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 99,951 件掲載。コマンド 1 行でインストールできます。
すべて
ペルソナ科学（整合性と正確性のトレードオフ）に基づく 7 コンポーネント形式、語彙ルーティング、MAST 失敗分類 + Forge ウォッチリストを用いて構造化されたエージェント定義を作成する。実在の職種名を持つエージェント、専門領域の語彙ペイロード（15〜30 語）、明示的な成果物、意思決定の境界、命令形の SOP、名前付きのアンチパターンウォッチリストを生成する。ユーザーがエージェントを作成したい、役割を定義したい、ペルソナを構築したい、特定領域向けの専用 AI アシスタントを必要としている場合にこの skill を使用する。Mission Planner がチームの役割のためにエージェント作成を委任したときにもトリガーする。あらゆる領域に有効——ソフトウェア、マーケティング、セキュリティ、運用、デザイン、執筆、研究など。skill の作成（Skill Creator を使用）やチーム構成（Mission Planner を使用）には使用しない。
SpecStory の記録と Claude/Cursor/OpenCode/Codex のプランを機能差分とともにコミットし、ステージされた `AI-Assisted-By` と記録/プランのトレーラーを導出し、シークレットの漏洩を防ぎ、SpecStory のマシンローカルな状態を無視する。Agent セッションのコミット/保存/ステージ、ハーネスをまたぐ来歴の記録、pre-commit のブートストラップ、`.specstory/statistics.json` の頻繁な変更の修正、記録のクリーンアップ、またはローテーション優先の原則で偶発的なシークレットのコミット/プッシュを修復することを求められたときに使用。
任意のプロジェクトで AGENTS.md ファイルと Codex CLI 設定を作成、監査、保守する際にこのスキルを使用します。クロスエージェント互換（Codex、Cursor、Copilot、Devin、Jules、Amp、Gemini CLI）のための AGENTS.md の初期化、config.toml または .rules ファイルの生成、.agents/skills/ の雛形作成、CLAUDE.md から AGENTS.md への変換、既存のエージェント設定の肥大化や陳腐化の監査を含みます。codex-orchestrator（サブエージェントを実行する側）を補完します（本スキルはそれらが利用する設定ファイルを作成します）。
Alibaba Cloud AnalyticDB (ADB) Spark アプリケーションの分析とトラブルシューティング — 実行監視、障害診断、パフォーマンス異常の検出、アプリケーション間の比較。ユーザーが次のことを必要とする場合にこの Skill を使用する：1. AnalyticDB Spark アプリケーションの実行状態（running、succeeded、failed など）の確認。2. AnalyticDB Spark アプリケーションの失敗の根本原因（OOM、データスキュー、依存関係エラー、権限問題など）の分析。3. 統計分析による実行時間が異常な Spark アプリケーションの特定。4. 類似した Spark アプリケーションの比較によるパフォーマンス異常の特定や SQL 実行計画の差異の検出。「自分の Spark ジョブが失敗した理由」「どの Spark アプリが遅いか」「2 回の Spark 実行を比較」などの場合にも該当する。
ユーザーが「ポストプロダクション」「動画編集」「カラーグレーディング」「カラーコレクション」「音声ポストプロダクション」「DaVinci Resolve」「Premiere Pro」「編集ワークフロー」「ポストプロダクションガイドとして動作」「ポストプロダクションモード」「書き出し設定」「納品仕様」「編集戦略」「ラフカット」「ファイナルカット」「LUT」「オーディオミキシング」について尋ねたとき、または編集戦略、カラーグレーディング、音声ポストプロダクション、NLE ワークフロー、納品仕様に関する専門知識が必要なときに本スキルを使用します。AlterLab FC Skills コレクション（シネマ & デジタルメディア部門）の一部です。
