверка на факти"、"истина ли е"、"дезинформация ли е"、"сравни тези източници"。
完全な fal.ai サーバーレスデプロイシステム。(1) fal.App クラスの作成、(2) GPU マシンの選択（T4/A10G/A100/H100）、(3) モデル読み込み用の setup()、(4) @fal.endpoint デコレーター、(5) 重み用の永続ボリューム、(6) シークレット管理、(7) スケーリング設定（最小/最大同時実行数）、(8) マルチ GPU デプロイ、(9) fal deploy コマンド、(10) fal run によるローカル開発、の場面で積極的に有効化します。提供するもの：App 構造、Dockerfile パターン、デプロイコマンド、スケーリング設定。本番環境対応のサーバーレス ML デプロイを保証します。
MoviePilot のコア、フロントエンド、またはインストール済みプラグインについて上流に issue を起票することをユーザーが明示的に求めた場合にのみ、この skill を使用する。例えば「反馈 issue」「提 issue」「报 bug」「给 MP 提 issue」「让上游修一下」「提交错误报告」「提问题」「提需求」「功能请求」、または英語の「file an issue / report a bug / open an upstream issue / feature request」。単なる問題報告では不十分で、まずローカルで診断する。この skill は `scripts/` 配下の独自スクリプトを使用し、collect / prepare / submit 用の専用 Agent ツールを追加したり呼び出したりしない。
マルチフレームワークのフロントエンド開発。フレームワーク：React 18+（Suspense、hooks、TanStack）、Vue 3（Composition API、Pinia、Nuxt）、Svelte 5（Runes、SvelteKit）、Angular（Signals、standalone）。共通項目：TypeScript、状態管理、ルーティング、データ取得、パフォーマンス最適化、コンポーネントパターン。操作：コンポーネント／ページ／機能の作成、構築、実装、スタイリング、最適化、リファクタリング。キーワード：React、Vue、Svelte、Angular、コンポーネント、TypeScript、hooks、Composition API、runes、signals、useSuspenseQuery、Pinia、stores、状態管理、ルーティング、遅延読み込み、Suspense、パフォーマンス、バンドルサイズ、コード分割、リアクティビティ、props、イベント。使用場面：任意のフレームワークでのコンポーネント作成、ページ構築、データ取得、ルーティングや状態管理の実装、パフォーマンス最適化、フロントエンドコードの整理、フレームワークの選定
プレイヤーを引きつけ、挑戦させ、楽しませるインタラクティブな体験を構築します。「game、gamedev、game development、phaser、unity、unreal、godot、gameplay、game loop、sprites、collision、physics、player、level、tilemap、games、gamedev、interactive、gameplay、physics、engines、performance、player-experience」に言及された場合に使用します。
WeChat 公式アカウント記事のカバー画像を生成するための AI プロンプト。記事のタイトルと内容をインテリジェントに分析し、核となる価値とビジュアルテーマを抽出して、即夢（Jimeng）などの AI 描画ツールに適したプロフェッショナルなプロンプトを生成する。コンテキストから記事内容を読み取ることをサポートし、カバーが記事のテーマに高度に合致することを確保する。ユーザーが WeChat 公式アカウント記事のカバーを生成する、カバー画像のプロンプトを作成する、記事に画像を添える必要がある場合にこのスキルを使用します。
shapefile、GeoJSON、GeoPackage ファイルなどの地理空間ベクターデータを扱う Python ライブラリです。空間分析、幾何演算、座標変換、空間結合、オーバーレイ処理、コロプレスマップの作成や、ベクター地理データの読み書き・分析を伴うタスクに使用します。PostGIS データベース、インタラクティブマップ、matplotlib/folium/cartopy との連携に対応します。バッファー分析、データセット間の空間結合、境界の統合、データの切り抜き、面積や距離の計算、座標系の再投影、地図の作成、空間ファイル形式の変換などに利用できます。
計算負荷の高い科学的タスクの開始時にこのスキルを使用し、利用可能なシステムリソース（CPU コア、GPU、メモリ、ディスク容量）を検出して報告します。リソース情報と戦略的な推奨事項を含む JSON ファイルを作成し、並列処理（joblib、multiprocessing）、アウトオブコア計算（Dask、Zarr）、GPU アクセラレーション（PyTorch、JAX）、メモリ効率の高い手法を使うかどうかなど、計算方法の決定に役立てます。分析の実行、モデルのトレーニング、大規模データセットの処理など、リソース制約が重要となるタスクの前に使用します。
gh CLI を使用して、現在のブランチから GitHub pull request（ドラフトまたはレビュー可能な状態）を作成します。ユーザーが PR／pull request を開く、作成する、提出する、「ship」することを希望する場合、「open a PR」「PR this branch」「put this up for review」といった表現を使う場合、または /gh-pr を呼び出す場合に使用します。ベースブランチ、タイトル、説明が指定されていなくても対応します。ブランチのプッシュ、実際の差分に基づくタイトルと本文の作成、リポジトリの PR テンプレートの遵守、Issue のリンク、未完了作業の --draft 化を行います。
Ginkgo Bioworks Cloud Lab（cloud.ginkgo.bio）でプロトコルを送信・管理する。これは Reconfigurable Automation Carts（RAC）上での自律的な実験実行のための Web ベースのインターフェース。ユーザーが無細胞タンパク質発現（検証または最適化）を実行したいとき、蛍光ピクセルアートを生成したいとき、または Ginkgo Cloud Lab サービスと連携したいときに使用。プロトコルの選択、入力の準備、価格、注文ワークフローを扱う。
mise の aqua バックエンド経由で git-flow-next（https://git-flow.sh/ にドキュメントがある、Tower / gittower が積極的に保守するフォーク）をインストールし、クラシックな Gitflow プリセットを初期化し、feature ブランチの上流マージ戦略として rebase を設定して、finish 前にブランチを手書きのメッセージ付きの単一コミットにまとめるコントリビューター側の対話的 rebase を行い、`git flow …` コマンドで feature / release / hotfix のフローを実行する。
God（人を創る）：人物名を入力すると、自動で調査を行い、その人の認知のオペレーティングシステムを抽出して、実行可能な人物 Skill を生成します。「その人がどう考えるか」だけでなく、「その人とは何者か」——心的モデル、意思決定の構造、創作・演技・競技のスタイル、価値観、思想の系譜、そしてそれらを動かす傷、執着、死との関係、意味への賭けまでを抽出します。ウェブ調査とローカル素材の両方に対応します。思想家、起業家、科学者、芸術家、音楽家、アスリート、俳優、インフルエンサー、シェフ、宇宙飛行士、宗教指導者、革命家など、あらゆる分野の人物に対応します。人であれば誰でも抽出できます。トリガー語：「誰々を蒸留」「god skill」「X の skill を作る」「上帝造人 X」「X はどんな人か」「X を蒸留して」「distill X」「X's god skill」
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。