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
検討中の選択肢がすべて一つの方針のバリエーションである場合、または同じサインイン、承認、人、依存関係を待つ場合、まず現在の枠組みにある選択肢を列挙します。次に、5つ以上の異なる分野から機能する仕組みを問題に当てはめ、最初のリストになかった案と、それぞれが機能しなくなる条件を報告します。作業が一つの枠組みから抜け出せない場合、別の分野や業界ならどう解決するかを尋ねられた場合、実際に応用できる類推を求められた場合に使用します。より大きな視点で判断を見直す場合（macrothink）、特定の枠組みに行き詰まっていない状態で選択肢を列挙する場合、主張を検証する場合（factchk）には使用しません。
データ自動分析 + 広告配信最適化の一体型 Skill。ユーザーが Excel/CSV ファイルをアップロードしたとき、または次のいずれかのシーンに言及したときに必ず発動する：①汎用データ分析（レポート閲覧、データトレンド、可視化）、②アカウント診断（効果の悪いキャンペーン、停止すべきキャンペーン、配信診断、アカウント健康診断）、③A/B テスト分析（2 つのデータの比較、どちらのバージョンが良いか、有意かどうか、信頼度）、④日報生成（配信日報、日次報告、DingTalk/Feishu 週報、前日比較）。フィード広告の最適化担当者、運用担当者、データアナリストに適している。巨量引擎、Tencent Ads、Meta Ads、Google Ads、Kuaishou などのプラットフォームからエクスポートしたデータに対応し、営業、財務、運用など任意の構造化テーブルにも対応する。ユーザーが「分析して」「レポートを見て」「どのキャンペーンを調整すべきか」「この 2 つはどちらが良いか」「日報を作成して」と言っただけでも、この Skill を発動すべきである。
WeChat 公式アカウントの記事パイプライン · 最終状態が**整形済みの WeChat 公式アカウント HTML**または**自分の WeChat 公式アカウントの下書きに記事を入れる**場合に使用(下書き保存のみ、一斉配信は絶対に行わない)。入力は**すでに書き終えた** Markdown/HTML で、このパイプラインは本文を代筆せず、その後の決定論的な運用のみを行う:レンダリング → 画像の事前アップロード → カバー → 下書き保存。 ⚠️ これは**ユーザー自身の WeChat 公式アカウントのバックエンドに書き込む**ため、原稿ができただけで勝手に実行しないこと。下書き保存にはアカウント連携 + DOUBAOYA_API_KEY が必要;ローカルのレンダリング / テーマ変更のみなら不要。 Trigger words: 正文写好了怎么发 / 要排版好的公众号 HTML / 接着排版发草稿 / 写公众号 / 转公众号排版 / 推公众号草稿 / 重新推草稿 / 带封面发布到草稿箱 / 把文章存进公众号草稿箱 / 公众号图文流水线 / dby-publish / 存公众号草稿 / 公众号草稿箱 / 代发公众号草稿箱 / addDraft / draft/add / 图文推进公众号 / 稿子发到公众号后台。
Bolna 音声エージェントの問題を診断する:機械的/遅延のある応答、エージェントがユーザーを遮るまたは全く遮らない、長い沈黙、早すぎる切断、webhook の取りこぼし、発信者コンテキストの誤り、バッチ失敗、SIP/SRTP の無音、コンテンツポリシーによるエージェント制限、残高不足によるキューイング、プロバイダー接続の遅延。症状をエージェント上の正確なフィールド(`task_config`、`endpointing`、`incremental_delay`、`number_of_words_for_interruption`)に対応付け、`GET /executions/{id}` の `latency_data` と生ログを用いて、パイプラインのどのコンポーネント(文字起こし、LLM、音声合成)が遅いかを特定する。
データ品質チェックが失敗またはエラーになった理由を調べ、一致した行を確認して修正方法を提案します。データ品質ゲートによって公開されなかったマテリアライズドビューの更新も対象です。チェックが赤色になった理由、失敗した行、ビューに "Not published" と表示される理由、更新後もビューのデータが古い理由、ブロックされた更新を公開する方法を尋ねられた場合に使用します。トリガー語：チェック失敗、失敗した行、チェックエラー、データ品質エラー、未公開、マテリアライズのブロック、未公開の更新、チェックが繰り返し失敗する。
