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 99,448 件掲載。コマンド 1 行でインストールできます。
すべて
JSON 設定から、ターミナル風で常時動作するアニメーションアーキテクチャ図（「ライブパネル」）を構築し、mp4 にレンダリングします。固定レイアウト、配線上を光りながら流れるパケット、スクロールするログ、数値カウンター、状態が切り替わるバーを備えた、ターミナルウィンドウ内の監視ダッシュボード風のシステム、エージェント、組織のアーキテクチャ図を、静止画や段階表示ではなく、画面録画風動画またはライブウェブページにしたい場合に使用します。中文：当用户要做"活的"架构图、agent 树或系统监控面板风格的动画（mp4 视频或循环网页）时使用——终端里一直在跑的监控面板外观，固定布局、线上流动的数据包、滚动日志、翻转的计数器和状态条；不是静态图，也不是分步演示。
ロゴ作成のためのロゴデザイン原則と AI 画像生成のベストプラクティス。ロゴの種類、プロンプト技法、スケーラビリティのルール、反復ワークフローをカバー。用途：ブランドアイデンティティ、スタートアップのロゴ、アプリアイコン、favicon、ロゴコンセプト。トリガー：logo design、create logo、brand logo、logo generation、ai logo、logo maker、icon design、brand mark、logo concept、startup logo、app icon logo
重要：Makepad 2.0 のパフォーマンス最適化とデバッグに使用する。トリガー：makepad performance、makepad debug、makepad profiling、makepad gc、new_batch、texture_caching、render optimization、draw batching、mod.gc、garbage collection、memory、debug logging、troubleshoot、ViewOptimize、PortalList、CachedView、render tree、invisible text、text disappears、UI freezes、scroll stuttering、パフォーマンス、デバッグ、最適化、ガベージコレクション、レンダリング、バッチ処理、ログ
重要：Makepad 2.0 のテーマシステムに使用。トリガー：makepad theme, theme variable, theme color, theme font, theme spacing, dark mode, light mode, theme switching, mod.themes, theme_mod, theme.color_, theme.font_, theme.space_, theme.mspace_, 主题, 颜色, 字体, 暗色模式, 亮色模式, 主题切换, 样式。
Mixed-Signal Blockset を使用し、データシートまたはシステム仕様からフェーズロックループ (PLL) IC をモデル化する。このスキルのない場合、エージェントは例外なく誤ったソルバーを選択し、動作しない PLL モデルを生成する — 未誘導の試行は 100% 失敗する。Integer-N、Fractional-N、Dual Modulus アーキテクチャ、ループフィルタ設計、ロック時間の最適化、VCO 位相ノイズの構成、および msbPllArchitectures/msbPllFoundation ブロックの組み立てを扱う。使用場面: PLL モデリング、周波数シンセサイザ設計、位相ノイズシミュレーション、ロック時間解析、チャージポンプ設計、ループフィルタ調整、データシートからモデルへ、Mixed-Signal Blockset PLL、msbPllArchitectures。
.NET MAUI のアプリアイコン設定、スプラッシュ画面のセットアップ、ビルド時の SVG から PNG への変換、合成/アダプティブアイコン、Android、iOS、Mac Catalyst、Windows のプラットフォーム固有のアイコンとスプラッシュ画面の要件。USE FOR: "app icon"、"splash screen"、"MauiIcon"、"MauiSplashScreen"、"adaptive icon"、"change app icon"、"launch screen"、"SVG icon"、"foreground tint"、"icon resize"。DO NOT USE FOR: アプリ内の画像や画像読み込み（maui-performance を使用）、テーマや色（maui-theming を使用）、カスタム描画（maui-graphics-drawing を使用）。
