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
推敲の相棒 — 書かれたものの中から本当のことを見つけ、無駄を削る手助けをする。重点は「構成の圧縮＋無駄の切除」：決まり文句の書き出しを削り、程度を表す虚詞を切り、偽りの対句を崩し、スローガン的な締めを消す。快速モード（削るだけで書き換えない）と完全モードがある。どんな原稿でも受け付ける。voice-dissolver のボイスリストを保護領域として受け取れる。 トリガー：推敲して、ちょっと直して、うまく書けないがどこが悪いか分からない、無駄が多すぎる、自分らしく読めない、磨いて、読みやすくして、簡潔にして、無駄を削って、もっと人間らしく書いて、くどすぎる。 Not for：AI っぽさが強いが構成に問題はない（→ humanize-ai で味を消す）、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）。
サブシステム、機能フロー、ランタイムパスの仕組み（アーキテクチャ、データフロー、ファイルマップ、注意点）を説明します。新しいコンテキストの批評者による評価を任意で追加できます。読み取り専用です。ユーザーが「これはどう動くの？」と尋ねた場合、またはサブシステムやフローの仕組み、ロジックを置く場所について尋ねた場合に使用します。コードがその形になっている理由の説明には使用せず、investigating-design-rationale を使用してください。PR や diff の説明には使用せず、explaining-code を使用してください。
モデルファインチューニングサービス | Model Fine-tuning Service。LLM の LoRA/QLoRA ファインチューニング | LLM LoRA/QLoRA fine-tuning。7B/13B モデルのファインチューニング | 7B/13B model fine-tuning。Stable Diffusion LoRA トレーニング | Stable Diffusion LoRA training。20GB の VRAM を活用 | Leveraging 20GB VRAM advantage。トリガーワード：微调、fine-tune、LoRA、训练模型。
ユーザーが "analyze from first principles"、"第一性原理"、"从根本分析"、"从零开始思考"、"think from scratch"、"question this design"、"这个设计合理吗"、"is this the right approach"、"为什么要这样做"、"why are we doing it this way"、"有没有更好的方案"、"is there a better solution"、"challenge assumptions"、"挑战假设" を求めたとき、または類推や慣習に頼らずにアーキテクチャの決定、設計の選択、問題解決のアプローチを評価する必要があるときに、このスキルを使用する。
トリガー条件：ユーザーがあらゆるプロセス、構造、概念の描画、図示、可視化を求めたとき——"画个流程图"、"draw an architecture diagram"、"帮我画个对比图"、"visualize this process"、"make a diagram for this doc"、または 流程图／架构图／示意图／对比图／时序图／泳道图／时间线 に言及したとき。ユーザーが文書や記事を提示してイラストや図を求めたときもトリガーする。トリガーしない場合：グラフ／プロットの依頼（棒グラフ、折れ線グラフ——これらには draw.io ではなくグラフ作成ライブラリが必要）、または芸術的な画像の依頼（ロゴ、マスコット、物体や人物の絵——これらには画像ツールが必要）。
アプリ、パッケージ、プラグインの Flutter テストを作成、修正、レビュー、デバッグ、検証します。ユニットテスト、ウィジェットテスト、統合テスト、MethodChannel やプラグインのモック、Mockito や mocktail のテストダブル、golden やアクセシビリティのチェック、CI テストコマンドの追加、テスト失敗、MissingPluginException、pump や pumpAndSettle の問題、finder エラー、build_runner によるモック生成、デバイスや Web の統合テスト、不安定な Flutter テストに使用します。
Garmin のデータを自然な言葉で扱う——「スノーボードで一番速かったのは？」「昨夜の睡眠はどうだった？」「午後 3 時の心拍数は？」。20 以上の指標（睡眠段階、Body Battery、HRV、VO2 max、トレーニングレディネス、体組成、SPO2）にアクセスし、FIT/GPX ファイルをダウンロードしてルートを分析し、任意の地点の標高/ペースを照会し、インタラクティブな健康ダッシュボードを生成する。気軽な「今週のワークアウトを見せて」から深い「回復とトレーニング負荷を分析して」まで。
