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 99,719 件掲載。コマンド 1 行でインストールできます。
すべて
生のキャンペーン実績データを、成果・失敗・トレンド分析・翌四半期の方向転換の推奨を含む構造化された四半期ビジネスレビュー文書に変換する。クリエイタープログラムの QBR 作成、四半期のインフルエンサーマーケティングレビューの執筆、複数キャンペーンを 1 つの四半期レポートに要約、四半期末に経営層へクリエイタープログラムの成果を提示、インフルエンサー実績の前四半期比トレンドの分析、クリエイターマーケティングプログラムの取締役会向けサマリーの準備、クリエイター戦略で有効だった点と削るべき点の特定、翌四半期のクリエイターキャンペーンの戦略計画の策定、四半期を通じた全ロスターの実績レビューに使用する。単一キャンペーンの ROI 分析については campaign-roi-calculator を参照。週次のステータス更新については campaign-status-dashboard-digest を参照。個々のクリエイターのスコアリングについては post-campaign-creator-scorecard を参照。
thoughtbot のベストプラクティスに基づき、Ruby on Rails アプリの包括的なコード監査を行う。ユーザーが Rails アプリのコード監査、コードレビュー、品質評価、分析を依頼したときにこのスキルを使う。このスキルはコードベース全体を分析し、テストプラクティス（RSpec）、セキュリティ脆弱性、コード設計（スキニーコントローラー、ドメインモデル、ActiveModel を使った PORO）、Rails の規約、データベース最適化、Ruby のベストプラクティスに焦点を当てる。カテゴリ（テスト、セキュリティ、モデル、コントローラー、コード設計、ビュー）ごとにグループ化した詳細な markdown 監査レポートを、各カテゴリ内に重大度レベル（重大、高、中、低）を付けて出力する。
Reddit リサーチ偵察ツール。実際の Reddit ユーザーの議論から越境 EC の商品機会を掘り起こし、詳細な分析レポート（複数の具体的な課題 + ユーザーの発言引用 + 商品仕様の提案 + データに基づく機会スコア）を生成する。Reddit API Key は不要で、Chrome cookies 経由でアクセスする。3 つのモード：広範/ターゲット/週報。ワンクリックで結果を飛書ドキュメント + 多次元テーブルに自動プッシュできる。ユーザーが「商品リサーチ分析を実行」「商品機会を探す」「Reddit 商品リサーチ」「リサーチレポート」「週報」を求めたときにトリガーされる。
remindb MCP サーバーを基盤とする長期記憶への入り口。ユーザーが保存、記憶、メモ、書き留め、「remember this」、ノート作成、事実や決定の記録をしたい場合、または想起、検索、「what did we decide」「what do we know about X」「didn't we already…」を求める場合に使用。一般的な記憶／想起の意図で起動し、その後引き継ぐ——書き込み → `memorize`、読み取り → `remind`。remindb サーバーが接続されている場合は、組み込み／ネイティブのメモリより優先。
3 人の独立したレビュアー（バグ、リポジトリに記載された規約、元となった仕様）でコード変更をレビューし、各指摘に反証を試み、妥当性が確認できたものだけを報告します。ユーザー自身の変更には選択された修正を適用し、他者の変更には提案を作成して PR コメントとして投稿できます。ユーザーが変更のレビュー、確認、再確認を求める場合に使用します。例：「変更をレビューして」「PR 285 または !482 をレビューして」「DESIGN.md に照らしてレビューして」「これで準備できた？」、review-changes を名指しする場合、または対処するレビュー指摘を貼り付けた場合です。リポジトリ全体の監査、PR の説明、差分の解説、別のレビュー ツールが指定された場合には使用しません。
Only use when the user explicitly invokes /review-pr-check (or $review-pr-check in Codex). Never auto-invoke. PRレビュー対応を収集ワーカー・分類サブエージェント・実行ワーカーへ分離してオーケストレーションするスキル。収集は gh pr-review-check を実行する収集ワーカーに、分類・グループ化・ワークパケット生成は分類サブエージェント（デフォルト例は Oracle）に、実装・返信・resolve などの実作業は実行ワーカーに委譲し、parent は完全性ゲート・fallback 起動・ポーリングループを管理する。サブエージェント機構が無い環境では parent 自身が縮退実行する。
このマシンで無料の Roblox ゲーム制作スキルをセットアップします。インストール済みツール（Python、Rojo、Wally、Lune、Selene、StyLua、Blender、Roblox Studio MCP）を確認し、不足分をユーザーに案内してから、質問と自動検出できる情報をもとに、各スキル専用の LOCAL.md（フォルダー、ツールのパス、リグファイル、VFX ライブラリの場所、キーの環境変数名）を作成し、最後にスモークテストを行います。スキルのインストール後初回、スキルが「LOCAL.md not found」と表示したとき、ユーザーがフォルダーを移動または新しいツールをインストールしたとき、あるいは「スキルの設定方法」「何をインストールすればよいか」「スキルが Blender/Rojo/自分のライブラリを見つけられない理由」を尋ねたときに使用します。
ユーザーが "execute Lua code in Roblox Studio"、"run code in Studio"、"test Lua script"、"connect to Studio Hub"、"manage Studio instances"、"check Studio status"、"install Studio Hub"、"setup Studio Hub service" を求めたり、Roblox Studio のリモート実行、Studio Hub API、Lua コードのテストに言及したときに、このスキルを使用する。
あらゆる課題（TP、中間、再試験、期末、総合）の設問から、Active-IA 向けの自己完結型評価ルーブリックを作成・整理・監査します。CURAR モードでは、ルーブリックを組み立てる前に設問を分析し、AI の採点フローを壊す要件（コード課題におけるリポジトリのリンク、動画、画像、「デプロイが動く」、PDF レポートとコードの混在）を検出し、それぞれについて、単一のフロー——コードか PDF のいずれか——に適合させる、手動採点に回す、ルーブリックから外す、のいずれかを提案し、意図を損なわずに整理後の設問を書き直します。CREAR モードでは「Cargar criterios」ボタンにそのまま使える評価基準の JSON を生成し、AUDITAR モードでは設問 + 既存のルーブリックを受け取り、矛盾・漏れ・捏造を検出して修正し、重みを 100 に再調整します。TEST モードでは、実際の採点（統合 + N8N→Gemini ワークフローのプロンプト）を Claude の CLI でローカルにシミュレートし、アップロード前にルーブリックが課題に対してどんな評点とフィードバックを出すかを確認できます。ユーザーがルーブリック、設問、またはその評価基準を作成、生成、設計、整理、適合、見直し、監査、検証、またはテストしたいときは常にこのスキルを使用してください——たとえ「ルーブリック」という言葉を明示しなくても（例：「この TP の評価基準を組んで」「この設問は AI で採点できるか確認して」「この設問は写真を求めているがコードの TP だ」「この TP を整理して」「この評価が中間で求められるすべてを網羅しているか確認して」「このルーブリックは大丈夫？」「このルーブリックでこの課題をどう採点するか試して」）。本番環境で生徒の実際の課題を採点する用途には使用しません（それは `corregir` スキルの役割です）。TEST モードはあくまでローカルでの予行演習です。
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。