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 100,344 件掲載。コマンド 1 行でインストールできます。
すべて
Workers AI を使って Cloudflare のグローバル GPU ネットワーク上で LLM と AI モデルを実行する。Llama、Flux による画像生成、BGE 埋め込み、および AI Gateway によるキャッシュとログ記録を伴うストリーミング対応を含む。使用場面：LLM 推論の実装、Flux/Stable Diffusion による画像生成、埋め込みを使った RAG の構築、AI レスポンスのストリーミング、AI Gateway によるコスト追跡、または AI_ERROR、レート制限、model not found、token 制限、neurons exceeded のトラブルシューティング。キーワード：workers ai, cloudflare ai, ai bindings, llm workers, @cf/meta/llama, workers ai models, ai inference, cloudflare llm, ai streaming, text generation ai, ai embeddings, image generation ai, workers ai rag, ai gateway, llama workers, flux image generation, stable diffusion workers, vision models ai, ai chat completion, AI_ERROR, rate limit ai, model not found, token limit exceeded, neurons exceeded, ai quota exceeded, streaming failed, model unavailable, workers ai hono, ai gateway workers, vercel ai sdk workers, openai compatible workers, workers ai vectorize
ユーザーがコードレビュー、変更のレビュー、コミットのレビュー、PR のレビュー、コード品質の監査、セキュリティ問題の確認、またはコードレビューレポートの生成を求めた場合に使用する。「review my changes」「코드 리뷰」「check my code」「review the last commit」「what do you think of this diff」「compare branches」「code audit」「HTML 리뷰 보고서」「styled review report」「/code-review」「$code-review」といった表現で発火する。ユーザーが明示的に「code review」と言っていなくてもよい。重大度タグ付きの指摘を Markdown レポートとして、また `.reviews/` 配下に自己完結型のバイリンガル HTML レポートを生成し、ブラウザで開く。Markdown のみの成果物が必要な場合は `code-review-md` を使用する。
任意のコードベースについて DeepWiki スタイルの構造化 wiki を生成し、開発者のオンボーディングを加速する。ユーザーが未知のリポジトリを理解、文書化、またはオンボーディングしたい場合にこのスキルを使用する。「このコードベースを説明して」「このリポジトリのドキュメントを生成して」「このプロジェクトを理解したい」「オンボーディングガイドを作成して」「アーキテクチャを整理して」「このコードベースはどう動くのか」といったリクエストを含む。ユーザーがリポジトリ URL やファイルツリーを提示して分析を求めた場合や、既存コードベースに新しいチームメンバーをオンボーディングする場合にも発動する。ユーザーが「wiki」や「オンボーディング」と言わなくても、コードベースを構造的に理解したい場合はこのスキルを発動する。
Checkout——決済のみのモード（決済に Checkout を統合し、フローの他の部分は自前で管理）、完全なホスト型チェックアウト（checkoutFlow）、@commercetools/checkout-browser-sdk によるウィジェット統合、設定、PSP コネクタのセットアップ（Stripe、Adyen、Mollie）、webhook の処理。Checkout（製品）をストアフロントやヘッドレスアプリに統合する際に使用する——汎用的なカートから注文へのパターンには使用しない（commercetools-storefront を参照）。
ユーザーが MoviePilot のローカルプラグインの作成、変更、デバッグ、検証、雛形生成を求めたときにこのスキルを使用する。バージョンを意識した V3/V2 プラグイン開発、_PluginBase の実装、package.v3.json/package.v2.json/package.json メタデータ、plugins.v3/plugins.v2/plugins のソースレイアウト、PLUGIN_LOCAL_REPO_PATHS のローカルプラグインソース、プラグイン API、Vuetify JSON のフォーム/ページ/ダッシュボード、Vue モジュールフェデレーションのリモートコンポーネント、get_render_mode、get_sidebar_nav、プラグインのサイドバーページ、get_agent_pets のアシスタントアバター、コマンド、サービス、ワークフローアクション、エージェントツール、ローカルのインストール/リロードの流れを扱う。编写插件、本地插件源、插件开发、V3插件、V2插件、插件市场、本地安装插件、插件热加载、前端联邦、侧栏入口、Vue插件页面、助手形象 に言及する中国語のリクエストにも使用する。
