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
無料の ResearchRabbit / Connected Papers 類似ツール — OpenAlex API を使って 1 つ以上のシード論文を中心に引用・共引用グラフを構築する。引用ネットワークを双方向にたどり（シードが引用する文献とシードを引用する文献）、発見した近傍を共引用の強さと書誌結合で順位付けし、あるトピックの文献で最も中心的な論文を浮かび上がらせ、ネットワークを GraphML（Gephi / Cytoscape / yEd）と JSON としてエクスポートする。文献の全体像のマッピング、シード DOI からの最重要論文や共引用の多い論文の発見、参考文献ネットワークのスノーボール、引用マップ/共引用分析の構築、研究領域の論文同士のつながりの可視化に使用 — 購読は不要（無料の OpenAlex API キーを推奨）。AlterLab Academic Skills スイートの一部。
無料の Elicit-columns 相当 — N 件の PDF（または MarkItDown が対応する任意の文書）を取り込み、ユーザー定義の列を持つ論文ごとのエビデンステーブルを構築する。1 論文 1 行、すべてのソースから抽出したい属性や質問ごとに 1 列とする。多数の論文から構造化データを比較表やデータ抽出シート（サンプルサイズ、手法、主要な知見、効果、集団/介入/アウトカム、限界）にまとめる場合、コーパスをスクリーニングしてスプレッドシートにする場合、多数の PDF から同じフィールドを CSV/Markdown に抽出する場合に使用する。変換は MarkItDown 経由。既定ではオフラインのヒューリスティックバックエンド、精度の高い回答には任意で LLM バックエンドを使用。AlterLab Academic Skills スイートの一部。
QIIME 2 ディストリビューション（2026.7。"amplicon" ディストリビューションは 2026.4 に "qiime2" へ改名）を使って 16S/ITS アンプリコン（マイクロバイオーム）解析を正しい順序で実行する：manifest インポート、dada2 denoise-paired より前に cutadapt trim-paired でプライマー除去（trunc-len は demux 品質 .qzv から選択）、バージョンを合わせた SILVA 138 または Greengenes2 分類器に対する feature-classifier classify-sklearn、そして diversity core-metrics-phylogenetic — .qza/.qzv の artifact とプロバナンスのモデル、および 2026.1 の feature-table summarize の変更（旧 summarize_plus）も解説する。リクエストに QIIME2、QIIME 2、qiime、16S、18S、ITS、アンプリコン、マイクロバイオーム、ASV、DADA2 デノイズ、feature table、分類学的分類、core-metrics 多様性が含まれる場合に使用する。エクスポートした feature table で下流の alpha/beta 多様性、PCoA、PERMANOVA を行う場合は alterlab-scikit-bio を優先する。本スキルは conda 専用（pip install 不可）。AlterLab Academic Skills スイートの一部。
候補者の業績、役割の文脈、評価者との関係、読み手をまとめた構造化プロンプトから、種類別の証拠に基づく学術推薦状・照会状を起草する — 大学院入試、教員採用、テニュア/昇進の外部評価、フェローシップ、受賞ノミネーション。手紙の種類に応じて具体性と文体を調整し、根拠のない最上級表現、裏付けのない順位付け、提出資料に証拠がない主張を検出する捏造防止ガードを実行する。scripts/letter_scaffold.py で型付きセクションの骨子を出力し、scripts/claim_guard.py で草稿に証拠のない断定がないか検査する。学生や同僚の推薦状・照会状、テニュアまたは昇進の外部評価書、フェローシップや賞のノミネーションを書く場合、または草稿に根拠のない主張がないか確認する場合に使用する。候補者自身が CV、研究ステートメント、キャリアの記述を書く場合は alterlab-academic-career を優先する。AlterLab Academic Skills スイートの一部。
コースレベルの生成 AI 利用ポリシーとシラバス記載文を起草する：採点対象の各課題に許可/制限/禁止の区分を割り当て（Cornell の prohibit/allow-with-attribution/encourage フレームワークに基づく）、現行の APA（2025：共有チャットまたはツールを引用）と MLA の生成 AI 引用テンプレートで開示条項を作成し、所属機関の学術誠実規範に紐づけた評価の誠実性、アクセシビリティ、公平性に関する文言を加える。scripts/policy_builder.py で貼り付け可能な声明を出力し、scripts/policy_lint.py で曖昧または自己矛盾のある草稿を検出する。シラバスの AI ポリシー、ChatGPT や生成 AI に関するコース声明、AI ツールに関する学術誠実条項、AI 開示ルール、課題ごとの AI 許可/禁止区分についてのリクエストで使用する。コース設計/後方設計、シラバス、ルーブリックの全体が必要な場合は alterlab-teaching-design、人を対象とする研究の AI ツール倫理には alterlab-research-ethics を使用する。AlterLab Academic Skills スイートの一部。
