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
Banuba Video and Photo Editor SDKs のリファレンスドキュメント、ガイド、設定ページを参照する。ユーザーが Banuba Video and Photo Editor SDKs のドキュメント——設定、UI カスタマイズ、エクスポートオプション、機能ガイド、はじめかた——を必要とするときに使用する。既存のドキュメントページが必要な場合、「Banuba Video Editor SDK」「Banuba Photo Editor SDK」「Video Editor」「Photo Editor」「Banuba SDK」でもトリガーする。コードの記述やプロジェクトの構築には使用しない——その場合は build-video-editor または build-photo-editor の skill を使用する。
PostHog MCP の意図クラスターを探索する —— 意味的類似性でグループ化されたエージェントの目標。各クラスターのツール分布とエラー率、さらにツール中心の視点（意図ごとのキャプチャ率、宣伝されているカタログに対する発見率、説明の適合度、ツールの重複）を含む。ユーザーが "what are agents trying to do with the MCP?"、"group the intents"、"which goals fail most?"、"what does each cluster route to?"、"when agents have this intent do they find my tool?"、"which tools get mixed up?" と尋ねたとき、クラスタリングを再計算したいとき、または MCP 分析の意図クラスタリング URL を貼り付けたときに使用する。
個々の PostHog MCP セッションを調査する —— 1 回の実行で 1 つのエージェントが行ったツール呼び出しの連続、それが何をしようとしていたか、どこで失敗したか。ユーザーが "what did this MCP session do?"、"show me the tool calls for session X"、"what was the agent's goal?"、"which sessions had errors?"、"who is connecting to my MCP?" と尋ねたとき、または MCP 分析のセッション URL を貼り付けたときに使用する。
MCP ツールの出発点となる分類体系（ユーザーがそのツールにたどり着く前に何を成し遂げようとしていたか）を構築し、PostHog notebook として公開します。各セッションの冒頭のツール呼び出しから目標を再構築し、それらの目標を名前付きカテゴリにクラスタリングして、規模、割合、ファセットの構成を示します。ユーザーが「なぜ人はこのツールを使うのか」、「ユーザーは実際に何をしようとしているのか」、「どんな問題が人をここに導くのか」、「これらのセッションはどこから始まるのか」、「<tool> の利用を目標別にセグメント化する」と尋ねたとき、または Clio スタイルの MCP 利用分類体系を求めたときに使用します。セッションがなぜ始まったかではなく、呼び出しごとにエージェントが何をしたかをグループ化する exploring-mcp-intent-clusters を補完します。このスキルを実行するエージェントは目標ラベルを自ら書き、コーパスクエリの出力をセッションごとに読みます。同梱のスクリプトは機械的なファセットを網羅しますが、目標の高度を明らかに損なうため、そのフィールドをスクリプトに委ねないでください。
PostHog MCP のツール呼び出しの品質を調査する —— エラー率、レイテンシ、到達範囲、どのツールが失敗しているか、または遅いか。ユーザーが "which MCP tool has the highest error rate?"、"what's the slowest tool?"、"which tools fail most often?"、"how reliable is tool X?" と尋ねたとき、ツール品質マトリックスを求めたとき、または MCP 分析のツール品質／ダッシュボード URL を貼り付けてその内容を尋ねたときに使用する。
Replay Vision スキャナーの観察結果を取得し、その所見を読み、それに基づいて行動するようエージェントを導く — セッションをまたいだパターンの要約、個々の録画への掘り下げ、実際に裏付けられた問題を PostHog のタスク、インサイト、または investigating-replay への引き継ぎに変換する。\nトリガーする場合：ユーザーが Replay Vision の観察結果を取得/閲覧/トリアージしたい、\"what has my scanner found\" と尋ねる、スキャナーの所見に基づいて行動または要約したい、観察結果をタスク/作業に変換したい、または /replay-vision/<scanner-id> URL を指す場合。\nトリガーしない場合：スキャナーの作成や規模設定（creating-replay-vision-scanners を使用）、分析しない単発スキャンの実行、signals scout の作成。
リチャード・ファインマンの思考フレームワークと表現方法。40 件以上の一次資料に基づく詳細な調査から、5 つの中核的なメンタルモデル、8 つの意思決定ヒューリスティック、完全な表現の DNA を抽出します。思考アドバイザーとして、ファインマンの視点から問題を分析し、意思決定を検討してフィードバックを提供します。ユーザーが「ファインマンの視点で」「ファインマンならどう見るか」「ファインマンモード」「feynman perspective」「ファインマン学習法」と述べた場合に使用します。「これは cargo cult ではないか」「命名は理解と同じではない」「論証の代わりにデモをできないか」「本当に理解したのか、それとも名前を覚えただけなのか」といった発言もトリガーになります。「説明して」「簡単に言って」などの一般的な依頼では使用せず、ファインマン式の検証（カーゴカルトの検出、命名と理解の区別、自己欺瞞の回避）に限って有効化します。
