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
Bevy 0.17 から Bevy 0.18 へのアップグレード時、LLM が `MessageReader`/`MessageWriter`/`On<E>` の代わりに `EventReader`/`EventWriter`/`Trigger<E>` を記述した場合、`mesh.insert_attribute` のコンパイル失敗、`AmbientLight` をリソースとして使えなくなった場合、または `Camera { target: ... }` で `target` フィールドのエラーが出る場合に使用します。0.17→0.18 のすべての破壊的変更を網羅したインデックスです。
BibiGPT で YouTube / Bilibili / ポッドキャストのチャンネルを登録し、最新フィードを取得して項目を確認済みにします。チャンネル登録、「フィードの新着は？」「毎日のダイジェスト」、登録／登録解除を求められた場合に使用します。新しい URL の要約（`bibi`）、保存済み動画の検索（`bibi-library`）、フレーム分析／マインドマップ作成（`bibi-vision`）には使用しません。トリガー：「このチャンネルを登録」「登録チャンネルの新着は？」「毎日のダイジェスト」「フィードを確認済みにする」「订阅频道」「我的订阅」「有什么更新」「取消订阅」「latest feed」。他のスキルと同じ `bibi` CLI バイナリおよび BibiGPT アカウントを使用します。
BibiGPT の保存ライブラリー（要約済み動画、個人メモ、コレクション）を閲覧、検索、管理します。保存済みの内容を尋ねられたとき、過去の要約を検索するとき、メモを編集するとき、動画をコレクションに整理するときに使用します。新しい URL の要約（`bibi` スキル）、チャンネルのフォロー / 購読フィードの取得（`bibi-feed`）、フレームの分析 / マインドマップの生成（`bibi-vision`）には使用しないでください。トリガー：「これまでに要約したもの」「ライブラリーを検索」「保存した動画」「自分のメモ」「コレクションを作成」「コレクションに追加」「以前に要約した動画」「ライブラリー」「メモを検索」「コレクション」「最近の要約を一覧表示」「コレクションを整理」「フォルダーをルートに移動」「ハイライト」。他のスキルと同じ `bibi` CLI バイナリーおよび BibiGPT アカウントを使用します。
AWS HealthOmics でのバイオインフォマティクス解析をユーザーにガイドする。解析タイプの選択（アラインメント、変異検出、QC、解釈）、Nextflow または WDL でのワークフロー生成、パブリックレジストリからのコンテナ取得、インフラストラクチャの設定（S3、ECR、IAM）、ワークフローの登録、パラメータの準備、実行、監視を扱う。ユーザーが HealthOmics でバイオインフォマティクスのパイプラインを実行したい、AWS でゲノミクス基盤を構築したい、新しい解析ワークフローを作成したい、あるいは BWA、GATK、DeepVariant、FastQC などの既存ツールを HealthOmics で実行したいときに使用する。トリガーには "HealthOmics"、"bioinformatics"、"genomics pipeline"、"Nextflow"、"WDL"、"BWA"、"GATK"、"DeepVariant"、"FastQC"、"variant calling"、"alignment"、"RNA-seq"、"whole genome sequencing"、"ECR pull-through"、"workflow registration"、"run cache" が含まれる。
他のすべてのクリエイター向けマーケティングスキルが開始前に読み込むブランドコンテキストファイルを作成する。ブランドコンテキストの設定、新規ブランドの立ち上げ、ブランドのオンボーディング、ブランドコンテキストの作成、ブランドプロファイルの初期化、ブランドセットアップの実行、ブランドプロファイルの構築、ブランド情報の収集、ブランド詳細の入力を行う場合、または他のスキルが .claude/brand-context.md を見つけられない場合にこのスキルを使用する。キャンペーン固有のブリーフは campaign-brief-generator を参照。クリエイター固有のアウトリーチは outreach-writer を参照。他のクリエイター向けマーケティングスキルを使用する前に、まずこれを実行する。
