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
中国にフォーカスしたポートフォリオ企業向けのクローズ後のバリュー創出計画。中国のビジネス環境、マネジメント慣行、市場ダイナミクス向けに元の value-creation-plan skill を改変したもの。"A股投后增值"、"价值提升计划"、"value creation plan China"、"100-day plan China"、"portfolio value creation"、"value creation [company]" でトリガーされる。
新規案件を開始する代理店向けに、データに基づくクライアントオンボーディング提案を作成する。SE Ranking による SEO + AI 検索監査と、Planable によるクライアントの現在のソーシャル実績分析を組み合わせる。代理店が新規（または契約間近の）クライアントに現状と計画を示したい場合、または「[クライアント]のオンボーディング提案を作って」「[クライアント]と開始するので SEO + ソーシャルの分析をまとめて」「監査とソーシャルベースラインを含むクライアント提案を作成して」「SEO + AI + ソーシャルの案件をスコープして」「クライアントに機会と私たちの計画を示して」などと言った場合にこのスキルを使用する。クライアントのソーシャルアカウントがすでに Planable に接続されていることを前提とする。SE Ranking の分析と Planable のソーシャルデータを組み合わせる新規案件の提案では常に有効化する。
臨床レポート向けにフェイルクローズ方式の JSON ドラフトテンプレートを生成し、ローカルで決定論的な構造・整合性チェックを実行します。対象は CARE 症例報告、放射線学、病理学・検査のひな型、CONSORT 2025、SPIRIT 2025、ICH E3 CSR、集計有害事象テーブル、プロベナンスマニフェスト、用語スキーマ、匿名化プロセスのチェックリストです。検証済みの情報源ファクトマニフェストに基づいて投稿用症例報告を起草する場合に使用します。試験結果の原稿、プロトコル、CSR のドラフトを報告構成に照らして確認する場合に使用します。合成データまたは匿名化データから集計安全性テーブルを作成する場合に使用します。成果物を適切なガイドラインに振り分ける場合に使用します。診断、治療上の助言、個別症例安全性報告の作成、提出・申請には使用しないでください。
COBRApy（Python、import cobra）を使い、SBML、JSON、YAML、MATLAB 形式のゲノムスケールモデルで制約ベースの代謝モデリングを実行します。FBA、pFBA、幾何学的 FBA、FVA、フラックスサンプリング、遺伝子・反応のノックアウト、生産エンベロープ、増殖培地、ギャップフィリング、モデル構築に対応します。ゲノムスケール代謝モデルの読み込みやエクスポート、FBA または FVA による増殖やフラックス分布の予測、遺伝子・反応ノックアウトのスクリーニング、増殖培地や交換制約の調整、実行不能なモデルのギャップフィリングや整合性チェックに使います。代謝の速度論的シミュレーションや ODE ベースのシミュレーションには使いません。
シニア組み込みエンジニアによるコードレビュー。デフォルトでは Classic AUTOSAR の組み込み C を対象とし、2 つの観点を扱う：(1) 正確性レビュー — 整数オーバーフロー、volatile の正確性、ISR/タスク間の競合状態、スタック使用量、動的メモリ、制御フロー、AUTOSAR/ISO 26262 への適合準備。指摘は Critical/Major/Minor で評価する。(2) 命名レビュー — モジュール、SWC 型、ポート名、runnable、C 識別子、typedef、マクロ、列挙に対する AUTOSAR Classic の規約を、MISRA Rule 5.x の識別子一意性に沿って確認する。既存コードを監査し、新規作業向けに正しい命名の識別子を生成する。入力が C++ の場合や名前に ara:: を含む場合は Adaptive AUTOSAR C++14+ を扱い、RAII、例外と ara::core::Result、スマートポインタ、AUTOSAR C++14 / MISRA C++:2023 の命名をレビューする。3 つ目の焦点であるレガシー近代化評価では、MISRA 準拠、MCAL 抽象化、単体テスト済みの状態へ向けた最小限の安全なステップを提案する。意思決定に使える指摘を組み込みのセルフチェック付きで返し、analysis/ 配下に自己完結型の HTML レポートを出力できる。
既存の（しばしばドキュメントが不十分な）コードベースからドメイン、アーキテクチャ、ビジネスルール、ワークフロー、ビジネス用語集を抽出し、その知見をシニア BA／プロダクトオーナーと一問ずつ検証する。docs/ 配下にオンボーディング品質のドキュメントを生成し、新しいチームメンバー——人でも AI でも——が生産的に働けるだけのコンテキストを与え、harness engineering / Spec Kit に備える。不慣れなコードベースへのオンボーディング、ビジネス知識のリバースエンジニアリング、失われたドキュメントの再構築、仕様駆動開発に向けたリポジトリの準備に使用する。
