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
コマンドラインからデジタルアシスタントを管理するための包括的な SAP Joule CLI（旧 sapdas CLI）アシスタント — ケイパビリティのコンパイル、アシスタントのデプロイ、BDD テストの実行、lint、エラーのトラブルシューティング。ユーザーが「joule cli」「sapdas」「joule compile」「joule deploy」「joule test」「joule login」「joule lint」、デジタルアシスタントのデプロイ、ケイパビリティのコンパイル、DAAR ファイル、RTA アーティファクト、または Joule コマンドラインインターフェースに関わるあらゆるタスクに言及したときは常にこのスキルを使用する — 「deploy my assistant」や「how do I log in to Joule from the terminal」のように言っただけの場合でも同様。ユーザーが Cucumber で Joule ケイパビリティをテストすること、AI アシスタントのリンク、デプロイ済みアシスタントの管理、CI/CD パイプラインでの Joule ワークフローの自動化について尋ねた場合にもトリガーする。
正規の app プロジェクト、Busabase ネイティブのセットアップとプロダクトオンボーディング、レビュー／実行ワークフロー、標準化されたレスポンシブ UI、AirApp 優先のデリバリーを備えた、Busabase ベースの App-in-Skill パッケージを設計・作成する。ユーザーが Busabase のリサーチデスク、レビューキュー、プランナー、アクションコンソール、運用ダッシュボード、コントロールパネル、コラボレーションワークスペース、オンボーディング／準備フローを求めている場合、または既存の Kelly App ベースのスキルを更新したい場合に使用する。生成されるすべてのスキルには完全な app/ プロジェクトが含まれ、そのソースは既定で Busabase AirApp にデプロイされ、ローカルプレビューが明示的に要求された場合にのみ pnpm dev を実行し、Kelly のデスクトップおよびスマートフォンの UI 契約に従い、AirApp ランタイム、SDK、セキュリティ、スキャフォールディング、デプロイの制約は busabase-app-creator に委任し、リポジトリレベルの適合性テストは kelly-app-skill-creator-tests に委任する。
プロジェクトドキュメントと中央ナレッジリポジトリ（marcioaltoe/secondbrain）を扱う。.secondbrain-project ファイルがある任意のリポジトリで docs/、CONTEXT.md、仕様、ADR、タスクファイルを編集するとき、ドキュメント変更をどこにコミットすべきか判断するとき、secondbrain の mirror、notes、shared、wiki 領域に触れるとき、また調査・計画・実装作業がセカンドブレイン（wiki + qmd search）を参照または供給する可能性があるときに使用。
ユーザーが「/li」と言ったとき、または内容作成に関連するが意図が曖昧でどのツールを使うか不明確なときにこの skill を使用します。li ツールボックスのメインエントリとして、意図を判断し対応する専門 skill にルーティングします。トリガーしない場合：ユーザーのリクエストがすでに特定の li-* skill に明確に一致しているとき（例：「スクリプトを書く」→ li-writer、「テーマを深掘り」→ li-topic）は、このエントリではなくその skill を直接トリガーします。DO NOT trigger for non-content-creation tasks. Use when the user says "/li" or the intent is ambiguous across multiple li-* tools.
確立された意味を変えずに、永続的なプロジェクトコンテキストと構成済みの問題トラッカーミラーを整理し、圧縮し、突き合わせる。あるリクエストが、2 つ以上の永続的なコンテキストソースにわたる整理、監査、一貫性の確認を行う場合は常にこのスキルを使用する。たとえそれらが PRODUCT.md、GLOSSARY.md、docs/decisions、docs/specs、AGENTS.md、CLAUDE.md ではなく、製品ドキュメント、用語集、決定事項、仕様、エージェント指示と呼ばれていても同様である。また、出荷済みと確認された仕様の廃止や、デフォルトブランチの仕様フォルダーとそのトラッカー課題の間の完全な一貫性スイープにも使用する。新しい製品意図の定義、新たに確定した用語や決定事項の記録、コンテキストの検索、機能の形成、作業の実装、出荷済みの作業に対するアクティブな仕様の挙動の改訂には使用しない。これらは `babysit-specs` に属する。
PE 実行ファイルや不審なファイルを対象としたプロフェッショナルなマルウェア分析ワークフロー。"analyze this malware"、"analyze this sample"、"what does this executable do"、"check this file for malware" といったリクエストを伴うファイルアップロード、または不審なファイルを調査するあらゆるリクエストでトリガーされる。静的解析、脅威インテリジェンスのトリアージ、挙動の推論を行い、推論に基づく結論を備えたアナリスト級のレポートを作成する。
