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
今日頭条の制作と運用の方法論。Use for: (1) 4 つの見出しフォーミュラに沿って頭条の見出しを作成し自己点検する, (2) 完読率の高い 3 つの構成で記事／微頭条を書く, (3) 推薦アルゴリズムのロジック（コールドスタート／タグマッチング／インタラクション重み）に基づいて表示回数とクリック率のデータを診断する, (4) アカウントのポジショニングと投稿時間の計画。Toutiao content methodology: headline formulas, retention-optimized structures, recommendation-algorithm-informed diagnostics.
ユーザーがジョブショップスケジューリング問題（JSP）を解きたいとき、複数機械での生産順序を最適化したいとき、または先行制約の下でメイクスパンを最小化したいときに使用する。ユーザーが "job shop"、"JSP"、"machine scheduling"、"production scheduling"、"operation sequencing"、"makespan minimization"、"flexible job shop" に言及したときにも使用する。フローショップは flow-shop-scheduling を参照。生産計画は production-scheduling を参照。
JavaScript の静的解析で隠れた API エンドポイントを抽出する。標的が SPA／フロントエンドとバックエンドが分離した構成である場合、ページが Vue/React/Angular を使用している場合、または通常のディレクトリ走査の効果が乏しい場合に使用する。JS バンドルを分析して API パス、キー、内部ドメイン、WebSocket エンドポイントを抽出する。API ペネトレーションテストの情報収集フェーズである。エンドポイントを発見したら → api-fuzz でセマンティックな fuzz を行う
大きな文字を映像の主役にしたキネティックタイポグラフィ動画。ナレーションや音楽のビートに合わせて、文字を打ち付けるように表示したり、伸縮、積み重ね、分割、入れ替えたりして、9:16または16:9のMP4にレンダリングします。テキストのみの解説、フックやタイトルシーケンス、引用、歌詞や詩の動画、告知、単語ごとのキャプションを主なデザインとする動画に適しています。他の映像に重ねる字幕（プラットフォームの字幕ツールを使用）や、読む量の多い長いスライド（data-story-chartsまたはsystem-diagram-animationを使用）には適しません。
Hacker News の「Show HN」ローンチをエンドツーエンドで準備・実行する — HN は他のどのチャネルよりも厳格で、**あらゆる投票の動員を禁じている**（サポーターによる一斉投票も、誰かに upvote を頼むことも決して許されない）。実際のプロダクト（実際のスタック、正直な限界）に根ざしたうえで、`.ulpi/launch/hacker-news/` に小さくコピペ可能なパッケージを書き出す：`POST.md`（標準の `Show HN: <thing> – <plain description>` タイトル + URL + 創業者による技術的で誇張のない最初のコメント）、`PLAN.md`（米国東部時間のタイミング、最初の 1〜2 時間の計画、厳しい質問への準備済み回答を含むスレッド参加計画、ローンチ後／二度目の機会の計画）、そして `CHECKLIST.md`（ブロッキングな準備完了ゲート）。launch-* ファミリーの HN ランナーであり、Show HN のルール、HN ポリシー、スレッドのランブック、ゲートを担い、共有の `launch-copy`（タイトル + 最初のコメント）と `launch-analytics`（UTM + コンバージョン計測）を組み合わせ、コンパニオンがインストールされていない場合は組み込みのフォールバックに降格する。技術的な誠実さと、その場にいて防御的でない創業者を評価し、誇張とサインアップしないと中身が見られないプロダクトを罰する。ユーザーが Show HN を投稿したい、または HN ローンチを計画したいときに使用する。
カスタム shadcn/ui レジストリを公開してプロモーションする。registry.json を検証し、ディレクトリ向けのプルリクエストを準備または作成し、Reddit、X、Dev.to、Hacker News 向けの投稿を起草する。ユーザーが shadcn/ui レジストリの公開、掲載、送信、告知を望む場合に使用し、awesome-shadcn-ui、registry.directory、free-for-dev、awesome-ai-devtools（MCP）、新しい @scope レジストリに関する依頼を含む。
