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 100,696 件掲載。コマンド 1 行でインストールできます。
すべて
これらのリポジトリにおける Go テストの書き方を説明します。アサーション、テーブルテスト、テストダブル、ヘルパー、非同期待機、ゴールデンファイル、ファジング、ベンチマーク、付属の pgtest ヘルパーを使った実際の Postgres に対する統合テスト(共有の testcontainer を 1 つ使い、テストごとに新しいデータベースを用意)を扱います。トリガー — *_test.go ファイル、testdata/ のゴールデンファイル、ファジング対象、ベンチマークを作成・編集・レビューする前に読み込みます。また、Go リポジトリのタスクで go test、テストヘルパー、fake、mock、stub、テーブルテスト、testcontainers、TestMain、テストデータベース、不安定なテスト、カバレッジに言及した場合も読み込みます。「テストを書いて」「これにテストを追加して」「失敗するテストを修正して」といった直接の依頼や、最後にテストが必要な機能タスクも対象です。go-idiomatic と tdd とともに読み込み、それらの代わりにはしません。Go のテストコードを作成または評価しない場合はスキップします
Google Analytics 4 の実装と分析のリファレンス。ライブの GA4 レポートデータを照会するとき、GA4 プロパティやデータストリームを設定するとき、gtag.js をインストールするとき、イベントや e コマースのトラッキングを設計するとき、カスタムディメンションやオーディエンスを登録するとき、Measurement Protocol でサーバーサイドイベントを送信するとき、GA4 を BigQuery にリンクしてエクスポートスキーマを理解するとき、DebugView でデバッグするとき、Consent Mode とデータ保持を構成するときに使用する。トリガー、変数、カスタムテンプレート、サーバーサイドコンテナといった一般的な GTM コンテナ作業には使用しない - google-tagmanager を使用。Google Ads のスクリプトや広告レポート - google-ads-scripts を使用。GA4 エクスポートテーブルに対する SQL の作成や実行 - bigquery スキルを使用。Universal Analytics や Google 以外の分析ツールには使用しない。
感情表現が機能する MiniMax H3 のショットリストに脚本を変換します。ビート表、ショット数、表情の演出指示、実際に描画される演技技法を含みます。脚本やシーンを H3 ショットに分解する、ビートのタイミングを書く、キャラクターの表情や感情を演出する、平板でぎこちない演技を改善する、ショットの長さや収められるビート数を決める、または連続ものの物語制作向けプロンプトを書く場合に使用します。プロンプト構文と ComfyUI のセットアップを扱う minimax-h3 スキルを補完しますが、演技やショット分解は対象外です。
hcloud CLI と Python の DNS プローブを使用して CDN ドメインの DNS 解決問題を診断する。CDN ドメインの詳細を照会して期待される CNAME を取得し、scripts/dns_resolve.py(dnspython)でドメインの実際の DNS 解決をプローブして解決された IP アドレスを収集し、ShowIpInfo/v2 で Huawei Cloud CDN に対する IP の帰属を検証して、ドメインが正しく Huawei Cloud CDN に解決されているかを判断する。このスキルは次の場合に使用する:(1) CDN DNS 解決の失敗を診断する、(2) ドメインが Huawei Cloud CDN に解決されない理由を確認する、(3) CDN ドメインアクセスの DNS 設定を検証する、(4) DNS 異常や解決タイムアウトの問題をトラブルシューティングする。トリガーには「DNS解析诊断」「DNS异常」「域名解析失败」「CDN解析异常」「DNS配置」「DNS diagnosis」「resolution diagnosis」が含まれる。ユーザーの発話例:「域名解析不到华为云CDN」「CNAME 配置了但没生效」「DNS 解析超时了」「解析出来的 IP 不是华为云的」「域名没解析到 CDN」。次には使用しない:HTTPS 証明書エラー、オリジンフェッチの失敗、ドメイン所有権の検証、または CDN/DNS 設定の変更(このスキルは厳密に読み取り専用)。
