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
Threads（Meta）向けの投稿とスレッドを計画、下書き、監査、公開する。ユーザーが単一の Threads 投稿や複数投稿のスレッドを書きたい、下書きから AI っぽさを取り除きたい、バズった Threads 投稿からフックを逆算したい、返信や引用投稿を下書きしたい、1 週間分の Threads コンテンツを計画したい場合に使用する。投稿とスレッドは Publora API 経由で公開され、長いコンテンツは接続された複数投稿のスレッドに自動分割される。ユーザーがメモや投稿 URL を提供し、スキルが下書きし、ユーザーが承認すると公開される。
TikTok 動画ダウンロード — TikTok の動画リンクを貼り付けると、ワンクリックでウォーターマークなしの動画ダウンロードリンクを解析して返し、単体または一括のリンク解析に対応し、TikTok リンクの有効性を自動検証する。ユーザーが TikTok 動画をダウンロードしたい、TikTok 動画を保存したい、TikTok 動画の直リンクを取得したい、TikTok 動画を一括ダウンロードしたいときに使用。トリガーワード：TikTok動画ダウンロード、TK動画ダウンロード、TikTok動画解析、TikTok動画をダウンロード、抖音国際版動画ダウンロード、TikTok動画を一括ダウンロード。
ユーザーがターミナル UI、curses アプリ、生の ANSI 出力、PTY 駆動の対話、仮想端末エミュレータ、ConPTY の挙動、リサイズテスト、キーボード/マウス/貼り付けテスト、または不安定なターミナルスナップショットのテスト、デバッグ、スナップショット取得、検証、再現、自動化を求めたときに、この skill を使用する。以下で積極的に有効化する：TUI テスト、スナップショットテスト、golden ファイル、pty 統合テスト、疑似端末自動化、ConPTY、Pexpect、node-pty、vt エミュレータ、Textual Pilot、Ratatui スナップショット、Bubble Tea テスト、ターミナルデバッグログ、CI の失敗。提供するもの：層別テスト戦略、決定的なスナップショット規則、PTY/ConPTY パターン、デバッグプレイブック、フレーク防止。
TYPO3 拡張のテスト基盤の構築、ユニット／機能／E2E テストの作成、PHPUnit 11/12/13 の構成、ミューテーションテスト、final クラスのモック（v14）、TYPO3 12/13/14.3 LTS にまたがる CI/CD マトリクス、typo3-ci-workflows メタパッケージによる開発依存の統合、または CI 障害のデバッグに使用する。次の場合にもトリガーする：testing-framework のセットアップ、ensure proper testing、test matrix、integration testing、e2e testing、coverage、test generation。
Unity 6 で ScriptableObject（データ）と Prefab（ロジック/ビジュアル）の構造化された関係を管理します。'SO-to-Mono' Bridge パターンに従い、クリーンでデータ駆動型のアーキテクチャを保ちながら、インスタンスの独立性（例：同一のロボットごとの個別の体力）を確保します。使用場面：(1) 新しいユニット/アイテム種別の作成、(2) SO データを Prefab の MonoBehaviour に接続する、(3) 1 つの SO を変更するとすべてのインスタンスに影響するデータ共有バグの解決。
utoipa と Axum フレームワークを使った Rust API 向けの OpenAPI ドキュメントスキル。OpenAPI 仕様の自動生成と Scalar UI を備えた REST API を構築する際に使用する。扱う内容：(1) リクエスト／レスポンス型の ToSchema 派生、(2) エンドポイント文書化のための #[utoipa::path]、(3) 仕様を統合する OpenApi 派生、(4) セキュリティスキーム（JWT、API keys）、(5) クエリ／パスパラメータの IntoParams、(6) Scalar UI の統合、(7) レスポンスとエラー処理のパターン。トリガー：utoipa、openapi、scalar、axum api、ToSchema、IntoParams、rust api docs。
テーマに沿って、登録チャンネル内外から見る価値のある YouTube 動画を理由付きで順位付けして推薦します。すでに視聴した動画や video-lens で要約した動画は除外します。「AIについて何を見たらいい？」「今週の新しい Kubernetes 動画」「料理動画を推薦して」「AIチャンネルの最新情報を教えて」「YouTubeで見逃したものは？」「最近の Rust で何かいいものは？」「動画のおすすめを設定」「YouTube takeout をインポート」「YouTube を同期」「このチャンネルを AI トピックに追加」「このチャンネルをミュート」などの依頼で起動します。
