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
AMQP プロトコルを備えた RabbitMQ メッセージブローカー。exchanges、queues、bindings、メッセージングパターンを扱う。信頼性の高いメッセージ配信と複雑なルーティングのシナリオに使用する。使用場面：ユーザーが "rabbitmq"、"amqp"、"exchanges"、"routing patterns"、"topic exchange"、"fanout" に言及する場合、または "message routing"、"work queues"、"request/reply"、"flexible routing" について尋ねる場合。使用しない場面：高スループットのストリーミング — `kafka` または `pulsar` を使用；クラウドネイティブ — `nats` を使用；AWS ネイティブ — `sqs` を使用；JMS が必要 — `activemq` を使用；単純な pub/sub — `redis-pubsub` を使用
ユーザーが Xiaohongshu（小红书/RedBook）の投稿を作成したいときにこのスキルを使用する。トリガーフレーズ：小红书创作, create redbook, 小红书, 红书, 笔记创作, 帖子创作。ユーザーは画像、動画、またはテキストのコンテンツを提供する。このスキルはコンテンツを分析し、参考としてトレンドの Xiaohongshu 投稿を検索し、投稿のタイトルとコピーを生成し、動画を自動編集し（結合、字幕、BGM、ナレーション）、Xiaohongshu クリエイタープラットフォームへの自動アップロードを試み、ローカルプレビュー用 HTML ファイルを生成する。
LLM ガードレールの学習データを生成するため、範囲を限定したレッドチーミング自動リサーチループを実行する。あなた (このスキルを実行するエージェント) が攻撃者であり審判である：攻撃を立案し、すべての応答にラベルを付ける。ハーネスが呼び出す唯一のモデルはテスト対象であり、任意の OpenAI 互換 API (OpenRouter、Moonshot/Kimi、Fireworks、Ubicloud、OpenAI、またはカスタム) を介し、そのキーは `.red-team/.env` にある。すべての試行 (成功・失敗) は JSONL に書き出され、Llama Guard 形式でガードレールをファインチューニングする準備が整う。有害コンテンツ、ジェイルブレイク、プロンプトインジェクション、バックドア/トリガー動作について LLM をレッドチームまたはストレステストするよう求められた場合、安全/不安全データセットを構築する場合、または新規攻撃を大規模に採掘する場合に使用する。hacker スキル (コード/インフラの悪用可能性) を補完する：本スキルはモデル動作を対象とし、データを生成する。
紹介（リファラル）プログラムや phonics アフィリエイトプログラムを設計・ローンチ・最適化したいときに使います。「referral program」「affiliate program」「word of mouth」「refer a friend」「incentive program」「customer referrals」「brand ambassador」「partner program」「referral link」「growth through referrals」への言及が対象です。紹介という考え方だけでなく、プログラムの仕組み、インセンティブの設計、最適化まで扱います。
GitHub プロジェクトで新バージョンをリリースするときに使用する skill。バージョン番号の管理、CHANGELOG の同期、リリースノートの作成、tag の作成、CI ビルドの監視、リリース検証、履歴のクリーンアップまでの全工程をカバーする。デスクトップアプリ、コマンドラインツール、Web アプリ、ライブラリ / SDK など、あらゆる GitHub ベースのソフトウェアプロジェクトに適用できる。ユーザーが「发布」「release」「打 tag」「新版本」「更新版本号」「写 release notes」「发布失败了」「CI 挂了」「Actions 配额告急」「短时间内多次发版」「monorepo」「批量打包」「多 skill 发布」「skill zip」「专家套件 zip」に言及したときにトリガーする。release を CI 検証の仕組みとして使う（「打 tag 看一下」）アンチパターンを拒否する場面でも使用する。非 GitHub プロジェクト（純粋な GitLab / Gitea プロジェクトなど）や CI を必要としない手動リリースの場面には使用しない。
既存の Remotion（React ベース）の動画コンポジションを FrameVideo の HTML コンポジションに変換します。ユーザーが Remotion コンポジションを FrameVideo として移植、変換、移行、翻訳、書き換えることを明示的に求めた場合にのみ使用します（例:「Remotion プロジェクトを FrameVideo に移植して」）。(a) 新しい FrameVideo コンポジションを作成する場合（Remotion 動画の A/B テストであっても）、(b) Remotion が言及されるだけの場合、(c) Remotion のコードが変換目的ではなく参考として共有された場合、(d) ソースの移行を明示的に求めずに「Remotion のものと同じ動画」を求める場合は使用しないでください。新規の FrameVideo 構築として扱います。判断に迷う場合は、`framevideo` スキルを既定とします。未対応のパターン（useState、useEffect の副作用、非同期 calculateMetadata、サードパーティの React コンポーネントライブラリ、`@remotion/lambda`）を検出し、損失のある変換ではなくランタイム相互運用のエスケープハッチを推奨します。