会議音声を 3 つの成果物（修正済みの文字起こし、HTML ビジュアルキャンバス、AI インサイト付き Markdown 要約）に変換します。Whisper を使ってあらゆるプラットフォーム上でローカルに文字起こしするため、クラウドや外部の文字起こしアプリは不要です。ユーザーが会議録音を渡す、または録音から議事録を作りたい場合（「处理这个录音」「会议纪要」「把录音转成文字」、もしくは設定済みのドロップゾーンに音声ファイルが置かれる）、既存の文字起こしの修正・整理を求める場合（「处理 transcript」「转录纠错」「转写文本」、もしくはドロップゾーンに .txt が置かれる）、接続済みの PLAUD アカウントから録音を取得したい場合（「process my Plaud recording」「从 Plaud 拿」）、このスキルが作成した文字起こし、キャンバス、要約の編集を求める場合、または単一の録音処理ではなく会議を横断してコミュニケーションパターンのインサイトを求める場合（「analyze my meetings」「how do I come across in meetings」「分析我的沟通模式」「复盘我最近的会议」「跨会议分析」）に使用します。
インフルエンサーキャンペーンの ROI を算出し、生のパフォーマンスデータから経営層向けのナラティブな要約を作成する。クリエイターキャンペーンの ROI 算出、経営層向けのキャンペーン実績レポート作成、生のインフルエンサー指標のエグゼクティブサマリー化、クリエイタープログラムの CPM・CPE・ROAS・EMV の計算、ステークホルダー会議向けのキャンペーン支出と収益の要約、CMO や VP へのインフルエンサーマーケティング ROI の証明、財務指標を含むキャンペーン総括レポートの作成、インフルエンサーチャネル効率と有料ソーシャルの比較を行う場合にこのスキルを使用する。キャンペーン開始前の KPI 目標設定は performance-benchmark-setter を参照。クリエイターの投稿コンプライアンスの追跡は creator-posting-compliance-tracker を参照。定性分析を含む完全なキャンペーン終了時レポートは post-campaign-creator-scorecard を参照。アトリビューションを可能にする UTM リンクの作成は utm-parameter-builder を参照。
初回実行時に使用するスキルで、リポジトリ全体を走査し、Classic AUTOSAR と Adaptive AUTOSAR を自動判別してそれに応じてマッピングする。Classic（デフォルト）の場合：feature と SWC を特定し、参照されている要件 ID（SW-REQ-*、REQ-*、FSR-*、SYS-REQ-*）、ポートインターフェース（S/R、C/S、Mode Switch、Parameter）、他の SWC および BSW モジュール（Com、NvM、Dem、Dcm、IoHwAb、Os）への依存、具体的な RTE API 呼び出し（Rte_Read_*、Rte_Write_*、Rte_Call_*、Rte_IRead_*、Rte_IWrite_*）を記録する。Adaptive（C++14、POSIX、ara::）の場合：Adaptive Application、ara::com サービスインターフェース、ara:: ファンクションクラスタの使用、manifest を特定する。さらにリポジトリ構造、ASIL ゾーン、信号/サービスの流れ、アーキテクチャ上の懸念も捉える。調査結果を .autonomousguy/CODEBASE_MAP.md に書き出すことで、後続のすべてのスキルがコードベースを再読することなく参照できる；analysis/ 以下に自己完結型の HTML 補助レポートを出力することもできる。
初心者向けの完全なコールドメールツールキット。ゼロからキャンペーン開始までを順に案内する —— ドメイン購入、受信箱の設定、リスト構築、コピーライティング、エンリッチメント、Smartlead または Instantly での送信。初めてコールドメールを設定するとき、新しいキャンペーンを開始するとき、誰かにコールドメールを教えるとき、あるいは戦略、コピー、インフラ、API リファレンスを一か所にまとめたエンドツーエンドのガイドが必要なときに使用する。
Google Trends、Reddit、LinkedIn、X、Substack、Medium、YouTube などを分析してコンテンツのトレンドを調査し、データに基づく記事のアウトラインを生成する。コンテンツのアイデアを調査する、トレンドのトピックを見つける、記事のアウトラインを生成する、読者の意図を分析するよう求められた場合、またはユーザーが "what should I write about"、"find trending topics in X"、"research content ideas" と言った場合に使用する。
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。