ファイルアップロード（ドラッグ＆ドロップ、複数ファイル、レジューム可能）、画像ギャラリー（ライトボックス、カルーセル、メイソンリー）、動画プレーヤー（カスタムコントロール、キャプション、アダプティブストリーミング）、音声プレーヤー（波形、プレイリスト）、ドキュメントビューア（PDF、Office）、最適化戦略（圧縮、レスポンシブ画像、遅延読み込み、CDN）を含むメディアおよびファイル管理コンポーネントを実装する。ファイルを扱うとき、メディアを表示するとき、リッチなコンテンツ体験を構築するときに使用。
URL が提供されたときに Web コンテンツを取得してクリーンな Markdown として抽出する。読み取り、分析、要約、抽出が必要な URL（http/https リンク）をユーザーが提供するたびにこのスキルを使用する。Web ページを生の HTML より 80% 少ないトークンで Markdown に変換する。JS を多用するサイト、ドキュメント、記事、ブログ投稿を含むすべてのコンテンツタイプを処理する。3 つの変換方法（auto、AI、ブラウザレンダリング）をサポートする。URL を扱う際は web_fetch の代わりに常にこれを使用する — より効率的でクリーンな出力が得られる。
ソロプレナー事業向けの構造化された市場調査を実施します。市場規模の把握、業界動向の理解、競合状況の広範な整理、トレンドの特定、外部データからの顧客ペルソナ構築を行うときに使用します。TAM/SAM/SOM の推定、無料データソース、トレンド分析、ペルソナ構築を扱います。"research this market"、"how big is this market"、"understand the industry"、"market trends"、"who are the players in this space"、"market analysis" で発動します。
ビアのモデリング：パッド、アンチパッド、グラウンドリターンビア、GRV の配置、高速な層間遷移の信号整合性。TRIGGER：ユーザーがビアのモデリング、ビア遷移の設計、グラウンドリターンビアの配置、ビア性能の解析、層間遷移の信号整合性の確認を求めたとき。コードを書く前に呼び出す — viaSingleEnded しか存在せず（viaDifferential はない）、ロケーションの形式も直感的ではない。SKIP：ビアを伴わない一般的な信号整合性（matlab-analyze-em を使用）、伝送線路設計（matlab-design-pcb-transmission-line を使用）、PDN 解析（matlab-analyze-pcb-pdn を使用）、材料/スタックアップの設定のみ（matlab-manage-pcb-material を使用）。
pcbComponent の設計を、RF コネクターとファブサービス向けのフォーマットを備えた Gerber ファイルにエクスポートし、PCB 製造に用いる。TRIGGER：ユーザーが PCB 設計の Gerber へのエクスポート、製造ファイルの生成、製造用の pcbComponent の書き出しを求めたとき。エクスポートコードを書く前に呼び出す — gerberWrite のシグネチャ（pcbComponent, connectors, filename）は直感的ではない。SKIP：PCB ファイルのインポート/読み取り（matlab-read-pcb-layout を使用）、PCB 形状の構築（matlab-assemble-pcb-layout を使用）、EM 解析（matlab-analyze-em を使用）、材料/スタックアップの設定（matlab-manage-pcb-material を使用）。
MAX Messenger（max.ru、МАКС）向けのボットとミニアプリを構築します。platform-api2.max.ru の Bot API、公式 Go クライアント（max-bot-api-client-go）、Go フレームワーク maxbot、TypeScript クライアント @maxhub/max-bot-api、MAX Bridge（window.WebApp）、@maxhub/max-ui React キットに対応します。MAX メッセージの送受信、webhook やロングポーリング、メディアのアップロード、インラインキーボードとコールバック、メッセージの書式設定、チャット／チャンネル管理、コメント、ミニアプリの initData／電話番号認証、Минцифры ルート CA に起因する TLS エラーを扱うコードに使用します。トリガー：MAX bot、MAX Bot API、platform-api.max.ru、platform-api2.max.ru、max.ru bot、бот для МАКС、бот в MAX、мини-приложение MAX、MAX Bridge、MAX の window.WebApp、max-ui、maxbot、@maxhub。コードを伴わない MAX の製品／市場戦略の質問には使用しません。
ユーザーが明確に「標書の移行」「テンプレートのアップグレード」「バージョン間の移行」「旧標書から新テンプレートへの変換」を求めたときに使用します。NSFC LaTeX 標書を新バージョンのテンプレートへインテリジェントに移行し、5 段階のワークフロー（分析→マッピング→計画→実行→検証）に基づいて、構造の変化、内容の再構成、引用の更新を自動処理します。AI 駆動のセマンティックマッチングとヒューリスティックなフォールバックに対応し、runs 出力の分離とワンクリック移行スクリプトを提供します。