代理店クライアント向けに、アウトバウンドへの返信（肯定的な反応、異議、返信途絶）を徹底的に調査し、既定の9セクション形式で構造化ページにまとめます。アウトリーチ返信の一群を共有して分析を求められた場合（「analyze these replies」「audit the replies」「what's wrong with our responses」「why are leads ghosting」「analyze positive responses」など）、Google Sheet／CSV／Notion テーブルへのリンクがある場合、または LinkedIn 自動化やコールドメールキャンペーンへの返信に言及された場合に使用します。Google Sheet、CSV、Notion テーブル、貼り付けたテキスト、アウトリーチプラットフォームの MCP など、あらゆるソースに対応します。必ず根本原因（ターゲティング／データの問題か、SDR／提案の問題か）を診断し、すべての返信を分類し、データから模範的な返信テンプレートを抽出して、9セクションの監査結果を作成します。単一指標のベンチマーク（「返信率は良いか」）には使用しません。その場合は outbound-analyst を使用します。
ユーザーが「ファイル/画像/Web ページ/説明からレビューのテーマを抽出」「テーマ＋キーワード＋中心的な問いの構造化出力を生成」と明示的に依頼したとき、または旧名の get-review-theme skill の使用を求めたときに使用する。ファイル（PDF/Word/Markdown/Tex）、フォルダ、画像、自然言語の説明、Web ページ URL など多様な入力ソースに対応し、入力タイプを自動判別して内容を抽出し、research-literature-review やその他の文献レビュー skill にそのまま使える構造化出力を生成する。
仕様に Open Questions セクションがある場合（または潜在的なギャップをひそかに抱えている場合）に、計画や実装を始める前にそれらを解消するための brainstorm-beagle の後続として使用する。トリガー：「resolve the open questions」「close the gaps in this spec」「research the open items」「finalize my spec」「make this spec implementation-ready」「answer the TBDs」。ユーザーが brainstorm-beagle の仕様を指して、調査、提案、未解決項目への回答を求めたときにもトリガーされる。利用可能な場合は並列の調査サブエージェントを編成し（そうでなければインラインの逐次調査にフォールバック）、ユーザーの承認を得るために回答を 1 つずつ提案し、その後仕様をその場で書き直して、既知のギャップがない状態で計画に進めるようにする。コードの記述、実装の設計、計画の作成は行わない——完全な仕様を生み出すだけである。
承認されたリバースエンジニアリングを導く——静的・動的バイナリ分析、逆アセンブルと逆コンパイルのワークフロー、プロトコルとファイル形式のリバーシング、防御的なマルウェア分析（挙動、IOC、YARA のアイデア）、ファームウェア RE、パッチ差分分析、脆弱性研究の文書化。書面による承認、輸出管理の意識、所有していないまたはライセンスのないソフトウェアの保護を回避する支援を行わないことを重視する。リバースエンジニアリング、逆アセンブル、逆コンパイル、Ghidra/IDA スタイルのワークフロー、バイナリ分析、防御目的のマルウェア分析、ファームウェア RE、パッチ分析に使用する——ディスクイメージフォレンジック（digital-forensics-analyst）、リアルタイムのインシデント指揮（incident-responder）、SOC アラートトリアージ（soc-analyst）、承認されたペンテストの悪用（penetration-tester）、LLM レッドチーム（ai-redteam）、CI パイプラインゲート（devsecops）には使用しない。
ユーザーと一緒にPostHogのデータウェアハウス提案を確認し、対応します。提案内の数値に基づき、ビューをマテリアライズ、非マテリアライズ、認定、非推奨にすべき理由を説明します。ユーザーが別の設定を希望する場合は、マテリアライズ提案の更新モード、キー、間隔を変更し、その後、提案を承認、却下、または割り当てます。PostHogのデータウェアハウス提案の内容、ビューをマテリアライズすべきか、増分または数時間ごとに更新すべき理由について尋ねられた場合や、提案の承認、変更、却下、割り当てを希望する場合に使用します。
rhdh-plugins または community-plugins リポジトリ内の Backstage プラグインの欠陥を再現、診断、修正する：RHIDP、RHDHBUGS、RHDHPLAN、RHDHSUPP の Jira キー、GitHub issue、またはプレーンテキストから報告を解決し、所有するワークスペースを特定し、記載された理由で失敗する使い捨ての再現テストを書き、UI 欠陥の場合は修正前後の Playwright 動画証跡を記録し、その後最小限の修正を適用して検証する。「fix this plugin bug」「reproduce RHIDP-1234」、誤った表示をするプラグイン、修正前後の証跡が必要なリグレッションに使用する。
JSON のポーズ仕様から Blender で Roblox キャラクターアニメーション（R15 または R6）をヘッドレスで作成し、コンタクトシートと GIF をレンダリングして検証し、参照ポーズに合わせます。パンチ、スイング、エモート、待機、歩行、死亡、ツール動作などの Roblox アニメーションの作成・生成・自動化、参照ポーズに合わせたアニメーションの作成、または Blender の UI を開かずに .blend リグをアニメーション化する場合に使用します。Roblox アニメーションが「崩れる」、手足が外れる、スクリプト上では正しいポーズなのにレンダリングが誤る、フレーム間で手足が飛んだり反転したりする、ポーズが参照とまったく異なる場合にも使用します。
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。