Very Good CLI テンプレートから新しい Dart または Flutter プロジェクトを生成する。flutter_app、dart_package、flutter_package、flutter_plugin、dart_cli、flame_game、docs_site のテンプレートを対象とし、ユーザーが構築したいものから適切なテンプレートを推測して依存関係をインストールする。ユーザーが「create a new project」「start a new flutter app」「scaffold a package」「create a new package」「initialize a dart cli」「new flame game」「generate a plugin」と言ったときに使用する。漠然とした、曖昧な、または情報不足のスキャフォールド要求——「create a new package for me」「make me a new app」「I need a new project」「set one up」——にも使用し、テンプレート、プロジェクト名、組織を指定しないものや、何を構築するかをほのめかすだけのものも含む。詳細の欠落や曖昧さはこの skill を使う理由であり、省略する理由ではない：明確化の質問を行い、テンプレートを選定する。
SAP Fiori Tools / open-ux-tools エコシステム向けのスキルを作成、レビュー、リファクタリングします。新しいスキルの作成、既存スキルの書き換え、参照の追加、大きすぎる SKILL.md の分割、`sap-fiori-<feature>` 命名規則の適用、frontmatter の検証、CAP/RAP のサンプル追加、OData V2 と V4 の要件宣言、スキルの内部向け（開発者向け）または外部向け（公開）の指定、検証チェックリストの作成を求められた場合に使用します。「スキル」と明言されていない場合も対象です。ホスト非依存のツール、標準的なフォールバック、明示的な範囲の境界、段階的開示による分割（各ファイル 500 行未満）を徹底します。
Cursor TypeScript SDK（`@cursor/sdk`）を使ってアプリ、スクリプト、CI パイプライン、自動化を構築するユーザーをガイドします。Cursor SDK の統合、インストール、コード作成について言及した場合や、`Agent.create`、`Agent.prompt`、`Agent.resume`、`agent.send`、`run.stream`、`CursorAgentError`、`@cursor/sdk` が挙がった場合に使用します。Cursor IDE 以外のスクリプト、CI/CD パイプライン、GitHub Action、バックエンドサービスなどから Cursor エージェントをプログラムで実行したい場合、ローカルとクラウドのランタイムを選択したい場合、SDK エージェント用の MCP サーバーを設定したい場合、またはストリーミング、キャンセル、エラーを処理したい場合にも使用します。Cursor を自動化に組み込む、Cursor を実行するボットを書く、REST `/v1/agents` 呼び出しを SDK に移行するといった場合も、パッケージ名が明示されていなくても対象です。記憶に頼って回答せず、積極的にこのスキルを使用してください。SDK の仕様は進化するため、このスキルと参照資料が外部パッケージの信頼できる情報源です
ユーザーが循環棚卸プログラムの導入や最適化、在庫精度の改善、実地棚卸プロセスの設計を希望する場合に使用します。ユーザーが “inventory accuracy”、“physical inventory”、“stock counting”、“ABC cycle counting”、“perpetual inventory”、“inventory reconciliation”、“variance analysis” に言及した場合にも使用します。在庫最適化については inventory-optimization を参照してください。倉庫運用については warehouse-design を参照してください。
このリポジトリで `/v1/listen` 上の Deepgram 音声分析オーバーレイを呼び出す JavaScript/TypeScript を書いたりレビューしたりするときに使用 — summarize、topics、intents、sentiment、diarize、redact、detect_language、エンティティ検出。通常の STT と同じエンドポイントだが、パラメータが異なる。`client.listen.v1.media.transcribeUrl` / `transcribeFile` による REST と、`client.listen.v1.createConnection()` / `connect()` 上の WebSocket 対応サブセットを扱う。通常の文字起こしには `deepgram-js-speech-to-text` を、すでに文字起こしされたテキストの分析には `deepgram-js-text-intelligence` を使用。トリガーには "audio intelligence"、"summarize audio"、"diarize"、"sentiment from audio"、"redact PII"、"detect language audio" が含まれる。
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。