R2C(Robot-to-Cloud)データプレーンクライアントを実行する — ロボット側のエッジクライアント(mTLS 認証情報バンドルを使う Zenoh の pub/sub、ハードウェアアダプター、トランスレーター、制御ループ)を起動する。認証情報バンドルはロボットスキルの export-certificate コマンドで生成される。このスキルはロボットの登録や証明書のエクスポートを扱わない(ロボットスキルを使用)。トリガーには、r2c client、robot edge client、Zenoh、mTLS、credential bundle、hardware adapter、robot config、dry_run、observation recording、custom adapter、robot-to-cloud、R2C客户端、硬件适配器、机器人配置、凭证包が含まれる。
KooCLI の hcloud コマンドラインクライアントを使用した Huawei Cloud CloudDeploy(CodeArts Deploy / 部署)の管理、実行、失敗分析。デプロイアプリの一覧表示と作成、デプロイタスクの一覧/詳細/作成、タスクの開始、タスクの削除、デプロイ失敗の根本原因分析(エージェントオフライン、タイムアウト、アーティファクト欠落、権限)、OBS アーティファクトリンクの検証を扱う。クエリと分析のアクションは自動で実行され(R3)、作成/開始のアクションはプレビューとユーザーの確認が必要で(R2)、削除には明示的な確認が必要(R1)。AK/SK 認証情報とローカルの hcloud プロファイル認証をサポートする。トリガーには「CloudDeploy」「CodeArts Deploy」「部署」「deploy task」「deployment」「deployment task」「deploy application」「部署任务」「部署应用」「start deploy」「发布部署」「release」「artifact deployment」「制品部署」「deploy failure」「部署失败」「pipeline deployment」「CI/CD deployment」が含まれる。
Huawei Cloud MRS クラスタの障害診断スキル。段階的な根本原因の特定により、サービス障害、インスタンス障害、ホスト障害を診断する:まずログを素早くスキャンし、ホストの問題が見つかった場合はホストのトラブルシューティングを行い、結論に至らない場合は詳細調査を行う。診断は、組み込みの LakeWatch API クライアント(lakewatch モード)または MRS Manager API クライアント(manager モード)と、fault_layer/ および scenarios/(lakewatch)または fault_layer_manager/ および scenarios_manager/(manager)配下のレイヤー別ナレッジベースによって駆動される。API モードは check_api_mode.py によって自動検出される。ナレッジベース外のコマンドは捏造しない。サービス名またはノード名が指定される MRS の障害診断および根本原因特定のシナリオに適用される。トリガーワード:"故障诊断"、"故障定位"、"fault diagnosis"、"fault diagnose"、"MRS故障"、"服务故障"、"实例故障"、"主机故障"、"集群排查"、"集群诊断"、"启动失败"、"停止异常"、"KrbServer故障"、"DBService故障"、"fault troubleshooting"
ID 認識プロキシ、マイクロセグメンテーション、条件付きアクセスポリシーによる継続的検証を用いて、AWS、Azure、GCP で Zero Trust Network Access(ZTNA)を構成し、VPN ベースのアクセスを BeyondCorp スタイルのアーキテクチャに置き換える。VPN によるリモートアクセスを ID ベースの制御に置き換える場合、マイクロセグメンテーションで横方向の移動を制限する場合、パブリックインターネットに公開せずにクラウドワークロードを認証済みユーザーに公開する場合に使用。
すべてのエージェントに必要な基本スキルを、1つのコマンドでグローバルにインストールします。このキットに含まれる /initialize 自体(再実行可能にするため)、skill-manager、/show-me、/grill-me、/wait-what、/connect-tool、/use-style に加え、Claude Code と Codex が各操作前に確認を求めないようにする設定、cc / cx ショートカット、Claude デスクトップアプリでプロンプト上部に表示する使用量バー、ターミナルのステータスバー(コンテキスト、コスト、5時間および週次の上限)を設定します。その後、ユーザーの好みのビジュアルスタイルを尋ね、エージェントが作成するすべてのファイルの既定にします。ユーザーが /initialize と入力したとき、新しいコンピューターをセットアップするとき、「installe les skills de base」と言ったとき、または setup-brain の前に使用します。