.NET MAUI アプリをローカライズするためのガイダンス：.resx リソースファイルによる多言語対応、カルチャの解決と実行時の切り替え、RTL レイアウト、プラットフォームの言語宣言（iOS/Mac Catalyst の Info.plist、Windows の Package.appxmanifest）、画像のローカライズ戦略。次の用途に使用：「localization」「multi-language」「resx resource」「translate app」「RTL layout」「culture switching」「localize strings」「right-to-left」「language support MAUI」「Info.plist languages」。次の用途には使用しない：テーマや視覚スタイル（maui-theming を使用）、アクセシビリティラベル（maui-accessibility を使用）、REST API からのコンテンツ（maui-rest-api を使用）。
SecureStorage.Default を使って .NET MAUI アプリに安全なストレージを追加する。SetAsync、GetAsync、Remove、RemoveAll、プラットフォームの設定（Android のバックアップルール、iOS の Keychain エンタイトルメント、Windows の制限）、よくある落とし穴、テスト容易性のための DI ラッパーサービスをカバーする。次の用途に使用：「secure storage」「SecureStorage」「store token securely」「Keychain」「Android Keystore」「save secret」「encrypted storage」「store credentials」「sensitive data storage」。次の用途には使用しない：一般的なファイルストレージ（maui-file-handling を使用）、SQLite データベース（maui-sqlite-database を使用）、認証フロー（maui-authentication を使用）。
現在のフィーチャーブランチを main にマージし、（任意で）ブランチとワークツリーをクリーンアップする。線形履歴のために fast-forward（--ff-only）を優先し、ブランチが分岐している場合やユーザーがマージコミットの保持を望む場合はマージコミット（--no-ff）にフォールバックする。最後にインタラクティブなクリーンアップを行う。使用場面："merge to main"、"merge and cleanup"、"integrate the feature branch"、"finish this branch" を求められた場合、すなわちレビューゲートのない直接的なローカルマージ。PR ベースのデリバリー（push → PR を作成 → ワークアイテムをリンク → マージ後にクリーンアップ）には、代わりに `ship` スキルを使用する。
エンドツーエンドの Metabase BI 開発：ダッシュボード、質問（カード）、スニペット、コレクションをコードとして（ダッシュボードを YAML + SQL ファイルとして保持し pull/diff/push する）設計・構築・管理する。構築結果を確認できるようチャートとダッシュボードの画像および PDF を提供し、アラートとメール/Slack 購読、変更履歴とリバート、ブラウザーサインインにも対応する。ユーザーが metabase、ダッシュボード作成、BI ダッシュボード、分析ダッシュボード、metabase question、metabase card、MBQL クエリ、ネイティブ SQL の質問、metabase snippet、metabase collection、可視化設定、ダッシュボードフィルター、パラメーターマッピング、ダッシュボードのスクリーンショット/PDF、ダッシュボード購読、metabase アラートに言及したとき、または Metabase のコンテンツを作成/編集/管理したいときは常にこのスキルを使用する。SQL データベースを基盤とするレポーティングダッシュボード、KPI スコアカード、データ探索ツールを構築したい場合にも使用する。チャートの書式、数値の書式、条件付き書式、ダッシュボードのレイアウト、および要件 → 設計 → SQL → 構築 → 目視確認 → テスト → 共有というライフサイクル全体を網羅する。複数の Metabase インスタンスで動作する。Metabase 関連のあらゆるタスクで常にこのスキルを使用する。
リモートの Module Federation モジュールのメタデータとマニフェスト情報（publicPath、remoteEntry、型ファイルの URL、および mf-manifest.json の remotes/exposes/shared）を取得する。2 つのモード：(1) コンシューマープロジェクト内ではリモート名のみを渡すと、エントリ URL は mfConfig.remotes から解決される。(2) コンシューマープロジェクト外ではリモート名とその remoteEntry URL を直接渡す。現在のプロジェクト自身の設定を確認するには、代わりに mf-context を使用する。
