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
SEO・AEO・GEO・LLMO・NEO(Naver)の 5 つのレーンを診断して自ら実装し、引用されるコンテンツを生み続けるサブブログとコンテンツ運用パイプラインまで構築する。サイトを検索エンジン・回答エンジン・生成 AI・Naver AI ブリーフィングに引用される一次ソースにする。「SEO 해줘」「AI에 인용되게 해줘」「네이버 노출 늘려줘」「llms.txt 만들어줘」「블로그 만들어줘/글 써줘」「콘텐츠 백로그・캘린더 잡아줘」「낡은 글 갱신해줘」といった依頼に使用する。「audit my site's SEO」「get my site cited by ChatGPT/Perplexity/AI Overviews」「improve search visibility」「create llms.txt」「answer engine / generative engine optimization」「set up a blog that gets cited」「content backlog / calendar / refresh」など、あらゆる AI 検索可視性のリクエストにも使用する。
なじみのないトピック、手法、サブフィールド、研究領域への幅優先のオンボーディングを統括し、ほぼゼロから使える地図を作る。ユーザーが「X を学びたい」「X に素早く追いつくのを手伝ってほしい」「X は初心者だがどこから始めればいいか」「X の学習パスを教えてほしい」「この分野の論文を読む前に理解する必要がある」と言うとき、または全く基礎のないトピックを挙げるときに使用する。段階的な演習チェックポイントを備えたシングルトンスキルを通じてルーティングする。また、演習チェックポイントの代わりに、誠実な初心者、意見の強いラボメイト、教授という配役に説明して学ぶ DISCUSSION MODE も備える。「議論しながらのほうがよく学べる」「説明するので質問してほしい」「講義ではなく議論しよう」「勉強会を開いてほしい」「ラボミーティングのように進めてほしい」で起動する。ユーザーが基礎をすでに理解し、ある 1 つのことの習得を望む場合は flow-deep-understanding を、ユーザー自身の研究アイデアを形式化する場合は flow-idea-to-proof を使用する。
現在の作業や新しいコード(機能、サービス、API、現在のブランチの変更など)を対象に、小規模で範囲を限定した脅威モデルを構築するために使用します。システムを資産、侵入口、信頼境界に分解し、STRIDEで脅威を列挙して、緩和策と残存リスクをデータフロー図付きの追跡可能なレポートに記録します。コンポーネントのモデル化に単独で呼び出すほか、コードの作成や納品前に脅威を明らかにするため、別のワークフローから呼び出すこともできます(PRDまたは計画の後にfmway-devから、セキュリティに影響する修正ではfmway-bugsから)。新たな外部公開面、認証フロー、決済や個人データ、信頼境界の変更では特に重要です。
Google Cloud Storage (GCS) のバケットとプロジェクトのセキュリティ体制を評価する。すべての検出事項を収集したテレメトリに基づかせ、Google のセキュリティベストプラクティス(パブリックアクセス、IAM の過剰付与、CMEK、VPC Service Controls、監査ログ)に照らしてバケットを評価し、個々には低リスクな設定の危険な組み合わせを信号の相関によって指摘し、実行可能な修復を提示する。ユーザーがセキュリティスキャン、監査、レビュー、脆弱性チェック、コンプライアンス評価(SAIF を含む)を求めたとき、あるいはバケット、プロジェクト、データが安全か、露出しているか、公開されているか、設定ミスがあるか、誰がデータにアクセスできるか、ストレージの堅牢化やロックダウンを望むとき(例: ローンチ前)に使用する。特定のアクセス失敗や 403 の診断、ストレージの管理や設定、進行中の障害の調査、GCS 以外のリソース(Compute Engine、GKE など)には使用しない。
AI 駆動アプリを構築するための Google Gemini API 統合。Google の Gemini API、Python SDK(google-genai)、TypeScript SDK(@google/genai)、マルチモーダル入力(画像、動画、音声、PDF)、思考/推論機能、ストリーミング応答、JSON スキーマによる構造化出力、マルチターンチャット、システム指示、画像生成(Nano Banana)、動画生成(Veo)、音楽生成(Lyria)、埋め込み、ドキュメント/PDF 処理、その他あらゆる Gemini API 統合タスクを扱う場合に使用する。Gemini、Gemini 3、Gemini 2.5、Google AI、Nano Banana、Veo、Lyria、google-genai、@google/genai SDK の使用に言及した際にトリガーする。
