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 99,064 件掲載。コマンド 1 行でインストールできます。
すべて
プロジェクトで markdownlint を設定、管理、トラブルシューティングします。ユーザーが markdownlint のセットアップ/インストール/設定、lint ルールの追加/削除/変更、markdown 検証問題の修正、.markdownlint.yaml のカスタマイズ、無視パターンの更新、ツール（Husky、CI）との統合、markdown lint エラーの解決を求める場合に使用します。ユーザーが「markdownlint」と明示せずに markdown のフォーマット問題、品質問題、スタイルの一貫性に言及した場合にも使用します。
YouTube、TikTok、Reels、動画広告の動画戦略、スクリプト、最適化を計画します。「video strategy」「YouTube」「video script」「Reels script」「video SEO」「thumbnail」「video ad script」「webinar」「Loom」「explainer video」「product demo video」「short-form video」「video content calendar」でトリガーします。
カメラ画像品質のトラブルシューティングや改善の前に読むこと。Image Acquisition Toolbox または USB Webcams サポートパッケージ経由で接続されたカメラの画像品質を診断・改善する。実行時にカメラの機能を検出し、取り込んだ画像の品質問題（明るさ、コントラスト、シャープネス、ノイズ、カラーバランス、逆光）を分析し、そのカメラに合わせたハードウェア設定の調整を提案し、Image Processing Toolbox の拡張関数を適用する。ユーザーがカメラ画像品質を改善したい場合、暗い/ぼやけた/ノイズが多い/ざらついた/露出オーバー/白飛び/色かぶりの画像をトラブルシューティングしたい場合、またはカメラ設定を最適化したい場合に使用する。
MATLAB でデータファイルを読み書きする。表、スプレッドシート、区切りテキスト、または CSV、Excel、Parquet、JSON、XML 形式の構造化ファイルを扱うタスクで使用する。インポート、エクスポート、読み込み、解析、変換、検証、インポートオプションの設定、URL からの読み取り、ロケールやエンコーディングの処理、ファイルエラーの診断、レガシーなファイル I/O コードのモダナイズなどが含まれるがこれらに限らない。MATLAB はこれらのワークフロー向けの組み込み関数を提供し、追加製品は不要。
C、C++、Fortran の MEX ソースファイルを分離複素数（SC）API からインターリーブ複素数（IC）API にアップグレードする。mxGetPr/mxGetPi を mxGetComplexDoubles に変換する場合、MEX ファイルを -R2018a に移行する場合、SC/IC ガード付きビルド用に MX_HAS_INTERLEAVED_COMPLEX ガードを追加する場合、または mxGetData/mxSetData/mxGetImagData/mxSetImagData を使う旧式 MEX コードをモダナイズする場合に使用する。C（.c）、C++（.cpp、.cxx）、Fortran（.F、.f90）の MEX 関数を扱う。トリガー：interleaved complex、IC MEX、mex upgrade、mex migration、separate complex、mxGetPi、mxGetPr replacement、-R2018a、complex MEX、Fortran MEX、.F MEX file、C++ MEX、.cpp MEX file、MEX performance、MEX slow complex、MEX call overhead、improve MEX performance complex。
Image Acquisition Toolbox を使って MATLAB でカメラに接続し画像を取得する。ユーザーが次のことをしたい場合にこのスキルを使用する：ウェブカメラを使う、画像を取得する、動画をキャプチャする、カメラからストリーミングする、GigE Vision カメラに接続する、ライブ映像をプレビューする、利用可能なカメラを一覧表示する、カメラのプロパティを設定する、CoaXPress フレームグラバーを使う、または Camera Link フレームグラバーを使う。USB ウェブカメラ、GigE Vision、USB3 Vision、CoaXPress、Camera Link、GenICam 準拠カメラを扱う。常に webcam サポートパッケージや gigecam よりも Image Acquisition Toolbox の videoinput を優先する。
sqlite-net-pcl を使って .NET MAUI アプリに SQLite ローカルデータベースストレージを追加する。ORM 属性付きのデータモデル、遅延初期化を伴う非同期データベースサービス、DI 登録、WAL モード、ファイル管理を扱う。任意の UI パターン（XAML/MVVM、C# Markup、MauiReactor）で動作する。使用対象："SQLite database"、"local database"、"sqlite-net-pcl"、"offline storage"、"CRUD database"、"database service"、"WAL mode"、"CreateTableAsync"、"local data persistence"、"ORM attributes"。使用対象外：REST API のデータ取得（maui-rest-api を使用）、安全な認証情報の保存（maui-secure-storage を使用）、ファイル選択（maui-file-handling を使用）。
