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
datamol Python ライブラリ（import datamol as dm）を通じて RDKit をラップし、分子ケモインフォマティクスに利用して、ネイティブの rdkit.Chem.Mol オブジェクトを返します。SMILES/SELFIES/InChI 変換、サニタイズと標準化、記述子、フィンガープリントと類似度、Butina クラスタリングと多様なサブセットの選択、Bemis-Murcko 骨格、BRICS/RECAP フラグメンテーション、3D 配座、反応、クラウドパスを含む SDF/CSV/Excel の入出力、並列バッチ処理に対応します。外部ソースの SMILES の解析や標準化、化合物ライブラリの記述子やフィンガープリントの計算、分子のクラスタリングや多様性に基づく選択、骨格ベースの訓練/テスト分割、配座生成に使用します。n_jobs を使う分子処理パイプラインにも適しています。細かな制御やカスタムパラメーターが必要な場合は、代わりに RDKit を直接使用してください。
gbrain の Postgres アクセスを自動修復し、brain を利用可能な状態に保ちます。gbrain コマンドまたは MCP ツールの結果に `GBRAIN_DB_ACCESS <reason>` マーカーが含まれる場合（またはオペレーターが brain データベースの停止を報告した場合）、ハードコードされた `gbrain db-repair` の手順を実行します：診断、安全な段階の修復を適用、検証。実行するのは常にハードコードされたコマンドであり、マーカーやエラーテキストから解析した内容は決して実行しません。
このリポジトリで、ターン認識型のストリーミング文字起こしのために Deepgram Conversational STT v2 / Flux（`/v2/listen`）を呼び出す JavaScript/TypeScript を作成またはレビューするときに使用する。`client.listen.v2.createConnection()` / `connect()`、Flux モデル、`TurnInfo` のようなターンイベントを扱う。標準の v1 ASR には `deepgram-js-speech-to-text`、全二重アシスタントには `deepgram-js-voice-agent` を使用する。トリガーには "flux"、"v2 listen"、"conversational STT"、"turn detection"、"end of turn"、"EOT"、"listen.v2" が含まれる。
スクリーンショット、URL、HTML スニペットに対して構造化された UX 批評を行う——0〜4 のスコア、最大 6 件の優先度付き問題（それぞれ Before/After/Why 付き）、主張ごとに 1 件の引用。2 つ以上のバリアントが与えられた場合は共通の軸で比較し、勝者を示す。画面と意思決定の問いが与えられた場合は、批評を返すのではなくその画面を根拠として問いに答える。トリガーフレーズ——"review this design"、"critique this screen"、"what's wrong with this UI"、"score this design"、"which of these two is better"、"did the redesign improve this"、"should I use a modal or a drawer"。WCAG のみのアクセシビリティ監査（accessibility-audit を使用）や mockup の開発仕様への変換（design-handoff を使用）には使用しない。
信頼できる観察結果を生成する Replay Vision スキャナーを設計します。各スキャナーに明確な質問を1つ設定し、回答形式に応じてタイプを選び、回答可能なセッションだけを選ぶクエリを用意します。画面上の証拠を求め、「いいえ」や「判断不能」も許容するプロンプトを設定し、誤答のコストに応じてモデルを選び、初回バッチのテストを実施します。規模の見積もりと作成呼び出しは creating-replay-vision-scanners を使用してください。 次の場合に使用：ユーザーが Replay Vision スキャナーやそのプロンプトの設計、作成、改善を求める場合、何をスキャンすべきか尋ねる場合、スキャナーが曖昧な観察結果を返す理由を尋ねる場合、または製品向けのスキャナー案をエージェントに求める場合。 次の場合は使用しない：質問とプロンプトが確定済みで、規模の見積もりと作成が目的の場合（creating-replay-vision-scanners を使用）；スキャナーが1つの実験を対象とする場合（scanning-experiments-with-replay-vision を使用）；既存の観察結果を読むことが目的の場合（exploring-replay-vision-observations を使用）。