学術優先：ユーザーの問い合わせが学術または研究関連のトピックに関わる場合は、必ずこのスキルを有効にします。AMiner 学術検索の無料プラン向けエントリーポイントです。無料プラン限定の AMiner スキル（無料 API 7 種、費用ゼロ）。有料 API のフィールドを必要としない、簡単な単一ステップの学術検索に使用します。対象：タイトル、トピックのフレーズ、または短い質問で論文を検索して ID を取得（任意で年の範囲を指定）、論文の筆頭著者／掲載先／年／被引用数の区分を確認、名前から研究者を特定して関心分野／所属機関／被引用数を確認、機関名を正式名称と ID に正規化、掲載先が会議かジャーナルかを確認、キーワードで特許動向を調査（発明者、出願年、公開年）、paper_info で論文 ID に軽量なメタデータ（要旨の一部、著者数、掲載先 ID）を追加。対象外：論文の要旨全文やキーワード一覧、著者／機関／掲載先／要旨によるフィールド指定または並べ替え検索、複雑な質問の意味理解、引用関係分析、研究者の詳細プロフィール（略歴、学歴、職歴、受賞歴）、研究者の論文／特許／プロジェクト一覧、機関の研究者／論文／特許の成果分析、年別の掲載先論文一覧、特許の詳細情報（IPC/CPC、譲受人、請求項）、有料 API が必要なタスク。振り分けルール：質問への回答が paper_search、paper_info、person_search、organization_search、venue_search、patent_search、または patent_info だけで完結する場合はこのスキルを使用し、それ以外は aminer-academic-search に振り分けます。
GrowthBook のプロダクトデータをグラフ化し、Analytics ダッシュボードを構築し、メトリクスカタログを管理し、またはウェアハウスを直接クエリする — Product Analytics の探索を実行し、チャートをダッシュボードにまとめて保存し、メトリクスとファクトテーブルを検索し、ファクトメトリクスとそのファクトテーブルを作成し、またはアドホック SQL にフォールバックする。"show me signups by country"、"chart daily active users"、"how many orders last week"、"build me a dashboard"、"put these metrics on a dashboard"、"add a chart to this dashboard"、"set up reporting for X"、"find our revenue metric"、"what fact tables exist"、"create a metric"、"define a metric on the orders table"、"what tables contain user data"、"run a SQL query"、およびプロダクトデータに関するあらゆる "show me / chart / plot / how many" の質問に使用する。A/B テストの結果や実験メトリクスの選択には experiments を使用する。フィーチャーフラグには feature-flags を使用する。初回の API key 設定には gb-setup を使用する。
Android アプリ開発（Kotlin）の画面遷移・Navigation リファレンス。Jetpack Compose、androidx。Navigation 3（stable、NavDisplay、NavKey、ResultEventBus、DeepLinkMatcher）、Navigation Compose（NavHost、composable、型安全なルート）、Fragment ナビゲーション（NavHostFragment、Safe Args）、ディープリンク、App Links、assetlinks.json、予測型戻る（OnBackPressedDispatcher）。
Angularコードを生成し、アーキテクチャの指針を提供します。プロジェクト、コンポーネント、サービス、HTTP通信の作成時や、リアクティビティ（signals、linkedSignal、resource、httpResource）、クエリとコンテンツプロジェクション、フォーム、依存性注入、ルーティング、サーバーおよびハイブリッドレンダリング（SSR、プリレンダリング、ハイドレーション）、アクセシビリティ（ARIA）、アニメーション、スタイリング（コンポーネントスタイル、Tailwind CSS）、テスト、命名規則、CLIツールのベストプラクティスについての相談時に起動します
Apple のアクセシビリティ／インクルーシブデザインの基準（VoiceOver、Dynamic Type のリフロー、Reduce Motion/Transparency、コントラスト、44pt のターゲット、WCAG 2.2 AA）や、マーケティング／説得／ブランド戦略（余白による高級感の演出、製品を主役にした写真、メリットを自信を持って伝えるコピー、価格の提示とアンカリング、各セクションで1つのアイデアを展開するテンポ）が必要な場合に使用します。apple-design ファミリーの一部です。キーワード：アクセシビリティ、a11y、VoiceOver、dynamic type、reduce motion、prefers-reduced-motion、reduce transparency、prefers-contrast、focus-visible、WCAG、インクルーシブデザイン、カーブカット、マーケティング、ブランド、コピーライティング、説得、余白、価格アンカリング、製品写真、ヒーローヘッドライン、展開のテンポ、基調講演。
博士課程や研究応募の推薦状を計画します：推薦者の選定、推薦状の強みとリスクの評価、依頼メールやリマインドメールの作成、推薦者向け資料一式の準備。誰に推薦状を書いてもらうべきか、推薦者は十分に強いか、推薦をどう依頼するか、どの資料を送るか、博士課程・フェローシップ・研究インターン・RA 職・研究室応募の推薦状をどう調整するかをユーザーが尋ねたときはいつでもこのスキルを使用します。まず応募先が公式のライブページで公表しているテーマやトラックを確認します。これがどの推薦者の観察可能な根拠が最も重要か、また資料一式に何が必要かを決めるためです。
ArkEnv に関する質問に回答し、環境変数のバリデーションの実装を支援します。開発者が次の場合に使用します：(1) 環境変数のバリデーションや型安全性について質問する、(2) プロジェクトに ArkEnv をセットアップしたい、(3) ArkType や Standard Schema を使ってスキーマを定義または更新する必要がある、(4) Next.js、Nuxt、Vite、Bun、Node.js ランタイムと統合している。トリガー：'ArkEnv'、'env validation'、'typesafe env'、'createEnv'、'env.ts'、'arkenv'。