データ所有者自身の記録から作成した検索語（すべてのスクリプト内の氏名、ハンドル、メールアドレス、電話番号、住所、アカウント ID、クライアント ID）を使って、共有リポジトリ、フォルダー、成果物に漏えいした個人または組織のデータを見つけます。成果物の動作を保てる役割名やプレースホルダーに各該当箇所を置き換え、git 履歴を読み取り専用でスキャンして、データが残るコミットを特定します。公開・共有リポジトリ、テンプレート、フィクスチャセット、ドキュメント、納品物に運用担当者、顧客、チームメイトの個人情報や業務データが含まれる可能性がある場合、成果物の識別情報除去・匿名化・削除を求められた場合、リポジトリの公開やオープンソース化の前、または全運用担当者が実行するコードベースから個人データを除去する必要がある場合に使用します。
ランディングページ、アプリ、ダッシュボード、AI 製品、デザインシステム、ブランドタッチポイントの構築・レビュー・研磨・反復のための、主張のあるプロダクトデザイン skill。まず UX と理解、次に抑制（3 つの文字サイズ、装飾の削除）、その次に基盤、最後に戦術的な技巧 —— 階層、スペーシングシステム、タイプスケール、HSL パレット、シャドウ、仕上げのディテール。20 本の YC Design Review 動画（Linear、Stripe、Cursor、Framer）と Refactoring UI の書籍から抽出。ユーザーがユーザー向けの何かをデザイン、リデザイン、批評、研磨したいと求めたときは常に使用する：「make it look better/more professional/trustworthy」、AI/vibe-coded な見た目の解消、ランディングページや料金ページの修正、コンバージョン改善、AI 機能や Agent UI のデザイン、token やデザインシステムの構築、URL/スクリーンショット/モックアップのレビュー。戦術的な UI の質問 —— 間隔がずれている、視覚的階層、色の選択、タイポグラフィ、空状態、Tailwind/CSS スタイリング —— でも、「design」という語がなくてもトリガーする。純粋なバックエンド/DevOps の作業には適さない。
観察可能なデザイン基準で UI の視覚品質を批評する。ユーザーがビジュアル批評、デザインレビュー、磨き込み、階層、余白、タイポグラフィ、コントラストのリスク、一貫性、ブランド適合、アンチスロップレビュー、スクリーンショット批評、Figma フレーム批評、弱いインターフェース向けの修正ブリーフを求めたときはいつでもこのスキルを使用する。指摘は実行可能に保ち、根拠を明示する。通常のローカル批評に Attention Insight、Khroma、外部スクリーンショットのアップロードは必要としない。
Docker Compose ファイルやインストールドキュメントを本番グレードの Sealos テンプレートに変換する。ユーザーが docker-compose.yml を持ち Sealos または Kubernetes テンプレートを求めている場合、Docker Compose から Sealos への移行を希望する場合、コンテナオーケストレーション設定を Sealos 形式に変換する必要がある場合、または compose-to-template 変換に言及した場合に使用する。"/docker-to-sealos" でもトリガーされる。
一次研究論文から実証結果を抽出・分析し、各結果を要約してその重要性を説明し、考察を支持または対立する引用に分解する。ユーザーが論文を貼り付けたり、PDF をアップロードしたり、結果・考察のセクションを共有して、何が分かったのか、それが文献の中でどう位置づけられるのかを知りたい場合にこのスキルを使用する。「analyse this paper's results」「what did this paper find」「extract the results」「break down the discussion」「what papers support or contrast this result」「help me ground this paper in the literature」「summarise the findings」「what's the discourse around these results」といったフレーズで発動する。ユーザーが文献レビューを構築中で、特定の研究が何を明らかにし、その考察が結果を先行研究の中にどう位置づけているかを理解する必要がある場合にも発動する。レビュー論文には使用しない。これらは早い段階で検出し、丁重に断る（下記参照）。
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。