博士 / 研究プログラムの申請パッケージをエンドツーエンドで統括する——申請者の資料の読み込みから、CV、プログラムと指導教員との適合性、SOP、推薦者戦略、教授へのアプローチ、最終パッケージの監査、そして候補者リスト到着後の面接準備まで。申請の一部ではなく全体を進めたい場合に使用する: "help me with my PhD applications"、"where do I start with my application"、"manage my application process"、"I'm applying to PhD programs, what's the plan"、"get my materials ready"、または CV / 成績証明書 / メモのフォルダを渡して提出までの道筋を尋ねる場合。これは既存の単体スキルをステージゲートで順序づける ROUTER であり、SOP、CV、メール自体は作成しない。単一の部分については、そのスキルを直接呼び出す（例: apply-sop-writer、apply-cv-builder）。研究論文を進める場合は flow-paper-lifecycle を使用する。
ウェブサイトやアプリのフォームをヘッドレスフォームバックエンドの Forminit（forminit.com）に接続します。フォームがない場合は作成し（編集可能なコードがない場合は、そのまま貼り付けられる HTML フォームを提供）、壊れた Forminit 連携も修正します。HTML、React、Next.js、Vue、Nuxt、Svelte、SvelteKit、Astro に対応し、各入力項目を fi-sender-email や fi-checkbox-topics[] などの fi-* フィールド名に割り当て、forminit SDK で送信処理を接続し、既存のデザインとロジックを維持します。ユーザーが Forminit に言及した場合、Forminit Form ID を提示した場合、Forminit の設定プロンプトを貼り付けた場合、コードに forminit.com/f/ の URL や fi-* 名がある場合、または FORM_NOT_FOUND などの Forminit エラーが発生した場合に使用します。バックエンドなしで送信内容を受け取る必要がある静的サイトや AI 構築サイトの問い合わせ、見込み顧客、見積もり、予約、RSVP、フィードバック、ウェイトリスト、求人応募フォームにも使用します。ログイン、アカウント登録、パスワード、決済、検索フォームには使用しません。
伝統的な Stata エコシステムにおける古典的なエンドツーエンド実証分析ワークフロー——ネイティブ Stata + reghdfe + ivreg2 + csdid + did_imputation + eventstudyinteract + sdid + rdrobust + rddensity + synth + synth_runner + psmatch2 + teffects + ebalance + coefplot + esttab + asdoc + binscatter。**デフォルトで経済学実証論文スタイル**（AER / QJE / AEJ）——各実行で出版可能な出力セットを生成し、多列回帰表（M1→M6 の段階的な統制変数/固定効果）を中心に、表 1（記述統計）、メカニズム/異質性/頑健性の表、イベントスタディ図・係数図・トレンド図を付す。応用経済学者が毎論文で実行する完全な 8 ステップの Stata パイプラインを網羅——(1) データのインポートとクリーニング（use/import、destring、misstable、duplicates、merge assert）、(2) 変数構築（gen/egen/winsor2/xtile/xtset と L./F./D.）、(3) 記述統計と表 1（tabstat/balancetable/asdoc）、(4) 古典的な診断検定（sktest/swilk/hettest/imtest/xtserial/xttest3/vif/dfuller/kpss/hausman/estat overid）、(5) ベースライン・モデリング（reg/xtreg/reghdfe/ivreg2/ivregress/csdid/did_imputation/eventstudyinteract/sdid/rdrobust/synth/psmatch2/teffects/heckman/qreg/ppmlhdfe）、(6) 頑健性チェック一式（bacondecomp/honestdid/rwolf/ritest/wildbootstrap/oster）、(7) 追加分析（サブグループ/三重差分/交互作用項/medsem/marginsplot/グループ別 binscatter）、(8) 出版可能な表と図（esttab/outreg2/estout/coefplot/marginsplot/rdplot/twoway の組み合わせ）。**同じ 8 ステップの骨組みを共有する 2 つの並行ドメインモードも網羅**——**モード A——疫学/公衆衛生**（対象試験エミュレーション、`teffects ipw` / `teffects ipwra` / `teffects aipw` / `eltmle` による IPTW + g-formula + TMLE の二重頑健トリプレット、`mrrobust`（IVW / Egger / 加重中央値）と `mregger` / `mrpresso` によるメンデルランダム化、`sts` / `stcox` / `streg` / `strmst2` による KM / Cox / AFT / RMST 生存分析、`evalue`（Linden-Mathur）による E 値感度分析、主層化——STROBE / TRIPOD 報告）、および **モード B——ML 因果推論**（`ddml` / `pdslasso` による DML、`crforest` と `ddml interactive` による S/T/X/R/DR メタ学習器、`crforest` / `cforest` による因果フォレスト、`bart` / `bartCause` 系の外部コマンドによる BART/BCF、`crforest` による CATE 分布 + ポリシーツリー、オフポリシー評価、共形因果外部コマンド、公平性監査、`pcalg` / 外部 Python 呼び出しによる DAG 学習）。