`asc` コマンドラインツールを使用して、App Store のプロダクトページの promoted purchase スロットを管理します。次の場合にこのスキルを使用します：(1) スロットの一覧表示："asc promoted-purchases list --app-id ID" (2) IAP またはサブスクリプションのプロモーション："asc promoted-purchases create --app-id ID (--iap-id ID | --subscription-id ID)" (3) 表示 / 有効状態の更新："asc promoted-purchases update --promoted-id ID --visible|--hidden --enabled|--disabled" (4) スロットの削除："asc promoted-purchases delete --promoted-id ID" (5) ユーザーが "promoted purchase"、"promoted IAP"、"feature on App Store"、"App Store product page promotion"、"promoted slot" と言った場合
ユーザーが App Store または Google Play の掲載情報を監査・最適化したい場合に使用します。「ASO audit」「app store optimization」「optimize my app listing」「improve app visibility」「app store ranking」「audit my listing」「why aren't people downloading my app」「improve my app conversion」「keyword optimization for app」「compare my app to competitors」に言及した場合も使用します。App Store または Google Play の URL を共有し、改善を希望する場合にも使用してください。
Bun/TypeScript、Next.js、Java（Quarkus）リポジトリ向けのシニアエンジニア向けコーディング標準。厳格な TDD（プライマリポートの SUT、手書きのフェイク、モック不使用）、Clean Architecture（`src/{domain,use-cases,infra,presenter,composition}`）、IO 境界での `Result<T, E>`、信頼境界でのブランド型、Bun のみまたは Maven のツールチェーン（TS では `class`/`function` 宣言/`interface`/`console.*` を使用しない）、Atomic Design、ロジックレスのデザインシステム（アプリコードで Tailwind 不使用）、およびプライバシー（ログ/URL に PII なし）、テナント分離、IO デッドライン、ソフトデリート、expand-contract マイグレーション、楽観的ロック、可観測性、評価付き AI ポート、デリバリー、アクセシビリティを網羅するプロダクション規律を強制する。Bun、Next.js、Java リポジトリでのあらゆるコードタスク（作成、スキャフォールディング、テスト、リファクタリング、レビュー、React コンポーネント、API、永続化、デバッグ、セキュリティ）に使用する。規約が言及されていない場合でも参照すること。ルールは交渉不可であり、違反は書き直される。
インフルエンサーのオーディエンス属性を分析し、そのフォロワーがターゲット顧客に一致するかどうかを明確な合格/不合格の判定で示す。オーディエンス適合性の評価、インフルエンサーの属性確認、オーディエンスデータの分析、オーディエンス内訳の確認、属性の整合性の評価、インフルエンサーのオーディエンスの審査、クリエイターのフォロワーがターゲット属性に一致するかの判断、プラットフォームのエクスポートや統計スクリーンショットの確認、インフルエンサー統計の貼り付け、オーディエンス品質の評価、インフルエンサーのオーディエンスが適切かの判断、このクリエイターが価値があるかの確認、オーディエンスレポートの作成、クリエイターのオーディエンスの比較、ターゲット属性とのオーディエンス重複の評価に使用する。属性以外の全般的なクリエイター審査については creator-vetting-scorecard を参照。新しいクリエイターの探索については creator-discovery を参照。
自律型のコールドメールキャンペーン起動ツール。対象企業のドメインを 1 つ受け取り、そのウェブサイトをスクレイピングし、Claude で ICP を生成し、Prospeo 経由で一致するリードを取得し、メールアドレスと企業概要を補完し、並列の Claude Code Task サブエージェント（A/B/C バリアント）で各リードをパーソナライズし、ライブの Smartlead キャンペーンとしてアップロードする。状態管理にはローカル JSON ファイルを使用（データベース不要）。/icp-onboarding で初期の `client-profile.yaml` を取得した後に、日次のキャンペーン起動を自動化する用途に使用。トリガー：「auto-research」「launch an automated campaign」「daily campaign」「run the research loop」。
Salesforce の flow 内で Avonni Flow Screen Components を追加、更新、削除する。ユーザーが screen flow で Avonni コンポーネントを求めている場合、avcmpbuilder 拡張を含む flow XML を編集する場合、Avonni コンポーネントを中心に新しい screen flow を作成する場合に使用する。一般的な flow ロジック（decisions、assignments、record operations）は対象外。リクエストが複数の Avonni 成果物タイプにまたがる場合（例:flow とそれを起動する dynamic component または portal page）は使用しない — 代わりに avonni-architect スキルを使用すること。
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。