X（旧 Twitter）でのプロダクトローンチをエンドツーエンドで準備・実行する——外部リンクはメインのツイートではなく返信に置くので、リーチが不利にならない。実際のプロダクトに基づき、そのまま貼り付けられるパッケージを `.ulpi/launch/x/` に書き出す：`POST.md`（ローンチ**スレッド**——スクロールを止めるフックツイート、スレッド本文、ネイティブメディア、返信内のプロダクトリンク）、`PLAN.md`（タイミング、**ゴールデンアワー**のエンゲージメントランブック、クロスプロモーション、ローンチ後の計画）、`CHECKLIST.md`（ブロッキングの事前チェックゲート）。launch-* ファミリーの X ランナーであり、X の仕組み、フォーマット規則、ゲートを担い、共有の `launch-copy`（スレッドのコピー）、`launch-outreach`（チームによる増幅、モード `x`）、`launch-analytics`（UTM + コンバージョン追跡）を組み合わせ、コンパニオンがインストールされていない場合は内蔵のフォールバックに劣化する。共有の `.ulpi/launch/positioning.md` を読み取る。自分のオーディエンスへのエンゲージメント依頼は問題ない（投票リングのルールはない）が、X がペナルティを与えるもの——メインのツイート内のリンク、エンゲージメントベイト、購入されたエンゲージメント——は避ける。ユーザーが X のローンチスレッドを書いてもらい、ローンチ当日を計画したいときに使用する。
接触後にリードをスコアリングします。接触前のプロフィールスコアを基に、会話でのみ得られるエンゲージメント、確認済みの取引規模、実際の意思決定経路、タイムラインを加味します。すでに話をしたリードの順位付け、返信待ちリストの優先順位付け、最初に電話する相手の決定、実際のパイプラインに基づくスコア帯の再調整を求められた場合に使用します。「これらのリードを評価して」「パイプラインの優先順位を付けて」「最初に誰に電話する？」「返信を順位付けして」などがトリガーです。まだ誰も話をしていないコールドリストのスコアリングには `prospect-scoring` を使用します。
プロジェクト内のすべての個人データ処理活動を対象とするデータインベントリ（mapa de dados）を作成・維持します。ユーザーが「mapa de dados」「data mapping LGPD」「que dados pessoais coletamos」「inventário de tratamento」と尋ねた場合や、LGPD 監査パイプラインの一環として使用します。`.lgpd/data-map.md` を生成します。Prisma schemas、API エンドポイント、サードパーティ SDK、ログ文からコードを逆解析してインベントリを作成するレガシーシステムで特に重要です。
PRD 専門家アドバイザーモード。著名な PM/CEO 3 名がアドバイザー役を演じ、PRD を能動的にレビューして弱点を見つけ、そのまま文書に書ける改善案を提示する。ユーザーが accept/reject で採用可否を決める。トリガー：/li-prd-review、「强化 PRD」「专家顾问」「帮我看看这份 PRD」「让专家来审 PRD」「PRD 有哪些漏洞」「帮我优化 PRD」「PRD 还有什么问题」。ユーザーが「PRD」と言わなくても、専門家役にプロダクト文書をレビューさせ改善案を得たい場合はこのスキルをトリガーする。トリガーしない場合：PRD 生成タスク（li-prd を使用）、コンテンツスクリプト生成、テーマ分析などのコンテンツ制作タスク。
ユーザーが「获取逐字稿」「转录视频」「提取文稿」「帮我扒一下」「这个视频说了什么」「这个博主说了啥」と言う場合、または動画リンクを渡して内容の抽出を求める場合にこのスキルを使用する。ユーザーが目的を言わずに動画リンクを貼っただけでも、文脈がベンチマーク分析やコンテンツ抽出に関わるなら能動的にトリガーする。video2text.py を呼び出して生の逐字稿を取得し、AI がよくある音声認識エラーを校正し、投稿者を特定してベンチマークブロガーのディレクトリにアーカイブする。トリガーしない場合：バズパターンの分析（li-analyzer を使用）、自分のテーマ案の記録（li-recorder を使用）、自分のスクリプト作成（li-writer を使用）。ユーザーが「get transcript」「transcribe video」「extract script」を求める場合、または動画リンクを渡してコンテンツ抽出を行う場合に使用する。音声認識、AI 校正を実行し、ベンチマークブロガーのディレクトリにアーカイブする。