シニアプロダクトマネージャーアシスタント。PRD ドキュメントの作成とレビュー、プロダクト戦略のコンサルティング、リテンション成長分析、競合調査、機能の優先順位付けなど、全方位的なプロダクトマネジメント支援を提供する。PRD/MRD/BRD/ユーザーストーリーなどのプロダクトドキュメントの作成やレビュー、プロダクト課題の診断（リテンションが低い、コンバージョンが悪い、成長のボトルネック）と実行可能な戦略の提示、競合分析と市場調査、機能設計とユーザー体験の最適化に適している。ユーザーが "PRD"、"要件ドキュメント"、"プロダクト計画"、"ユーザーリテンション"、"機能設計"、"競合分析"、"プロダクト指標"、"成長戦略"、"ユーザー体験の最適化"、"機能の優先順位" などプロダクトマネジメントに関連する話題に言及したときに、このスキルを使用する。ユーザーが明示的に「プロダクト」と言わなくても、App の機能設計、ユーザー成長、ビジネスモデル、要件分析などの話題を扱う場合にも発動すべきである。
REST API を通じて Geti アプリケーションをエンドツーエンドで使用する——`application/backend/` の FastAPI バックエンドが提供する project → dataset → annotate → train → deploy パイプライン。ユーザー（コントリビューターではない）がプロジェクトの作成、メディアのアップロード、アノテーションの追加、トレーニングや量子化ジョブの起動、ジョブステータスの追跡、source → model → sink 推論パイプラインの構成、ライブ推論の有効化を望むときに使用する。バックエンドコードの変更ではなく、`/api/...` エンドポイントと非同期ジョブモデルを扱う。
訓練済みの getitune モデル（Geti トレーニングライブラリ）をデプロイ可能な形式にエクスポートする。ユーザーが `engine.export(...)` や `getitune export` を実行したい場合、OpenVINO IR と ONNX のどちらかを選択したい場合、`ExportFormat` / `Precision` で FP32 と FP16 の精度を設定したい場合、エクスポートされた成果物の書き込み先と推論のために読み戻す方法を理解したい場合に使用する。トレーニングと OpenVINO/ONNX 推論の間のエクスポート/ロードの契約を扱う。
トレーニング、テスト、予測のためにデータセットを準備し、getitune ライブラリ（Geti トレーニングライブラリ）に指定する。ユーザーが対応しているデータセット形式、`create_engine(...)` の `data=` 引数 / `--data_root` の動作、形式の自動検出が失敗する理由、COCO/YOLO/Pascal VOC/Datumaro ネイティブデータの配置方法、zip アーカイブの使用方法、Ultralytics YOLO の `data.yaml` の渡し方を尋ねたときに使用する。Datumaro ベースの自動検出とタスクごとのデータ要件を扱う。
getitune モデル（Geti トレーニングライブラリ）で推論と評価を実行する。ユーザーが `engine.predict()` / `engine.test()` や `getitune predict` / `getitune test` を呼び出したい場合、PyTorch チェックポイントとエクスポートされた OpenVINO IR（`.xml`）または ONNX（`.onnx`）モデルで推論を実行したい場合、`OVEngine` が ModelAPI 経由でデプロイ済みモデルを読み込む方法を理解したい場合に使用する。PyTorch、OpenVINO、ONNX の推論バックエンドを扱う。
getitune ライブラリ（Geti トレーニングライブラリ）の Python API または CLI を使用してコンピュータビジョンモデルをトレーニングする。ユーザーが `create_engine(...)` と `engine.train()/engine.test()` でモデルをトレーニング、微調整、評価したい場合、`getitune train`/`getitune test` を実行したい場合、`getitune.recipe.<task>` のレシピを選択または上書きしたい場合、デバイス（cpu/gpu/xpu/cuda）を選択したい場合、チェックポイントからウォームスタートしたい場合、トレーニング実行をデバッグしたい場合に使用する。分類、検出、インスタンス/セマンティックセグメンテーション、キーポイント検出を扱う。
株式分析と値動き予測。ユーザーが分析、評価、予測の意図を示した場合に起動します。例：「テンセントを分析して」「0700 の最近の動きは？」「XX は買いか」「今後の値動きを予測して」「分析レポートを作成して」など。「テンセントの現在の株価は？」「茅台の銘柄コードは？」などの簡単な問い合わせでは、この Skill は起動しません。香港株、A 株、米国株に対応し、ニュース、ファンダメンタルズ、テクニカル分析、資金フロー、マクロ情報など複数のデータソースを統合して多角的に分析し、画像や可視化チャートを含む構造化レポートを出力します。glm-5v-turbo など、画像を読み取れるマルチモーダルな主モデルが必要です。
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。