ユーザーが完全な Stata 実証分析を求めたり、再現可能な .do ファイルのパイプラインを必要としたり、Python StatsPAI / Full-empirical-analysis-skill に対応する Stata 版を必要としたり、特定の Stata ステップを単独で指定したりする場合に使用（"run reghdfe with two-way clustering"、"csdid event study"、"winsor2 at 1%"、"esttab to LaTeX"、"coefplot with CI"、"ivreg2 weak-IV test"、"synth_runner placebos"、"teffects psmatch balance check"）。モード A のトリガー："target trial emulation Stata"、"teffects ipw aipw"、"eltmle"、"mrrobust"、"mregger weighted median"、"stcox AFT survival"、"strmst2"、"evalue Stata"、"STROBE Stata"、"公共健康 Stata"、"流行病学 Stata"。モード B のトリガー："ddml Stata"、"pdslasso"、"crforest causal forest Stata"、"policy tree Stata"、"因果机器学习 Stata"。
散在する点測定値を、不確実性を定量化した連続サーフェスに変換する：バリオグラムモデリング、通常/普遍/回帰クリギング、IDW、空間的に誠実なクロスバリデーション。観測されていない値を、観測所・井戸・測深点などの疎なサンプルから推定する必要があるときに使用。"interpolate"、"kriging"、"variogram"、"IDW" をトリガーとする。求められるサーフェスがヒートマップと非公式に説明されていても、補間手法が名指しされていれば十分。点密度ヒートマップ、ゾーン集計、値の補間を伴わないラスタリサンプリングには使用しない。
17 言語分の Google 公式スタイルガイドの完全なコレクション。TypeScript、JavaScript、Python、Java、Go、C++、C#、Swift、Objective-C、HTML/CSS、AngularJS、Shell、R、Common Lisp、Vim Script、JSON、Markdown を含みます。Google のエンジニアリング組織全体で使用されている実運用向けのコーディング標準で、AI エージェントでの利用に合わせて整形されています。
あるタスクに適した GPT-5.6 のモデル階層（Luna/Terra/Sol）と推論エフォート（Low..Ultra）を推奨し、ユーザー自身の成功と失敗から学び、品質問題を診断し、現在のセッションのモデルとエフォートを報告する。助言的——根拠のある出発点とエスカレーションルールを提案するもので、決定して切り替えるのは人間。ユーザーがどのモデルやエフォートを使うべきか尋ねたとき、階層を意識的に選ばずに実質的なタスクを始めたとき、結果が良くない・不満だと報告したとき、品質を落とさずにコストを下げたいとき、またはセッションがどのモデルで動いているか尋ねたときに読み込む。トリガー——"which model"、"which effort"、"reasoning effort"、"cut cost"、"is a bigger model worth it"、"do I need max/ultra"、"result is bad"、"quality dropped"、"what model am I on"、"record this combo"。
Dart または Flutter パッケージを、analyze、format、test、coverage の 4 つのゲートにわたる検証—修正—再実行ループを通して完全にグリーンにする。ゲート設定を担うため、計画のみの質問もここに含まれる：各ゲートを実行するツールと引数、その順序、カバレッジの目標、カバレッジの分母から除外されるもの。「green gate」「make it green」「get CI green」、すべての analyze と test の失敗の修正、PR 前のパッケージの整理、カバレッジを 100 に引き上げ、すべてが通るまでループ、パッケージがグリーンであることの確認にも使用する。ユーザーがゲートを弱めたりスキップしたい場合にも使用する：カバレッジ閾値の引き下げ、未テストまたは生成されたコードへの coverage ignore コメント、以前に通ったため analyze と format をスキップ、94% のパッケージを完了とする、同じ失敗が繰り返される中の再試行。単一ゲートの testing や analysis スキルよりも優先する。
Nuxt 3/4 のアニメーションを構築・レビューします。GSAP の pageTransition／layoutTransition フック、コンポーネントの入退出、スクロール効果、keepalive、クリーンアップを扱います。GSAP の名前が出ていなくても、ナビゲーションの中断、done コールバックの欠落、Vue CSS と View Transitions の選択に使用します。非表示コンテンツの復元と初回読み込み時のパフォーマンスも扱います。通常の Vue や単独の GSAP API に関する質問には使用しません。
Svelte 5 上で SvelteKit のアニメーションを構築・レビューする。GSAP によるページ遷移、コンポーネントの表示・退出、スクロール効果、ルート再利用、クリーンアップを扱う。ナビゲーションの中断や、GSAP・Svelte transitions・View Transitions の選択に使用し、GSAP が明示されていない場合も対象とする。非表示コンテンツの復元と初回読み込みのパフォーマンスも扱う。通常の Svelte や、単独の GSAP API に関する質問には使用しない
React および TanStack Start 向けの TanStack Router アニメーションを構築・レビューします。GSAP のページ遷移、コンポーネントの入退出、スクロール効果、useBlocker、保留中の UI、ルートの再利用、クリーンアップを扱います。GSAP の名前が出ていない場合も、viewTransition の選択を含めて使用します。非表示コンテンツの復元と初回読み込み時のパフォーマンスも扱います。Solid、他のルーター、ルーティングを使わない React、単独の GSAP API に関する質問には使用しません。
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。