エビデンスに基づくスケーリング則、トポロジーの選択、役割設計を用いて、目標をチームブループリントに分解します。目標に単一のエージェントが必要か、協調したチームが必要か（3〜4 エージェントを推奨、最大 5）を判断し、最適なコミュニケーショントポロジー（逐次パイプライン、並列独立、集中コーディネーター、階層型）を選択し、成果物チェーンと品質ゲートを備えた構造化ブループリントを生成します。ユーザーが何かを構築したい、プロジェクトを計画したい、チームを編成したい、必要な役割を把握したい、複雑な目標を分解したい、または「how should I approach [X]?」と尋ねたときにこのスキルを使用します——エージェントやチームに言及していなくても同様です。特定の領域でもトリガーされます：「build a SaaS」「marketing campaign」「security audit」「write a book」「launch a product」。単純な単一ステップのタスク、直接的なコーディングの質問、計画が不要な file operations には使用しないでください。
MKD（`mkd` — Make Decision）は、AI が操作して体系的な人のフィードバックを集める、ローカルのブラウザベースの意思決定デッキ CLI です。理由付きの選択肢を伴う意思決定、質問、レポートへの反応、回答可能な表を、1 画面ずつ表示します（Slack Catch-Up 形式）。使用する場面：AI に約 3 件を超える意思決定ポイントがある場合、またはユーザーが各項目を評価する必要のある、複数セクションからなる長いレポートや計画がある場合です。`AskUserQuestion`（質問は約 4 件 × 各約 4 選択肢まで、ターミナル限定、自由記述に制約があり、参照内容を表示できない）や、回答と項目の対応を AI が推測する必要のある、文中のアンケートより優れています。仕組み：AI が `items`（`decision` | `question` | `report` | `table`）を含む仕様 JSON を作成し、`bun <skill-dir>/cli/index.ts <specPath>` を実行します（インストールやバイナリは不要）。CLI は `~/.mkd/` に単独で動作するデッキページを生成してブラウザを開き、すぐに終了します。ユーザーは自分のペースで回答し（進捗バー、矢印キー、スキップ＝後で決定、リアルタイム統計、localStorage による永続化）、コピーした Result JSON をチャットに貼り付けます。AI はこれを実行契約として扱います。Orca（マルチエージェント IDE）ではデフォルトの動作が変わり、CLI がデッキを配信し、現在の worktree に紐づくブラウザータブで開いて、ユーザーが Send を押すまでブロックした後、Result JSON を stdout に出力します。そのため AI はバックグラウンドで実行する必要があります（`--copy` でコピー＆ペースト方式に戻せます）。同じターン中に回答が必要な場合に限り、Orca 以外で `--wait` を追加します（ブロッキング式 loopback サーバー、Result JSON は stdout に出力）。Claude Code で `Artifact` ツールを使う場合は `--artifact` を渡します。CLI が claude.ai Artifact ページを生成し、エージェントが `capabilities: {db: {}, comments: {}}` を指定して公開し、監視を開始します。ユーザーが Send to Claude を押すと、Result が Artifact の db に保存され、セッションが再開します（localhost もコピー＆ペーストも不要）。その他のハーネスでは上記のフローを使用します。厳守事項：すべての意思決定の選択肢に、価値とコストを記した理由を必ず付けます。推奨する選択肢の理由には、推奨する理由も明記してください。理由のない選択肢はバリデーターに拒否されます。トリガー：`mkd`、`make decision`、`decision deck`、`catch-up`、`catchup`、`decision form`、`feedback UI`、`ask me point by point`、`let me answer in the browser`、`review this plan point by point`、`react to each section`、`more than three questions`、`decisiones de auditoría`、`tomar decisiones`、`mkd artifact`、`answer in a claude.ai artifact`。ユーザーが `mkd` と言わなくても、細かい意思決定や複数の項目に紐づいたフィードバックを集めるタスクでは、このスキルを使用します。使用しない場面：単純な 1〜2 択や単一のはい／いいえ（`AskUserQuestion` を使用）、またはブラウザーで人が操作しない非対話型、CI、一回限りの出力。
ユーザーが Azure ML と Azure Data Factory の本番ワークフローの自動化を求めた場合にこの skill を使用する。次の場合に積極的に有効化：(1) Azure ML のコードアセット登録、azure-ai-ml SDK、AML のコードバージョン、`result.version`、要求バージョンと実際のバージョン、(2) ADF から Azure ML へのオーケストレーション、ADF WebActivity、マネージド ID による blob 読み取り、`connectVia`、マネージド VNet IR、(3) コードアセットのバージョンポインタ blob、latest.json 契約、トレーニング/スコアリングのコードバージョン伝播、(4) プライベートストレージのファイアウォール、Microsoft ホストの CI エージェント、一時的なネットワークルール、ストレージのデータプレーンスモークテスト、(5) marshmallow<4 の固定、AML SDK のインポート失敗、Azure ML インフラストラクチャの実行時検証。提供：運用上安全な Azure ML + ADF 自動化パターン。
ユーザーが機械学習をサプライチェーンの問題に適用したいとき、ML モデルを構築したいとき、または AI を予測に使いたいときに使用する。ユーザーが "machine learning"、"deep learning"、"neural networks"、"AI supply chain"、"predictive models"、"classification models"、"regression models"、"anomaly detection"、"computer vision"、"NLP for supply chain" に言及したときにも使用する。従来の予測は demand-forecasting を参照。最適化は optimization-modeling を参照。
