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
Flutter/Dart コードをリファクタリングし、保守性、可読性、パフォーマンスを向上させる。このスキルは records、patterns、sealed classes などの Dart 3 の機能を適用し、Riverpod または BLoC による適切な状態管理を実装し、Freezed で不変モデルを扱う。巨大な widget、const コンストラクタの欠落、不適切な BuildContext の使用、深いネストに対処する。widget の責務が多すぎる場合、不要な再ビルドによるパフォーマンス問題、レガシーな Dart 2 パターンに気づいたときに適用。
研究実験のハーネスを構築・維持し、実験を高速に実行して、論文のあらゆる数値が 1 つのコマンドにたどれるようにする。新しいプロジェクトを始めるとき、sweep を実行するとき、複数の実行を論文の表に集約するとき、扱いにくくなったコードベースを整理するときに使用する。トリガー："how should I structure my code"、"set up my project"、"organize my experiments"、"starting a new paper"、"run all these configurations"、"collect my results into a table"、"my code is getting messy"、"which run produced this number"、"I inherited this codebase"。数学に強くソフトウェアに弱い研究者向けに作られており、パイプラインの契約をあらかじめ固定することで、実験の追加がリストへの 1 行追加で済み、共有コードの編集が不要になる。訓練ループ自体の設計（pytorch-training-recipe / jax-training-recipe）、1 つの論文の手法の再現（paper-to-code）、どの実験を実行するかの選択や過学習の診断（experiment-design）、公開済み成果物の監査（reproducibility-audit）には使用しない。
難読化・バンドル・圧縮されたブラウザ/Node JavaScript をリバースエンジニアリングする——webpack チャンクの展開、sourcemap からのソース復元、webcrack/synchrony/restringer による obfuscator.io の文字列配列および制御フロー難読化の解除、Chrome DevTools を用いた稼働中バンドル内での署名または暗号処理ルーチンの特定。ページが巨大な圧縮バンドルを配信する場合、コードが _0x の16進識別子とローテーションされた文字列配列で埋め尽くされている場合、.js.map に到達できる場合、またはリクエスト署名やトークンが計算される箇所を見つける必要がある場合に使用する。
標準的なシングルセル RNA-seq 解析パイプライン。QC、正規化、次元削減（PCA/UMAP/t-SNE）、クラスタリング、差次的発現、可視化、および Seurat や SingleCellExperiment RDS ファイルなど R で扱いやすいシングルセル形式から Scanpy 用の h5ad への変換に使用します。確立されたワークフローによる探索的な scRNA-seq 解析に最適です。深層学習モデルには scvi-tools、データ形式に関する質問には anndata を使用してください。
velocyto、STARsolo、kallisto|bustools、alevin-fry などに由来するスプライス済み・未スプライス層を持つ単一細胞 RNA-seq AnnData オブジェクトに対し、scVelo で RNA velocity 解析を行います。確率的・動力学的 velocity モデル、velocity グラフと埋め込み矢印、潜在時間、PAGA 軌道グラフ、ドライバー遺伝子の順位付けに対応します。スナップショットデータから分化方向を推定する場合、スプライシング動態から潜在時間を推定する場合、軌道のドライバー遺伝子を見つける場合、または Scanpy UMAP に velocity 矢印を追加する場合に使います。運命確率モデリング（CellRank を使用）や、未スプライスカウントのないデータセットには使いません。
PyTorch を使用して、AnnData または MuData のシングルセルデータ上で scvi-tools の確率的深層生成モデル（scVI、scANVI、totalVI、MultiVI、PeakVI、DestVI、Solo、CellAssign、MrVI など）をトレーニングして適用します。バッチ補正、統合、細胞型アノテーション、確率的差次的発現、scRNA-seq、ATAC-seq、CITE-seq、空間データ、メチル化データに対応します。scVI によるバッチまたはデータセットの統合、scANVI による細胞のアノテーション、RNA とタンパク質または ATAC の同時モデリング、空間スポットのデコンボリューション、不確実性を考慮した差次的発現の検定に使用します。標準的な前処理とクラスタリングのパイプラインには scanpy を使用してください。
ユーザーが SecondMe プラットフォーム（second-me.cn、develop.second-me.cn）で開発したいときに使用します。トリガー：SecondMe のサードパーティアプリの構築、SecondMe OAuth ログイン統合（Client ID/Secret、token 交換）、SecondMe の MCP 統合、Agent Memory API、Act stream API、アプリのスキャフォールディング、審査の提出、SecondMe を対象としたハッカソンプロジェクト。アプリの作成と認証情報からリリースまでの開発者ライフサイクル全体をカバーします。プロフィールの閲覧、友達の追加、ソーシャル機能など、SecondMe の日常的な利用には向きません。開発者プラットフォームとして SecondMe を構築・統合する場合にのみ使用します。
PaperOrchestra パイプラインのステップ 4（arXiv:2604.05018）。1 回の単一マルチモーダル LLM 呼び出しで、残りの論文セクション（要旨、手法、実験、結論）を起草し、experimental_log.md から数値を抽出して LaTeX booktabs テーブルに変換し、ステップ 2 で生成した図を挿入し、ステップ 3 の序論 + 関連研究を含むテンプレートにすべて統合する。オーケストレーターがステップ 4 を委任したとき、またはユーザーが「手法と実験のセクションを書いて」「論文の残りを埋めて」と依頼したときにトリガーする。