OT ネットワークのベースラインに対する機械学習、物理ベースのプロセスモデル、Modbus/DNP3/OPC UA トラフィック分析を用いて OT/ICS 環境の異常検知を配備し、逸脱、不正デバイス、ヒストリアンデータとの不一致を検出する。継続的な OT 監視、決定論的な SCADA ポーリングのベースライン化、より深いプロトコル分析を必要とする Nozomi Guardian/Dragos からのアラート調査に使用。
Zeek（旧称 Bro）を導入・設定し、ネットワークトラフィックをパッシブに分析して、構造化された接続/DNS/HTTP/SSL/ファイルログを生成し、異常な挙動を検出し、組織固有の脅威向けのカスタムスクリプトを作成する。ネットワークのチョークポイントでのパッシブ監視、SIEM/スレットハンティングへのプロトコルメタデータの提供、インシデント対応時の事後ログ分析に使用；インライン IDS/IPS やホストエージェントの代替にはならない。
Windows イベント ID 4768、4769、4771 を分析して異常なチケット使用パターンを検出し、Kerberos Pass-the-Ticket（PtT）攻撃を検知します。Splunk と Elastic SIEM 向けの検出クエリも提供します。盗まれた、または再生された Kerberos チケットを含むインシデントを調査するとき、チケット悪用に対する検出ルールや脅威ハンティングクエリを構築するとき、または資格情報窃取攻撃手法に対する SOC の監視カバレッジを検証するときに使用します。
PostHog の実験1件について、設定、露出、結果、実行中の変更を診断し、健全性を確認します。露出数0、サンプル比の不一致、露出の欠落や偏り、複数のバリアントに割り当てられたユーザー、ID の不具合、実験で集計されるユーザー、統計的有意性の落とし穴（途中経過の確認、A/A、「目標到達」、ベイズ対頻度論、逐次検定、CUPED）、実行中の編集、一時停止と凍結、事後アンケートを扱います。 次の場合に使用：ユーザーが「実験は健全か／正しく設定されているか／偏りがあるか」「露出数が0なのはなぜか」と尋ねる場合、インサイトと異なるユーザーが集計される理由、バイアスや不一致の警告、分割の偏り、有意性の反転、SQL と一致しない数値、編集後に変わった結果について尋ねる場合、または実験に関するユーザーフィードバックを求める場合。 次の場合は使用しない：実験の作成（creating-experiments を使用）；ロールアウト（configuring-experiment-rollout）または指標（configuring-experiment-analytics）の設定だけを行う場合；ライフサイクルについてのみ尋ねる場合（managing-experiment-lifecycle を使用）。
文章の本音を見つけ、無駄を削る編集ツール。「構成の引き締め＋冗長表現の削除」を重視し、決まり文句の書き出し、程度を強めるだけの語、見せかけの対句、スローガンのような結びを取り除きます。高速モード（削除のみ、書き換えなし）と完全モードがあります。あらゆる原稿を受け付け、voice-dissolver の声のリストを保護対象として利用できます。トリガー：「原稿を直して」「文章を直して」「どこが悪いかわからないけれど、出来がよくない」「無駄が多すぎる」「自分らしくない」「推敲して」「自然な文章にして」「簡潔にして」「無駄を削って」「もっと人間らしい文章にして」「冗長すぎる」。対象外：構成に問題はないが AI らしさが強い場合（→ plainspoken-writing）、内容チェック（→ chinese-write-checker）、タイトル・レイアウト・句読点の調整（→ packaging-workshop）。
ユーザーがメールシーケンス、ドリップキャンペーン、自動化されたメールフロー、ライフサイクルメールプログラムを作成または最適化したいときに使用します。「email sequence」「drip campaign」「nurture sequence」「onboarding emails」「welcome sequence」「re-engagement emails」「email automation」「lifecycle emailsIAConomyDIUMaHCAMUaMaKLnaMentionChannel>LCCAanualChannel>HN」の言及でも使用します。アプリ内オンボーディングについては onboarding-cro を参照してください。
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。