ユーザーが規制コンプライアンスの管理、サプライチェーンの標準準拠の確保、貿易規制への対応を行いたい場合に使用します。ユーザーが "regulatory compliance"、"trade compliance"、"customs"、"import/export regulations"、"certification management"、"audit management"、"REACH"、"RoHS"、"conflict minerals"、"country of origin"、"trade restrictions" に言及した場合にも使用します。サステナビリティのコンプライアンスについては sustainable-sourcing を参照。品質基準については quality-management を参照。
プロジェクトコンテキストの全体像を監査・管理する：CLAUDE.md のメモリ階層、プロジェクトドキュメント、Markdown のフットプリント、コンテンツの重複。プロジェクト種別を検出し、品質を採点し、古いドキュメントにフラグを立て、コンテキストの総コストを報告する。トリガー：'audit context'、'audit memory'、'update CLAUDE.md'、'restructure memory'、'session capture'、'check project docs'、'markdown footprint'、'what docs does this project need'。
読者を行動へ促すことを目的とした商業コピーの作成、リライト、レビュー、批評が必要なときに使用する — ランディングページ、ヒーローセクション、見出し、メール（コールドアウトリーチ、ナーチャリング、プロモ、ローンチ）、CTA、マイクロコピー、製品説明、バリュープロポジション、広告、タグライン。コピーの監査、明瞭性チェック、コンバージョンレビュー、フレームワークの選択（AIDA、PAS、BAB、FAB、4U's）にも用いる。ユーザーが "write me an email" や "review this page" と言っただけの場合にも適用する。チャネル/予算戦略（channel-expert を使用）や価格構造（pricing を使用）には使用しない。
中国語コピーライティング強化の達人。越境プロモーション、小紅書（Xiaohongshu）、WeChat 公式アカウント、WeChat モーメンツ、ショート動画、EC 商品詳細ページ、広告配信、ランディングページ、セールスページ、メールマーケティング、ブランドコピー、上司の承認を得る版の出力を得意とする。ユーザーがコピーを書く、コピーを直す、推敲する、タイトルを付ける、紹介文を書く、ブランドコピーを書く、広告を書く、越境マーケティングコピーを書く、小紅書を書く、WeChat 公式アカウントを書く、WeChat モーメンツを書く、ショート動画のナレーションを書く、商品詳細ページを書く、クリック率を上げる、コンバージョン率を上げる、A/B テストを行う、その他説得・種まき・成約・行動喚起が必要なテキストを求めた場合に使用。
特定した実際の失敗パターンに基づいて、PostHog AI observability で継続的に実行されるオンライン評価を作成します。今後の生成結果やトレース全体を自動採点する評価をユーザーが求める場合に使用します（「X を検出する評価を作成」「応答が Y を行うか継続的に確認」「これらの失敗を評価にする」など）。トレースを調べて再発する失敗が見つかった場合も対象です。調査データに基づく評価数の決定、候補の提示、対象と評価タイプ（hog / llm_judge / sentiment）の選択、llm_judge のプロバイダーとモデルの設定、条件による対象生成の限定、無効状態での作成、範囲の確認、有効化、過去データのバックフィルを扱います。検出に値する失敗パターンがない場合は sentiment 評価を提案します。評価対象となる失敗パターンの発見と順位付けは別の作業です。まず exploring-ai-failures を使用してください。既存の評価のデバッグや管理には exploring-llm-evaluations を使用します。
実績あるベストプラクティスに照らして CV／履歴書をレビュー・批評し、重大度別のフィードバックと項目ごとの実行可能な提案を含む構造化チェックリストを提供します。ユーザーが CV や履歴書のレビュー、批評、チェック、改善、フィードバックを求めたときは必ずこの skill を使用してください。「私の CV を見て」「私の履歴書は良い？」「私の履歴書の何が問題？」とだけ言う場合や、CV の内容をそのままチャットに貼り付ける場合も同様です。ユーザーの経験レベル（学生、ミドル、シニア）に応じてフィードバックを調整します。会話内に CV または履歴書がある場合は常にこの skill を使用してください。
Databricks ジョブ、Lakeflow パイプライン、Declarative Automation Bundles（DABs）向けのサーバーレスコンピューティングです。STANDARD または PERFORMANCE_OPTIMIZED を使用し、サーバーレスでワークロードを実行できない場合に限り classic を使います。ジョブやパイプラインの作成、デプロイ、スケジュール設定、編集、またはコンピューティングの選定に使用します。ジョブ仕様を記述する前に呼び出してください。既存の classic ワークロードの移行には databricks-serverless-migration を使用してください。
