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
ユーザーが製造プロセスの最適化、スループットの向上、サイクルタイムの短縮、プロセス性能のシミュレーションを希望する場合に使用します。ユーザーが “process improvement”、“bottleneck analysis”、“simulation”、“discrete-event simulation”、“throughput optimization”、“cycle time reduction”、“process efficiency”、“queuing theory”、“process mapping”、“capacity analysis” に言及した場合にも使用します。リーン手法については lean-manufacturing を参照してください。スケジューリングについては production-scheduling を参照してください。
適切なアーキテクチャ、監視、運用とともに RAG システムを本番環境にデプロイする。RAG の本番デプロイ、検索システムのスケーリング、RAG 監視の実装、エンタープライズ RAG インフラの構築を行うときにこのスキルを使用する。起動条件：production RAG、RAG deployment、enterprise RAG、RAG architecture、RAG monitoring、RAG scaling、RAG infrastructure、RAG ops。
モニタリングデータのために Prometheus HTTP API をクエリして操作する。Claude が Prometheus メトリクスをクエリするとき、PromQL クエリを実行するとき、targets/alerts/rules のステータスを取得するとき、series/labels のメタデータにアクセスするとき、TSDB 操作を管理するとき、またはモニタリング基盤をトラブルシューティングするときに使用する。インスタントクエリ、レンジクエリ、メタデータエンドポイント、管理 API、アラート情報に対応。
PubNub Functions 2.0 のイベントハンドラー、トリガー、サーバーレスエンドポイントを作成、設定、デプロイする。Before/After Publish、On Request、On Interval；組み込みモジュール（kvstore、xhr、vault、pubnub、crypto、jwt、ugc、jsonpath、advanced_math、codec/*）；チェーン（深度上限、Chaining と Forking、kvstore の状態共有）；ランタイムの癖（モジュールごとに独立した実行予算、コールドスタート、request.path の正規化、vault の可用性、sendFile メッセージ）；DB トリガーパターン；バンドル/TypeScript ワークフロー（esbuild externals、バンドルサイズガード、__require shim の除去、デフォルトエクスポートの形）を扱う。リアルタイムのメッセージ変換、エッジデータ処理、PubNub に支えられた REST エンドポイント、Webhook 統合、またはメッセージパイプライン内からバンドル/トランスパイルされた TypeScript Functions を出荷する場合に使用する。
情報源に基づく文献マップ、注釈付き文献目録、論文リスト、または草稿から、Related Work セクションを執筆または改訂する。ユーザーが原著研究論文内で関連研究を執筆する、論文を先行研究に対して位置づける、引用をテーマ別に整理する、自身の研究がベースラインや先行手法とどう異なるかを説明する、引用の羅列を避ける、新規性の主張を調整することを求める場合にこのスキルを使用する。このスキルはユーザーが情報源または文献マップを持っていることを前提とする。文献を先に発見・検証する必要がある場合は、このスキルの前に literature-triangulation を使用する。統合そのものを主な貢献とする独立したサーベイ、チュートリアル、レビュー、または展望論文を執筆したい場合は、代わりに survey-paper-writer を使用する。
YAGNI/KISS/DRY 原則に基づく技術調査の方法論。フェーズ：スコープ定義、情報収集、分析、統合、推奨。ケイパビリティ：技術評価、アーキテクチャ分析、ベストプラクティス調査、トレードオフ評価、ソリューション設計。アクション：技術ソリューションの調査、分析、評価、比較、推奨。キーワード：調査、技術評価、ベストプラクティス、アーキテクチャ分析、トレードオフ、スケーラビリティ、セキュリティ、保守性、YAGNI、KISS、DRY、技術分析、ソリューション設計、競合分析、実現可能性調査。使用時：技術を調査するとき、アーキテクチャを評価するとき、ベストプラクティスを分析するとき、ソリューションを比較するとき、技術的トレードオフを評価するとき、スケーラブルで安全なシステムを計画するとき。
ユーザーが小売の配分を最適化する、在庫を店舗に配分する、または初期の商品配分を実行することを希望する場合に使用します。ユーザーが “store allocation”、“assortment planning”、“size curve”、“cluster allocation”、“pre-pack”、“store grading”、“initial allocation” に言及した場合にも使用します。継続的な補充については retail-replenishment を参照してください。値下げ判断については markdown-optimization を参照してください。
`.R` スクリプト向けの読み取り専用 R コードレビュープロトコル。コード品質、再現性、ドメインの正確性、tidyverse のイディオム、専門基準をチェックし、編集せずにレポートを生成する。ユーザーが「この R スクリプトをレビューして」「R コードをチェックして」「分析コードを監査して」「R のコードレビューをして」と言ったとき、または論文投稿の一環として R ファイルが触れられたときに使用する。コードの実行用ではない——数値検証には `/audit-reproducibility` と組み合わせる。
RHDH Jira を読み取り、他のすべての RHDH Jira スキルが必要とする仕組みを担う：`acli` のフラグとその落とし穴、RHIDP、RHDHPLAN、RHDHBUGS、RHDHSUPP 向けの JQL、カスタムフィールド ID、GraphQL と REST のフォールバック、ボードとスプリントの ID、コンポーネントカタログ、および終了条件を伴うワークフロー状態。RHIDP-1234 のような issue を調べるとき、JQL クエリを書いたりデバッグしたりするとき、「どのフィールドが Story Points か」「なぜ検索が 30 行返すのか」「Release Pending は何を要求するのか」に答えるときに使用する。読み取りとクエリの仕組みのみを扱う——何を起票するかの判断、準備状況の評価、issue の変更は、その動詞を担う Jira スキルに属する。
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。