提供されたビジュアルを参考に、保護対象となる特徴的な要素をコピーせず、新しい作品の類似度を調整しながら、複数の独創的なブランドキャンペーンの世界観を生成します。ブランドアイデンティティ画像、ポスター、エディトリアルキャンペーン、ムードボード、生成コンセプトをユーザーが提示し、着想を得た別案、同じビジュアルファミリーに属する複数の個性的なブランド、参考により近い V2、画像内の正確なワードマーク、または独創性を保つ画像生成プロンプトや出力を求める場合に使用します。
GitHub CLI(gh)で GitHub を管理する:リポジトリ、イシュー、プルリクエスト、Actions、リリース、シークレット/変数、プロジェクト、gist、検索、API アクセス。次の場合に自動有効化:"gh"、"github cli"、"github issue"、"github pr"、"pull request"、"github actions"、"workflow"、"run"、"github release"、"release"、"gh api"、"github repo"、"github secret"、"github variable"、"ci status"、"monitor ci"、"check ci"、"watch ci"、"pr dashboard"、"pr overview"、"open prs"、"my prs"、"pr status"。
GitHub の PR、issue、コメントに埋め込むために画像を img402.dev にアップロードする。1MB 以下の画像は無料かつ永久——支払いも認証も不要——で、ほぼすべてのスクリーンショットをカバーする。より大きな画像(最大 10MB)は 30 日間無料、または x402 経由で 0.01 USDC で永久保存できる。エージェントが GitHub の文脈で画像——スクリーンショット、モックアップ、図、その他のビジュアル——を共有する必要があるときに使用する。トリガー:"screenshot this"、"attach an image"、"add a screenshot to the PR"、"upload this mockup"、または GitHub 用の画像を生成するあらゆるタスク。
クラウドネイティブ運用のための包括的な GitOps 方法論と原則のスキル。(1) Kubernetes デプロイメントのための GitOps アーキテクチャの設計、(2) Git を単一の信頼できる情報源とする宣言型インフラストラクチャの実装、(3) ArgoCD/Flux/Kargo による継続的デプロイメントパイプラインの構築、(4) ブランチ戦略とリポジトリ構造の確立、(5) ドリフト、同期失敗、調整の問題のトラブルシューティング、(6) GitOps ツール選定の評価、(7) GitOps の概念とベストプラクティスの教育または説明、(8) ワークロード ID を使用した Azure Arc 対応 Kubernetes または AKS への ArgoCD のデプロイ、に使用。GitOps の 4 本柱 (OpenGitOps)、パターン、アンチパターン、ツールエコシステム、Azure Arc 統合、運用ガイダンスを扱う。
どのタスクを開始する前にも必ず読み込みます。過去の作業から学習するためのセッションをまたぐ永続メモリを提供します。タスク開始時にメモリを読み、同じミスを繰り返さないようにし、タスク終了時にメモリを書き込み、うまくいった内容を記録します。decisions.json(アーキテクチャ上の選択)、patterns.json(実証済みのアプローチ)、failures.json(過去のエラーと修正)、preferences.json(プロジェクトの規約)、およびセッションのアクティビティログを対象とします。
ユーザーが知識カットオフを超えた最新情報、ドキュメント、コーディング例、ウェブリサーチを求めたときにこの skill を使用する。Google の AI 検索モードをクエリし、100 以上のウェブサイトからの出典引用付きの包括的な AI 生成概要を取得する。インライン脚注参照 [1][2][3] 付きの markdown を返す。あなたは Google の AI 検索から直接要約された参照と情報を含む詳細な Markdown ファイルを受け取る。さらに調査するための新しい情報と手がかりを得るのに理想的。
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。