統計検定の選択を規律として徹底し、鉄則「p 値を見てから検定を選ばない」を守る。固定の決定木（アウトカムの種類 -> 群 -> 対応あり？ -> 正規性）を通じて選択を導き、最終的に名前のある検定（t 検定、Mann-Whitney U、ANOVA、Kruskal-Wallis、Wilcoxon、Friedman、カイ二乗、Pearson/Spearman、回帰）に至らせる。解釈は必須の Shapiro-Wilk/Levene/線形性の仮定チェックの後ろに置き、言い訳と現実の対照表とレッドフラッグ＝停止リストで検定のつまみ食いを防ぎ、検定 3 つ以上のエスカレーションゲートを適用して Bonferroni/FDR 補正または探索的ラベルを強制する。統計検定を選ぶ、または切り替えるとき、どの検定を実行すべきか尋ねるとき、有意でない結果の後に検定を外すとき、有意性を求めて多数の検定を実行するときに使用する。選択した検定の実行には alterlab-statistical-analysis または alterlab-statsmodels を推奨する。より広範な凍結計画の規律については alterlab-preregistration-discipline を参照。AlterLab Academic Skills スイートの一部。
トルコのジャーナル向けに原稿を整形する：TR Dizin 投稿規則（TR Dizin は抄録の語数上限、異なる機関の査読者 2 名、非ラテン文字アルファベットの論文にはラテン文字表記を義務付け、第二言語の抄録は推奨のみ；バイリンガルの öz/abstract 約 200-250 語とキーワード 3-5 個は一般的なジャーナルの慣例であり、ジャーナルの yazım kuralları と照合して確認する；論文末尾の Katkı Oranı と Çatışma の声明）と APA-7 のトルコ語版（複数著者の引用は ve ark./vd.、アンパサンドは参考文献リストのみ、ページは s.、翻訳者は Çev.、日付なしは t.y.、被引用は aktaran、トルコ語の大文字規則）。トルコ語/Türkçe ジャーナル向けに執筆するとき、TR Dizin への投稿を準備するとき、Türkçe APA 7 の本文内引用や参考文献の書式が必要なとき、バイリンガルの öz を整形するときに使用する。英語の引用スタイルには alterlab-citation-mgmt または alterlab-venue-templates を、TR Dizin のリアルタイムの収録状況には alterlab-trdizin を使用する。AlterLab Academic Skills スイートの一部。
PDCA 修正ワークフロー向けの共有分析段階メソドロジー：一時変更の許可とロールバックゲート、仮説リストの前に行う再現可能なレッドループ（ユーザーが貼り付けた証拠は除く）、runtime-evidence-debug を既定の入口とする instrumentation-debug、分析ステップの骨子（存在性 → 調査ルーティング → 現象/特定/根本原因/上流評価/影響）、必須の分析ゲート出力ブロック、調試験証ループ。分析後の出口を {next-stage} としてパラメータ化する。PDCA ホストは frontmatter dependencies 経由で参照する。トリガー —— 「分析阶段核心」「分析核心」「临时改动门控」「红环门控」「打点调试门控」「调试验证闭环」「分析门控」 / analysis stage core, red-capable loop gate, temp-change gate, instrumentation debug gate, analysis gate output block, debug-verify loop。
ユーザーが AI 生成の文章を人間らしくしたい、AI っぽさを消したい、推敲したい、温かみを出したい場合に使用。英語・中国語に対応。SNS 投稿（X/Weibo/Jike/RedNote）、Reddit やフォーラムのコメント、ブログ、ポッドキャストのショーノート、README の整理、製品ドキュメント、ランディングページのコピー、提案書、創業者メモ、技術メモに適する。テンプレート的な言い回し、コンサル口調、曖昧な抽象論、emoji やアイコンの見出し、markdown テンプレート、過度に均整の取れた語調、生成文を示すタイポグラフィの特徴（em ダッシュ `—`/`——`、スマートクォート、`…` 文字）を、意味を保ったまま除去する。任意のボイスモードに対応：human-texture（軽微な不規則さ）と learning mode（サンプルから特定の書き手のスタイルに合わせる）。
ユーザーがビジュアルストーリー、イラスト付きナラティブ、絵本コンテンツを作成したい場合は常にこのスキルを使用する。対象：絵本、コミック、児童書、イラスト付きガイド、ステップバイステップのビジュアルチュートリアル、ブランドストーリー、製品ストーリー、ピクチャーブック、グラフィックノベル、ビジュアル解説。以下の場合にもトリガー：ユーザーが 做个绘本、画个故事、做个漫画、做个图文教程、做个品牌故事 と言った場合。ビジュアルストーリーやイラスト付きコンテンツを作成する必要がある場合は、このスキルを使用する。
