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
資産クエリ、モデル訓練、推論デプロイ、実機評価を任意の組み合わせでカバーするモデル開発オーケストレーション Skill。完全なエンドツーエンドパイプラインまたは部分的なステージ(例:訓練+デプロイのみ、デプロイ+評価のみ)をサポートする。ユーザー要件が 2 つ以上のステージにまたがる場合は、個別モジュールの Skill より本 Skill を優先する。トリガー:"用XX机器人训练XX任务"、"so101 插笔"、"训练部署"、"部署评测"、"训练评测部署"、"模型开发流程"、"端到端训练"、"训练推理评测"、"只训练不评测"、"训练完部署"、"model workflow"、"end-to-end training"、"train and deploy"、"deploy and eval"。
テキストから AI 生成文の特徴を取り除きます。テキストを編集またはレビューし、より自然な人間らしい文章にする場合に使用します。Wikipedia の包括的な「Signs of AI writing」ガイドに基づいています。誇張された象徴表現、宣伝文句、表面的な -ing 分析、曖昧な帰属、ダッシュの過剰使用、三段構成の多用、AI 特有の語彙、否定形の並列表現、過剰な接続句などのパターンを検出して修正します。謝辞:元のスキルは @blader 作 - https://github.com/blader/humanizer
研究アイデアの構想段階での品質を採点する——Title / Motivation / Method のセクションを含む Markdown ファイル(実験は不要)を入力として、軸ごとの品質評価を引用根拠付きで作成し、0~100 の総合スコアと判定を出す。または、そのようなアイデアファイル 2 つを入力として、ブラインドの一対一比較を行う。トリガー:ユーザーが「このアイデアはどれほど良いか」「この研究アイデアや提案を評価 / 採点 / 格付けして」「書き上げる前に自分の idea .md をレビューして」「この貢献は追求するに足るほど強いか」「この 2 つのアイデアファイルのどちらが強いか」と尋ねる場合、またはアイデアの Markdown ファイル(Title/Motivation/Method)を渡して品質判断を求める場合。ユーザーが「採点」という言葉を使わなくても、アイデアの強さを明らかに評価したい場合にはこれを使用する。先行技術 / 重複 / 「既存研究と比べて新規か」の確認(これは文献衝突タスク)、結果が既にある完成論文の完全レビュー、アイデア自体の生成には使用しない。
Apify を通じて実データから Instagram のニッチ分野とプロフィールを確認します。ログインは不要です。ハッシュタグをスキャンして、現在拡散している投稿(いいね数、コメント数、投稿者)を確認し、効果的な形式やフックを把握します。自分または競合の任意のアカウントについて、フォロワー数、投稿数、プロフィール文、カテゴリなどの統計を取得します。Instagram では他のアカウントへの「いいね」やコメントをした人は表示されないため、提供するのは調査とプロフィール情報であり、エンゲージした人の情報ではありません。「自分のニッチで何が効果的?」「このハッシュタグをスキャンして」「競合の統計」などで使用します。キャプションの作成には使用しません(ig-caption-writer を使用)。
Ink.js(CLI 向け React)の設計と実装ガイド。使用場面:(1) Ink.js コンポーネントの作成・変更 (2) Ink 固有の hooks(useInput、useApp、useFocus)の実装 (3) emoji/アイコンの幅問題の処理(string-width の回避策)(4) ターミナルに応じたレスポンシブレイアウトの構築 (5) マルチスクリーンナビゲーションの管理 (6) アニメーション(spinners、progress bars)の実装 (7) パフォーマンスの最適化(React.memo、useMemo)(8) キーボード入力とショートカットの処理 (9) CLI UI のテスト(ink-testing-library)
ユーザーが、公開向け、編集、ブログ、ソーシャルメディア、ニュースレター、マーケティング、フィクション、ノンフィクション、または情報発信に使うイタリア語の文章の執筆、起草、翻訳、改訂を依頼したときに起動します。イタリア語の文章を自然にする、AIらしいパターンを取り除く、チャットボット風の表現を修正する、文章コーパスをもとに著者の文体を再現・調整する、人間が書いた文章を自動検出器が生成文と判定したことへの対応、または言語モデルが生成したイタリア語文章の改訂を依頼した場合も起動します。
体系的な Kubernetes のトラブルシューティングとインシデント対応。ユーザーが Kubernetes、K8s、kubectl、pod、コンテナ、クラスターに言及したときは必ずこのスキルを使用。トリガーには CrashLoopBackOff、ImagePullBackOff、OOMKilled、Pending pod の診断、本番インシデントへの対応、ノードの NotReady や DiskPressure のトラブルシューティング、サービス接続やネットワークのデバッグ、PVC やストレージ障害の調査、パフォーマンス劣化の分析、クラスターの健全性確認、Helm release のトラブルシューティング、ポストインシデントレビューの実施が含まれる。
Kaggle の実行環境、パス、アクセラレータ、再現性。次の場合に積極的に発動します:(1) `/kaggle/input` のパスエラー、(2) `/kaggle/working` の出力配置、(3) ローカルと Kaggle notebook の挙動の違い、(4) GPU/TPU/アクセラレータの選択、(5) インターネットの有効化、(6) パッケージ/バージョンの固定、(7) メモリ整理とタイムアウトの問題、(8) 高速実行のための DEBUG フラグ、(9) Kaggle Secrets の使用ガイダンス、(10) クォータを消費するランタイム設定。提供するもの:パスの規約、ランタイムチェックリスト、アクセラレータ ID、再現性パターン、リソース保護策。
ドキュメント、メモ、ウェブコンテンツ、文字起こし、調査資料、コードリポジトリを、根拠に基づく可視化対応のナレッジグラフにまとめます。意味型付きのエンティティノード、文単位の出典情報、型付きの関係エッジを備えます。ov compileと併用して、人物、組織、グループ、動物、場所、製品、プロジェクト、システム、サービス、モジュール、データセット、標準、ドキュメント、イベントなどを対象に、`entities/*.md`ノードファイルとルートの`relations.jsonl`エッジファイルを作成または段階的に更新します。
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。