ブラウザ内部から実物の Chrome/Brave + macOS Computer Use を操作 —— CDP フィンガープリントはゼロ、実セッション;ビジュアルなデプロイ検証には必須。clickwork は自分で操作する。使用場面:デプロイ検証、UI 確認、スクリーンショット検証、computer use、macos 自動化、Web のデバッグ、トラブルシューティング、ビジュアルチェック、モーション/アニメーションのバグ、ジャンク、トランジションのスタッター、フローの確認、コンソールログ/エラー、ランタイム/JS/react エラー、不一致の警告、ネットワークトラフィック/ログ、HAR/pcapng エクスポート、ハイドレーション/空白ページのデバッグ、フラッシュ後に空白/ページが壊れる、なぜ動かないのか/ページで何が起きているのか、認証済みページ、ボット検出の回避、バグの再現、ネイティブアプリの操作、オペレーターにクリック/ナビゲート/フォーム入力/ログイン/OAuth 承認を依頼しようとしている、OAuth 同意フロー、Web ログインの完了、あなたのブラウザでこれを行う。住宅用プロキシのクロール(BrightData)やソーシャルアクターのスクレイピング(Apify)には非対応。
証拠の確度を示すレポートで、コードが現在の形になった理由を説明します。各主張に [Direct]、[Supported]、[Inferred]、[Speculative] のいずれかを付け、git、PR、チケット、ドキュメント、チャット、オブザーバビリティを対象にした参照資料の一覧で締めくくり、未確認の情報源も明記します。読み取り専用です。ユーザーが「なぜこのように作られているの?」と言った場合、コードの形、値や上限の選定理由、却下された代替案、決定に影響した要因について尋ねた場合に使用します。質問者が理由を推測している場合も含みます。コミットや PR の文面がすでに文脈にある場合も使用します。それだけに基づく回答では証拠の段階と未確認の情報源が抜けるためです。コードの仕組みの説明には使用せず、explaining-architecture を使用します。
iOS のアニメーションコードを正確性、パフォーマンス、アクセシビリティ、Apple API のベストプラクティスの観点でレビューする。アニメーションコードを含む .swift ファイルをレビューするときに使う — withAnimation、.animation()、PhaseAnimator、KeyframeAnimator、matchedGeometryEffect、navigationTransition、CABasicAnimation、CASpringAnimation、UIViewPropertyAnimator、UIDynamicAnimator、symbolEffect、scrollTransition、contentTransition、またはカスタム Transition 準拠。
ユーザーが「批量修复」「批量 jira-fix」「jira-fix-batch」「批量修复多个 Jira」「批量修复以下 bug」/ batch fix, batch jira-fix と言ったときにトリガーする。薄いトリガーシェル:Jira ID/URL を解析し、Engine jira-fix-workflow を使って goal-driven-batch にキューイングする。修正の実行やマージは行わない。単一の issue(jira-fix-workflow)や Jira 以外のキュー(goal-driven-batch)には使用しない。
決してコミットすべきでないファイル——シークレット(.env、API トークン、ハードコードされた認証情報)や開発成果物(ビルド出力、一時データベース、エディタ/OS ファイル)——を防止・検出・修復する。.gitignore(およびなぜそれが追跡解除しないのか)、git rm --cached、追跡ファイルの監査、履歴の書き換え、認証情報のローテーションを扱う。リポジトリにシークレットや不要物がコミットされている場合、新しいリポジトリの無視ルールを設定する場合、またはリポジトリが実際に何を追跡しているかを確認する場合に使用する。
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。