アラビア語の Web アプリおよびモバイルアプリ向けに右から左 (RTL) レイアウトを実装する。RTL レイアウト、アラビア語のテキスト方向、双方向 (bidi) テキスト、アラビア語 CSS、"right to left" についてユーザーが尋ねる場合、またはアラビア語 UI を構築する必要がある場合に使用。CSS 論理プロパティ、Tailwind RTL、React/Next.js の RTL 設定、アラビア語のタイポグラフィ、フォント選択を扱う。ユーザーが共有の RTL パターンを明示的に求めない限り、Arabic RTL（タイポグラフィは似ているが異なる）には使用しない。
Atlas 向けの MySQL および MariaDB 固有事項：開発データベースと URL の範囲（schema と server）、文字セットと照合順序、ユーザー、ロールと権限、enum および set 列、生成列、外部キーインデックス、関数インデックスとプレフィックスインデックス、トリガーとストアドプログラム、テーブルコピーと MY lint チェック、移行の部分的な失敗（DDL はトランザクション非対応）、GET_LOCK、マネージドサービス（RDS、Aurora、Cloud SQL、Azure）、schema と移行のテスト、カスタム lint ルールを扱います。Atlas が MySQL または MariaDB データベースを管理する場合は、atlas スキルと併用してください
既存の .azure/deployment-plan.md とインフラストラクチャファイルを持つ準備済みアプリケーションに対して Azure デプロイを実行する。ユーザーが新しいアプリケーションの作成を求める場合はこのスキルを使用しない — azure-prepare を使うこと。このスキルは azd up、azd deploy、terraform apply、az deployment コマンドをエラー回復機能付きで実行する。azure-prepare による .azure/deployment-plan.md と azure-validate による検証済みステータスが必要。WHEN: \"run azd up\"、\"run azd deploy\"、\"execute deployment\"、\"push to production\"、\"push to cloud\"、\"go live\"、\"ship it\"、\"bicep deploy\"、\"terraform apply\"、\"publish to Azure\"、\"launch on Azure\"。DO NOT USE WHEN: \"create and deploy\"、\"build and deploy\"、\"create a new app\"、\"set up infrastructure\"、\"create and deploy to Azure using Terraform\" — これらには azure-prepare を使用する。
AppLens、Azure Monitor、リソースの正常性、安全なトリアージを使用して Azure の本番環境の問題をデバッグします。対象：本番環境の問題、App Service のトラブルシューティング、App Service の高 CPU 使用率、App Service のデプロイ失敗、Container Apps のトラブルシューティング、コンテナーアプリの 503 またはターゲットポートの不一致、Functions のトラブルシューティング、構成／接続文字列の変更後に関数のテレメトリが欠落または停止、AKS のトラブルシューティング、VM の RDP、Linux の SSH、VM の黒い画面、VM に接続できない、VM パスワードのリセット、NSG またはファイアウォールによるブロック、kubectl で接続できない、kube-system/CoreDNS の障害、Pod が Pending、クラッシュループ、ノードが未準備、アップグレード失敗、ログ分析、KQL、Insights、イメージのプル失敗、コールドスタートの問題、ヘルスプローブの失敗、リソースの正常性、エラーの根本原因、Event Hubs のトラブルシューティング、Service Bus のトラブルシューティング、メッセージング SDK エラー、AMQP 接続失敗、メッセージロックの喪失、長時間処理中のロック更新、Service Bus のデッドレター。
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。