RFC 9700 / BCP 240 を用いて、安全な OAuth 2.0 および OpenID Connect (OIDC) システムの設計、実装、監査、テスト、トラブルシューティング、移行を行う。認可サーバーと OpenID Provider、OAuth クライアントと OIDC リライングパーティ、リソースサーバー、ネイティブアプリ、ブラウザベースのアプリ、マルチ発行者ログイン、リダイレクト URI、認可コードと PKCE フロー、state と nonce の処理、ID Token の検証、トークンの保存とリプレイ、リフレッシュトークンのローテーション、送信者制約付きトークン (DPoP または mTLS)、mix-up 攻撃とインジェクション攻撃、ディスカバリとメタデータ、リバースプロキシ、あるいは implicit グラントと resource-owner-password グラントからの移行に使用する。
言語やフレームワークに応じたセキュリティのベストプラクティスをレビューし、改善案を提示します。ユーザーがセキュリティのベストプラクティスに関するガイダンス、セキュリティレビューやレポート、セキュア・バイ・デフォルトのコーディング支援を明示的に求めた場合に使用します。Python、JavaScript／TypeScript、Go に対応します。一般的なコードレビュー、デバッグ、脅威モデリング（security-threat-model を使用）、セキュリティ以外の作業には使用しないでください。
動物を主役にし、カメラはスマートフォン1台のみとします。登場する動物は必ず1匹にし、動物らしい振る舞いを保ち、レンズに近づくことで見せ場を作ります。この種のクリップ向けに Seedance 2.5 / 2.0 の動画プロンプトを求めている場合（ペットや動物が主役。中文触发词: 宠物动物当主角, 宠物, 猫, 狗, 动物）、またはこの種の公開事例でどのようなプロンプトが使われたかを尋ねている場合に使用します。作成前に references/cases.md を読んでください。
DataForSEO MCP サーバー経由のライブ SEO データ。SERP 分析（Google、Bing、Yahoo、YouTube、Google Images）、キーワードリサーチ（ボリューム、難易度、インテント、トレンド）、被リンクプロファイル、オンページ分析（Lighthouse、コンテンツ解析）、競合分析、コンテンツ分析、ビジネスリスティング、AI 可視性（ChatGPT スクレイパー、LLM メンション追跡）、ドメイン分析。DataForSEO 拡張機能のインストールが必要。ユーザーが「dataforseo」「live SERP」「keyword volume」「backlink data」「competitor data」「AI visibility check」「LLM mentions」「image SERP」「google images」「image rankings」「real search data」と言う場合に使用する。
検索体験最適化：Google の SERP を逆読みしてページタイプのミスマッチを検出し、検索意図のシグナルからユーザーストーリーを導き、複数のペルソナ視点でページをスコアリングする。各キーワードに対して Google が何を評価するかを分析し、十分に最適化されたページがなぜ順位を獲得できないかを特定する。ユーザーが "SXO"、"search experience"、"page type mismatch"、"SERP analysis"、"user story"、"persona scoring"、"why isn't my page ranking"、"intent mismatch"、"wireframe" と言ったときに使用する。
前提となる CLI ツール（gh、glab、jq）をインストールし、GitHub/GitLab 認証を案内し、uvx をインストールして、OpenCode で Jira 用の既存の mcp-atlassian MCP サーバーを設定します。冪等であり、このスキルは安全に再実行できます。ユーザーが「setup」「install prerequisites」または「configurer jira」と言ったときに起動します。既存のサーバーの設定ではなく新しい MCP サーバーを構築するには、代わりに mcp-builder を使用してください。
非正規かつ系列相関のあるリターンを持つ単一戦略の Sharpe 比率推論です。López de Prado、Lipton、Zoonekynd（2026、式 2-3）の ρ 補正（AR(1)、歪度、尖度）Sharpe 分散と、それに基づく単一検定ツール（PSR、MinTRL、臨界 Sharpe 比率、検定力）を実装します。Numba JIT を使用します。自己相関とファットテールがある場合の Sharpe の有意性、信頼帯、最小トラックレコード期間、検定力の計算に使用します。トリガー - PSR、probabilistic sharpe ratio、MinTRL、minimum track record length、sharpe variance、non-iid sharpe、autocorrelated sharpe、sharpe significance、sharpe power。
ユーザーがサインアップ、登録、アカウント作成、トライアル有効化のフローを最適化したいときに使用します。また、「signup conversions」「registration friction」「signup form optimization」「free trial signup」「reduce signup dropoff」「account creation flow，此外 ...」→ 「account creation flow rast ...」 clean: 「signup conversions」「registration friction」「signup form optimization」「free trial signup」「reduce signup dropoff」「account creation flowyoshi ...」 I'll write: ユーザーが「signup conversions」「registration friction」「signup form optimization」「free trial signup」「reduce signup dropoff」「account creation flowshaw ...」 Final: また「signup conversions」「registration friction」「signup form optimization」「free trial signup」「reduce signup dropoff」「account creation flow」に言及した場合も使用します。サインアップ後のオンボーディングについては onboarding-cro を参照。リード獲得フォーム（アカウント作成ではない）については form-cro を参照。
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。