従量課金の基盤モデルへの問い合わせや呼び出し、または Unity Gateway（Unity AI Gateway とも呼ばれる）サービスの作成、更新、一覧表示、問い合わせに使用します。対象にはモデルプロバイダーサービス、MCP サービス、system.ai サービス、3 部構成の Unity Catalog サービス名（catalog.schema.service）が含まれます。Unity Gateway の支出予算や使用量アラートの管理、レガシー AI Gateway からの移行にも使用します。Model Serving エンドポイント権限（例：CAN_QUERY）を持つワークロードが 3 部構成のモデル名の問い合わせで PERMISSION_DENIED を受ける場合にも使用します。エンドポイントへのアクセス権限は Unity Gateway サービスへのアクセス権限を付与しないためです。Model Serving エンドポイント上でレガシー AI Gateway を設定する用途には適しません。その場合は databricks-model-serving を使用してください。
エージェントをオンチェーン資本市場に暗号ネイティブにする。DeFi、ボールト、キュレーター、イールド、ステーブルコイン、合成ドル、RWA（現実世界資産）、トークン化株式、レンディング、パープ、オプション、LP ポジション、トークンローンチパッド、ボンディングカーブ、オンチェーンクレジットに関するあらゆる質問に使う。学習（"カバードコールとは何か"、"post-only を説明して"）、デューデリジェンス（"このボールトを評価して"、"この APY は持続可能か"）、トレードの解剖（"このファンドは実際に何をショートしているのか"）、キュレーターの比較、手数料レール（"私の gas 代はどこへ行くのか"）、RWA のミントと償還の仕組み（"このトークン化 APY は本物か"）、スクイーズと操作（"これはショートスクイーズか"、"これはウォッシュトレードか"）、混雑（"確信か、混雑した出口か"）、DeFi コンテンツのタスク、モニタリング（"今週何が変わったか"）でトリガーする。DeFi という語がなくても、主題がオンチェーンイールド、暗号トークン、金利、市場構造であればトリガーする。数値に関するものの前にはライブデータを更新する。TradFi のみの金利やクレジットの質問、LLM トークン、トランザクション実行には適さない。
6 つのパターンで作業を並列化する — 組み込みエージェント、worktree 分離エージェント、バックグラウンドエージェント、カスタムインラインブリーフエージェント、マルチターンのエージェントチーム、並列タスクディスパッチ — エージェントが状態を共有する必要がある場合はチームを、独立している場合はサブエージェントを選ぶ。使用タイミング: 並列実行、エージェントチーム、swarm、spawn agents、fan out、divide and conquer、multi-agent、coordinate agents、custom agents。
テスト外の実際のコードパスにあるモック、スタブ、フェイク、隠れたフォールバック、プレースホルダー実装を見つけます。実処理が行われないのに成功と報告される箇所を特定し、それぞれに実際の依存先を使う案、または正直に失敗させる案を提示します。変更や指定されたファイル、ディレクトリ、diff にテスト用の代替処理や握りつぶされたエラーが本番に入り得る場合、catch または except が空リスト、None、デフォルト値、true を返す場合、キー、設定、入力の欠落を理由にせずリクエストを通す場合、実行中の経路で関数が NotImplementedError を送出するか TODO 値を返す場合、機能が成功を報告するのに何も起きない場合、またはエラー処理、連携、サービスクライアントに関わる作業を完了とする前に使います。
デザイン（Figma モックアップ、仕様、スクリーンショット、口頭での説明）を、ピクセル単位・モーション単位の忠実度でコードに変換する。ブラウザのレンダリングパイプラインを制約として扱い、token による正確な間隔/タイミング、GPU セーフなアニメーション、レイアウトスラッシングの回避、60fps のインタラクションを実現する。ユーザーが「このデザインを実装して」「モックアップと一致させて」「Figma と違って見える」「アニメーションがカクつく/フレームが落ちる」「design token を設定して」と言ったとき、またはデザインと実装の差分を解消する必要があるときに使用する。忠実な実装に加え、忠実度レポート（設計値 → 実装値 → 逸脱とその理由）とパフォーマンスに関するメモを出力する。
designmdme CLI を使って、任意のウェブサイトの URL から DESIGN.md のデザインシステム仕様（カラートークン、タイポグラフィ、スペーシング、シャドウ、コンポーネント）とオプションの HTML プレビューを生成する。ユーザーがウェブサイトのデザインシステムやビジュアルスタイルを抽出、取得、再現、参照したい場合——たとえば「build a UI like stripe.com」「match this brand's look」「get the design tokens for linear.app」「make my app look like notion.so」など——、または UI コードを書く前に実在サイトから正確なカラーパレット、フォントスタック、コンポーネントのスタイルが必要な場合に使用する。
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。