PostHog のデータウェアハウスビュー（HogQL）または外部の dbt プロジェクト上で、再利用可能なプロダクト利用・エンゲージメントモデル（リテンション、スティッキネス、ライフサイクル）を構築する。ユーザーが戻ってくるかどうか（リテンション / チャーン）、どれくらいの頻度で利用するか（スティッキネス / パワーユーザー / DAU-WAU-MAU 比率）、アクティブベースの構成（新規 / 復帰 / 復活 / 休眠のライフサイクル）をモデリング、定義、計算したい場合に使用。これら 3 つは開始イベント／復帰イベントの語彙とインターバル粒度を共有する 1 つのエンゲージメントファミリーであり、本スキルはそれらをまとめて扱い、適切な視点の選択を支援する。リテンションは復帰率コホートマトリクス、スティッキネスは頻度分布、ライフサイクルは成長の質に対応する。PostHog では HogQL でモデリングし（query-retention / query-stickiness / query-lifecycle に対応）、dbt ではテスト付きの fct_retention / fct_stickiness / fct_lifecycle マートを構築する。まず modeling-warehouse-foundations を読み、modeling-activation-metrics が使用するリテンション検証にデータを供給する。
再利用可能な収益モデル — MRR、ARR、総収益、新規/拡張/縮小/チャーン、ARPU、LTV、顧客別/アカウント別収益 — を PostHog データウェアハウスビュー（HogQL）または外部 dbt プロジェクト上で構築する。ユーザーが経常収益、月次/年次の経常収益、収益のチャーンやリテンション、ライフタイムバリュー、ユーザーあたり平均収益、または顧客・コホート・製品・通貨別の収益をモデル化、定義、計算したいときに使用。PostHog では、Stripe またはカスタム収益イベントが供給するマネージドの *_revenue_view ビュー（revenue_item、mrr、customer、subscription、charge、product）を基に構築し（生の Stripe テーブルではなく）、convertCurrency() で金額を正規化する。dbt では、支払いソースをステージングし、テスト付きで fct_mrr / fct_revenue_item / dim_customer のマートを計算する。適切なソースの選び方、MRR が空になるサブスクリプション設定の落とし穴、通貨の扱い、収益を person/group に紐づける方法を扱う。ビューと dbt の仕組みについては先に modeling-warehouse-foundations を読む。
Nextflow データパイプラインと nf-core ワークフローをエンドツーエンドで構築、実行、デバッグします。Nextflow、nf-core、.nf ファイル、nextflow.config、DSL2、processes/channels/operators、samplesheets に言及した場合、コミュニティパイプライン（例：nf-core/rnaseq、nf-core/sarek）の実行、nf-test によるモジュール/サブワークフローの作成やテスト、実行環境/コンテナ（Docker、Singularity/Apptainer、Conda、Wave）の設定、HPC/SLURM またはクラウド（AWS Batch、Google Batch、Azure、Kubernetes）へのワークフローの拡張、失敗した実行や -resume による再開のデバッグに使用します。ユーザーが「Nextflow」と言わなくても、再現可能な科学/バイオインフォマティクスのワークフロー作業には必ずこのスキルを使用してください。nf-core 準拠のパイプライン、モジュール、設定の作成や lint にも使用します。
スケーラブルなバイオインフォマティクスパイプライン向けのデータフローワークフローエンジン。チャネルで接続されたプロセス（コンテナ化タスク）を定義し、設定を 1 か所変更するだけでローカル、HPC (SLURM/SGE)、クラウド (AWS/GCP/Azure)、Kubernetes で実行できる。nf-core を支える。ルールベースの Python ワークフローには Snakemake、コンテナ化・クラウドネイティブ・nf-core のパイプラインには Nextflow を使用。
ローカルの案件フォルダ内に完全な O-1A 卓越能力申請キットを準備する — Google Scholar プロフィールまたは CV による 8 項目の O-1A 基準に対する無料評価、申請者構造の決定（米国雇主、米国代理人、または受益者自身の会社）、証拠チェックリストと引用パイプライン、申請者サポートレターの起草、コンサルテーション／アドバイザリーオピニオン、旅程と専門家レター、I-129 の記入ガイダンス、および申請者がレビュー・修正・署名・提出する編集可能な引き継ぎパッケージ。ユーザーが O-1、O-1A、O-1B、O1 visa、I-129、extraordinary ability、advisory opinion または consultation letter、agent petition、founder/startup visa、RFE response、Request for Evidence、NOID、补件、O1签证、杰出人才、杰出能力签证、または H-1B 抽選漏れに言及した場合に使用。この skill を使わずに提出されたものを含め、既に提出済みの I-129 に対する RFE または NOID も扱う。文書作成のみであり、法的助言ではない。
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。