レストラン動画メーカー — レストラン向けのメニュー、雰囲気、プロモーション動画を作成します。季節限定メニューが金曜日に登場するのに、手元にあるのは厨房の蛍光灯の下で iPhone で撮った料理の写真だけ。照りに湯気が立ち上るダックコンフィの 30 秒クリップがあれば満席になるはず — しかしディナー 1 回分のためにビデオグラファーを雇う費用は食材費より高くつきます。料理写真、店内の B ロール、受付係が休憩中に撮ったキャンドルの雰囲気映像を集めましょう。AI は厨房の蛍光灯を温かなゴールドトーンに補正し、食欲をそそる動きで各皿をゆっくりパンし、メニューの書体で料理名と価格を重ね、「地元の名店」と囁くアコースティックギターで楽曲を付けます。位置情報をタグ付けした 30 秒の Reel、Google マップのリスティング用の 15 秒ティザー、バー後ろのテレビ用のワイドスクリーンループをレンダリング。シェフがメニューを入れ替えても、作り直すことなく料理を差し替えられます。毎晩のスペシャルを宣伝する個人経営のビストロ、店舗ごとのコンテンツを統一したいファストカジュアルチェーン、イベントのルックブックを組むケータリング業者、ランチラッシュの合間に撮影するフードトラック事業者向けに作られています。mp4、mov、webm、jpg、png に対応。
Google Cloud Platform から AWS へワークロードを移行する — クラウドプロバイダーを問わず AI や agentic ワークロードも対象。トリガー: GCP からの移行、GCP から AWS への移行、Google Cloud からの離脱、Terraform を AWS へ、Cloud SQL を RDS へ、GKE を EKS へ、Cloud Run を Fargate へ、Google Cloud 移行、OpenAI から Bedrock への移行、OpenAI からの離脱、ChatGPT API から AWS への切り替え、Gemini から Bedrock への移行、LangChain を Bedrock へ、LangGraph を AWS へ、agentic ワークロードを AWS へ、AI ワークロードを AWS へ、AI アプリを AWS へ移行。6 フェーズで実行: Terraform ファイル、アプリケーションコード、課金エクスポートから GCP リソースを検出、移行要件の明確化、AWS アーキテクチャ設計、コスト試算、移行成果物の生成、任意フィードバックの収集。Clarify は Design、Estimate、Generate より前に完了させる必要がある。AI プロバイダ移行ガイダンス（例: OpenAI から Amazon Bedrock への移行）を含み、必要なモダリティ、レイテンシ/品質目標、コンテキストウィンドウ、コスト制約に最も適合する Bedrock モデルファミリーを選択する。モデルマッピングは互換性に基づくもので 1:1 の一致ではない。切り替え前にプロンプト、ツール呼び出し挙動、評価指標を検証すること。用途外: Azure やオンutrient から AWS への移行、AWS から GCP への逆移行、移行意図のない一般的な AWS アーキテクチャ相談、GCP 内のリファクタリング、GCP からの移行を含まないマルチクラウド構成。
ユーザーが重要な意思決定に直面しているとき、他者の行動を評価するとき、集団現象を診断するとき、または自身の判断バイアスを振り返るときにこの skill を発動する。典型的なトリガーシグナル：ユーザーが重大な選択の前に認知の罠を点検する必要がある；ユーザーが自分または他者が「非論理的」な行動をとったことに気づき説明を必要としている；ユーザーが集団がなぜ全員で誤るのかを理解しようとしている。純粋に技術的な意思決定（数学の計算やコードのデバッグなど）や感情をなだめる場面には適用されない。
ユーザーが事前学習済みモデル、基盤モデル、言語モデル、視覚モデル、マルチモーダルモデル、埋め込みモデルの適応を求めたときに使用するスキルです。以下では積極的にアクティブ化します：(1) 転移学習、全量ファインチューニング、凍結バックボーン、アダプター、LoRA、QLoRA、AdaLoRA、PEFT、(2) Hugging Face Transformers、Diffusers、Accelerate、TRL、RLHF、DPO、選好チューニング、アラインメント、(3) データセット準備、指示チューニング、チャットテンプレート、トークナイズ、パッキング、破滅的忘却、(4) RAG、ベクトルデータベース、埋め込みの最適化、リランキング、(5) マルチモーダルおよびエッジのファインチューニング。提供するもの：安全で効率的なファインチューニングと適応のガイダンス。
MongoDB のスキーマ設計パターンとアンチパターン。データモデルの設計、スキーマのレビュー、SQL からの移行、スキーマの問題に起因するパフォーマンス問題のトラブルシューティング時に使用します。トリガー："design schema"、"embed vs reference"、"MongoDB data model"、"schema review"、"unbounded arrays"、"one-to-many"、"tree structure"、"16MB limit"、"schema validation"、"JSON Schema"、"time series"、"schema migration"、"polymorphic"、"TTL"、"data lifecycle"、"archive"、"index explosion"、"unnecessary indexes"、"approximation pattern"、"document versioning"。
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。