GNU/Linux ホスト向けに LinuxMirrors のシステムパッケージソース変更を計画し指導する。ディストリビューションの判別、国内/教育ネットワーク/海外/公式ソース、対話式および無人実行のパラメータ、EPEL と EOL のシナリオ、バックアップ、検証、トラブルシューティング、ロールバックをカバーする。ユーザーが apt/yum/dnf/pacman/zypper/apk/portage/Nix のパッケージソースを明示的に変更したい場合に使用する。Docker CE と Registry Mirror は Docker 専用プロセスに切り替える。
inference.sh CLI から OpenRouter 経由で Claude、Gemini、Kimi、GLM および 100+ の LLM にアクセス。モデル：Claude Opus 4.5、Claude Sonnet 4.5、Claude Haiku 4.5、Gemini 3 Pro、Kimi K2、GLM-4.6、Intellect 3。すべてのモデルを 1 つの API で扱い、自動フォールバックとコスト最適化に対応。用途：AI アシスタント、コード生成、推論、エージェント、チャット、コンテンツ生成。トリガー：claude api、openrouter、llm api、claude sonnet、claude opus、gemini api、kimi、language model、gpt alternative、anthropic api、ai model api、llm access、chat api、claude alternative、openai alternative
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
記事の AI 生成コンテンツ指標を分析し、WeChat の 3.27 非人間による自動コンテンツ作成検出を通過するよう書き換える。テンプレート表現、接続詞の密度、文の均一性、段落パターンの反復、その他 WeChat が AI コンテンツを検出するために用いるシグナルをチェックする。リスクレポートと任意の人間らしい書き換えを出力する。ユーザーが記事が AI 生成らしく見えるか確認したい、記事をより人間らしくしたい、WeChat の AI 検出を回避したい、AI が書いたコンテンツを人間らしくしたいときに使用。ユーザーが "去AI痕迹"、"人性化润色"、"微信AI检测"、"anti-ai-check"、"humanize article"、"公众号发文检查" に言及したときにもトリガー。
AdonisJS Lucid ORM と SQL レイヤーを扱うときに使用: データベース設定、マイグレーション、スキーマ生成、スキーマクラス、モデル、CRUD 操作、モデルクエリビルダー、クエリスコープ、フック、シリアライズ、リレーション、トランザクション、ページネーション、デバッグ、バリデーションルール、モデルファクトリ、シーダー、データベースクエリビルダー。@adonisjs/lucid、database/schema.ts、app/models、database/migrations、database/factories、database/seeders、db サービスクエリ、Lucid リレーション、モデルの動作に関わるタスクでトリガー。
コードをどこに置き、どちらの方向に依存させるかを決めます。新しいモジュールの所属先、依存をその方向に流してよいか、境界の内側に何を残すか、抽象化が導入に値するかどうか、長いフローをいつ一つのまとまりとして保つべきか。変更前の調査、配置を選ぶ前に技術的な未知を検証すること、効果と依存を明示的に保つこと、既存のアーキテクチャが妥協を強いる場合にその妥協を記録することを扱います。ユーザーが "where should this live"、"is this the right structure"、"should I split this"、"this file is doing too much"、"clean this up" と言ったとき、またコードが I/O を隠す、広範なコンテキストオブジェクトを渡す、特定の呼び出し元を汎用メカニズムにハードコードする、最初のアーキテクチャの隣に二つ目のアーキテクチャを育てる場合に使用します。既に存在する変更の評価や、言語固有のイディオムには適しません。技術的な未知が未解決のまま選ばれた構造は、設計の衣装をまとった推測です。
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。