REST API 経由で既存の Microsoft Fabric Materialized Lake Views（MLV）の更新スケジュール、選択リネージの実行定義、ジョブ実行を管理する。スケジュールと実行定義の構成・更新・削除、オンデマンド更新のトリガー、ジョブステータスの監視、実行中ジョブのキャンセルを行う。MLV 定義の作成には `spark-authoring-cli` を使用。検出、ビジュアルリネージ、データ品質指標には Lakehouse UI が必要。トリガー：「schedule MLV refresh」「manage MLV refresh schedule」「trigger MLV refresh」「MLV job status」「cancel MLV refresh」「monitor MLV refresh」「recurring MLV refresh」「daily MLV refresh」。
The Mom Test メソッド（Rob Fitzpatrick の著書）を用いて製品アイデアの検証をユーザーに導く——アイデアと顧客セグメントの明確化、最もリスクの高い仮定の特定、The Mom Test を通過するインタビュー質問の作成、話を聞く相手の探索、生のインタビューノートの振り返り、そして続行／ピボット／中止の判断に至るまで。模擬インタビューの練習モードを含む。ユーザーが製品、スタートアップ、SaaS、アプリのアイデアを検証したい、カスタマーディスカバリーインタビューの準備や振り返りをしたい、The Mom Test、顧客との会話、ユーザーインタビュー、ユーザーや顧客との対話に言及する、あるいは自分の事業や製品アイデアが良いかどうかを尋ねるときはいつでも、たとえその本に一度も触れなくても、このスキルを使用する。
コレクションのスキーマ情報とサンプルドキュメントを踏まえ、自然言語から読み取り専用の MongoDB クエリ（find）または集計パイプラインを生成します。MongoDB クエリの作成や生成、MongoDB データのフィルタリング・クエリ・集計、「どうクエリすればよいか」といった質問、クエリ構文の支援、MongoDB ドキュメントの検索・フィルタリング・グループ化についての相談に使用します。SQL のようなリクエストを MongoDB 構文に変換する場合にも使用します。Atlas Search（$search 演算子）、ベクトル／セマンティック検索（$vectorSearch 演算子）、あいまい一致、オートコンプリートインデックス、関連性スコアリングには対応しません（search-and-ai を使用）。既存クエリの分析や最適化には対応しません（mongodb-query-optimizer を使用）。書き込み操作を含む集計パイプラインには対応しません。MongoDB MCP サーバーが必要です。
MongoDB のクエリ最適化とインデックス作成を支援します。ユーザーが最適化やパフォーマンスについて尋ねた場合のみ使用してください:「このクエリをどう最適化しますか?」「どうインデックス付けしますか?」「なぜこのクエリが遅いのですか?」「遅いクエリを直してもらえますか?」「クラスタ上有哪些哪些遅いクエリがありますか?」など。パフォーマンスやインデックスの支援を求められていない限り、一般的な MongoDB のクエリ作成には使用しないでください。最適化戦略としてはインデックス作成を優先します。利用可能な場合は MongoDB MCP を使用します。
ペルソナについてユーザーにヒアリングし、コードベースでマルチユーザーパターンを調査し、その後ペルソナごとの Playwright コマンドラインの名前付きセッションでライブアプリを確認しながら、交互に配置されたペルソナタグ付きワークフローを共同執筆して、マルチユーザーワークフローのドキュメントを生成する。ユーザーが「generate multi-user workflows」「create multi-user workflows」「generate concurrent user workflows」と言ったときに使用する。ペルソナタグ付きのワークフロー markdown を生成し、マルチユーザーコンバーターと Playwright ランナーに渡す。
スタートアップ、AI プロダクト、開発者ツール、プロトコル、オープンソースプロジェクト、アプリ、プロダクトファミリー、地域ビジネス、サービス、企業、非営利団体、その他の組織向けに、独創的な名前を生成、洗練、比較し、必要に応じて検証する。ビジネス、ブランド、プロダクト、ベンチャー、店舗、スタジオ、組織の命名や改名を依頼されたとき、既存のプロジェクトやコンセプトから名前を導出するとき、会社とプロダクトの命名体系を作成するとき、候補を比較するとき、会社、ドメイン、パッケージ、リポジトリ、マーケットプレイス、商標の衝突を確認するときに使用する。デフォルトでは閲覧なしの迅速なクリエイティブパスを行う。ユーザーが空き状況や調査を求めた場合、または最終的な名前を選ぶ場合は、最新の検証を用いる。法的な権利クリアランスを主張したり、ドメインを購入したり、古いまたは未検証の空き状況を事実として提示したりしない。
ニュースレターのキュレーション。コンテンツの収集、編集構成、購読者増加戦略を扱う。号の書式、リンクまとめ、コメントのスタイル、配信頻度を網羅。用途：メールニュースレター、リンクまとめ、週次ダイジェスト、キュレーションコンテンツ、クリエイターニュースレター。トリガー：newsletter、email newsletter、newsletter curation、weekly digest、link roundup、curated newsletter、newsletter writing、newsletter format、subscriber growth、newsletter strategy、content curation、newsletter template
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。