ユーザーが倉庫自動化の導入、自動化技術の評価、自動マテリアルハンドリングシステムの設計を望む場合。また、ユーザーが "warehouse robotics"、"automated storage"、"AS/RS"、"goods-to-person"、"conveyor systems"、"sortation"、"AMR"、"AGV"、"automated picking"、"warehouse automation ROI" に言及した場合にも使用。倉庫レイアウト設計については warehouse-design を参照。注文フルフィルメントについては order-fulfillment を参照。
HTTP REST API を介して WinDbg を操作する。3 つのシナリオを対象とする：ダンプ分析（プロセスクラッシュダンプ、カーネルクラッシュダンプ / BSOD）、ライブカーネルデバッグ（KDNET、ローカルカーネル、VM カーネル）、ユーザーモードプロセスのデバッグ（プロセスへのアタッチ、アプリケーションクラッシュ）。ユーザーが WinDbg、クラッシュダンプ、.dmp ファイル、BSOD、bugcheck、カーネルデバッグ、プロセスデバッグ、!analyze、ブレークポイントに言及した場合、または windbgskill プラグインがポート番号で実行中だと述べた場合に使用する。
CDP 経由で Iliyas の Windows PC 上の実 Chrome を操作する — 彼自身が使っているブラウザーと同じもので、彼のアカウント（Vercel、Google Cloud、Heroku など）にサインイン済み。彼のログインの背後にあるデータを取得したり、ページをライブで開いてデバッグしたり、フローを一緒に確認したり、リクエストを傍受したり、ブラウザーのプロキシ / 出口国を設定したりするのに使う。Iliyas が自身の実 / ホスト / Windows ブラウザーを求めたとき、またはヘッドレスブラウザーやコマンドラインでは対応できない場合（Cloudflare のチャレンジ、キャプチャ、彼のログインの背後にあるページ）に自分で使う — 行うことはすべて彼の画面に表示されるので、何を開いたかを伝えること。
Windows Forms アプリケーションの構築、保守、モダナイズを、デザイナー駆動の UI、イベント処理、データバインディング、MVP の分離、モダン .NET への移行に関する実践的なガイダンスとともに行う。USE FOR: Windows Forms UI、イベント駆動ワークフロー、クラシックな LOB アプリケーションの作業；WinForms を .NET Framework からモダン .NET へ移行；肥大化したフォームコードの整理。DO NOT USE FOR: 無関係なスタック；この特定のガイダンスを必要としない汎用タスク。INVOKES: リポジトリのコンテキストを調査し、対象ファイルを編集し、変更時に該当するビルド、テスト、lint、検証コマンドを実行する。
workflow-audit スキルが特定した workflow linter の指摘に対する修正を適用する。機械的な修正は自動的に適用し、判断が必要な箇所では一時停止し、再 lint で検証し、ドラフト PR を作成する。本スキルを使用する前に、workflow-audit スキルを実行して指摘を特定すること。<example> ユーザー：監査で見つかった linter の指摘を修正して アクション：workflow-fix をトリガーして修正を適用し PR を作成する </example> <example> ユーザー：server と clients の workflow linter の問題を修正して アクション：それらのリポジトリに対して workflow-fix をトリガーする </example>
PostHog Autoresearch を使ったエージェント主導の予測モデルを扱います。「今後 N 日以内に X をするのは誰か？」と問い、エージェントにモデルを学習させ、毎日ユーザーをスコアリングして、ユーザープロパティと `autoresearch_prediction` イベントに記録します。ユーザーが解約、アクティビティ、再訪、機能採用、コンバージョン、または個人ごとのイベントや行動を予測したい場合、テンプレートからモデルを作成または検証したい場合、学習や即時スコアリングを開始したい場合、モデル品質（ホールドアウトと実測 AUC、リフト、キャリブレーション、尤度セグメント、カバレッジ）を確認したい場合、提案で学習を導きたい場合、コホート、機能フラグ、ワークフロー、SQL で予測を活用したい場合、または学習に失敗する、全員に同じスコアを付ける、スコアリングが停止するモデルを診断したい場合に使用します。「autoresearch」、「predictive model」、「propensity score」、「churn prediction」、「likely to convert」、「who will do X」、「predicted_p_」、「autoresearch_prediction」、「realized AUC」、「champion model」で起動します。
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。