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 98,873 件掲載。コマンド 1 行でインストールできます。
すべて
HubSpot/Klaviyo/Mailchimp（および類似の ESP）向けメールマーケティング自動化：トリガーベースのライフサイクルワークフロー（ウェルカム、オンボーディング、ナーチャリング、ウィンバック、カート放棄）の設計、セグメンテーション + 抑制/頻度ポリシーの定義、配信到達性のトラブルシューティング（SPF/DKIM/DMARC、ワンクリック配信停止、リストハイジーン）、インクリメンタリティ/ROI の測定（ホールドアウト、RPE、リテンション経済性）。
Datafeed Toolbox を使って MATLAB で金融・経済データにアクセスするためのガイド。Bloomberg（bloomberg/blp/bloombergHypermedia による市場データ）、FRED（fredrs による連邦準備制度の経済データ）、Haver Analytics（haver/haverdirect/haverview による経済データ）、LSEG Datastream（datastreamws による履歴データ）を扱う。MATLAB からこれらのデータプロバイダーに接続する際に使用。
工業 HMI の慣例（ISA-101 準拠）に従い、MATLAB で産業グレードの SCADA/HMI ダッシュボードを構築する：グレーフィールドの考え方、発生源でのアラーム、書き込み保護、固定レンジのトレンド、ドリルダウン レイアウト。利用可能な場合はシリアル化を matlab-build-app スキルに委ねることで実際の App Designer アプリ（.mlapp、または R2026b+ ではプレーンテキストの .m+.xml）を生成し、そうでない場合はプログラムで生成する .m アプリにフォールバックする。OPC UA / Modbus / MQTT / OSI PI / PI AF の監視スクリプトをライブのオペレーターアプリにまとめる場合、プラント概要の構築、オペレーター ダッシュボードの設計、または MATLAB で "SCADA dashboard"、"HMI"、"plant dashboard"、"operator screen"、"industrial monitoring app" を求められたときに使用する。トリガー：SCADA、HMI、industrial dashboard、plant overview、operator screen、uigauge、uilamp、alarm banner、gray-field、ISA-101、OPC UA dashboard、setpoint、write safeguards、alarm visualization、OSIsoft PI、AVEVA PI、PI Server、PI Data Archive、PI AF、PI Asset Framework、piclient、afclient。
カスタム .NET MAUI ハンドラーの作成、プロパティマッパーによる既存ハンドラーのカスタマイズ、プラットフォーム固有のネイティブビューの実装に関するガイド。PrependToMapping/ModifyMapping/AppendToMapping、PropertyMapper、CommandMapper、部分ハンドラークラス、ハンドラー登録を扱う。用途："custom handler"、"PropertyMapper"、"AppendToMapping"、"PrependToMapping"、"ModifyMapping"、"CommandMapper"、"platform-specific rendering"、"native view"、"handler registration"、"custom control renderer"。対象外：カスタムコントロールを伴わないプラットフォーム API 呼び出し（maui-platform-invoke を使用）、データバインディング（maui-data-binding を使用）、ジェスチャー処理（maui-gestures を使用）。
Max — GTM システムのコパイロット。Victor Shulga のスキルスタックの上位に位置するアドバイザーとして、スキルバンドルをダウンロードした人を案内します。オンボーディングを行い、所属する代理店の状況を診断し、段階に合った適切なスキルへ案内し、各スキルの用途と実行時期を説明し、ゲートを適用して、必ず具体的な次のアクションへ引き継ぎます。「どのスキルを使えばいい？」「何から始めればいい？」「このシステムはどう動く？」「次に何をすればいい？」「[skill] を説明して」「GTM／アウトバウンド／営業／顧客維持の課題がある。助けて」「я загубився в скілах」「з чого почати」「що робити далі」「поясни скіл X」「I have no SDR」「show me the team」「у нас нема SDR」「покажи команду」「Макс, тренажер: <компетенція>」と尋ねた場合や、バンドルを初めて開いた場合に使用します。Max はルーティングとコーチングを行い、タスクを実行するスキルへ案内します（トレーナーのドリルは Max 自身が実行します）。特定のスキルを最初から最後まで実行する用途ではありません（そのスキルを直接呼び出してください）。システム外の GTM アドバイスを考案する用途でもありません。
Cloudflare MCP 経由で Workers/KV/R2/D1/Hyperdrive を管理し、可観測性/ビルドのトラブルシューティング/監査/コンテナサンドボックス操作を実行する。トリガー：worker/KV/R2/D1/logs/build/deploy/screenshot/audit/sandbox。3 段階の権限：Diagnose（読み取り専用）、Change（書き込みは確認が必要）、Super Admin（分離環境）。書き込み操作は、まず読み取り、ユーザーの確認、実行後の検証に従う必要がある。
MCP（Model Context Protocol）プロトコルのセキュリティテスト手法。対象環境が MCP サーバーで外部ツールを統合している場合、MCP ツール記述の安全性を評価する必要がある場合、またはエージェントが MCP 経由でツールを呼び出す際のセキュリティ境界をテストする場合にトリガーされる。網羅：ツール記述のポイズニング、ラグプル攻撃（動的な改ざん）、命令の上書き（Shadow Tool）、隠し命令（ANSI/Unicode）、サーバー間攻撃、Token 窃取、Schema 操作、コンテキストオーバーフロー。
FFmpeg と ImageMagick による動画/音声/画像処理。ツール：FFmpeg（動画/音声）、ImageMagick（画像）。機能：フォーマット変換、エンコード（H.264/H.265/VP9/AV1）、ストリーミング（HLS/DASH）、フィルター、エフェクト、サムネイル、ウォーターマーク、バッチ処理、ハードウェアアクセラレーション（NVENC/QSV）。操作：メディアの変換、エンコード、リサイズ、トリミング、圧縮、抽出、結合、ストリーミング、トランスコード。キーワード：FFmpeg、ImageMagick、動画エンコード、音声抽出、画像リサイズ、サムネイル、ウォーターマーク、HLS、DASH、H.264、H.265、VP9、AV1、コーデック、ビットレート、フレームレート、解像度、アスペクト比、フィルター、オーバーレイ、連結、トリム、フェード、バッチ処理。使用場面：動画/音声フォーマットの変換、特定のコーデックでのエンコード、サムネイルの生成、ストリーミングマニフェストの作成、動画からの音声抽出、画像のバッチ処理、ウォーターマークの追加、ファイルサイズの最適化。
多数のエージェントコーディングセッション（Claude Code と OpenAI Codex）を横断した /insights 風の HTML レポートを生成します。何に取り組んでいるか、エージェントをどう使っているか、うまくいった点、摩擦点、そしてより効果的になるための具体的な改善策 — 目標の明確化、出力を盲信しないこと、スコープの設定、コンテキストの衛生管理、モデルの適正化。ローカルのセッション履歴を読み、自己完結型の report.html を 1 つ書き出します。ユーザーが「разбери мои сессии」「оцени как я работаю с агентом」「мой insights」「session insights report」「review how I work」「на что обратить внимание」と求めた場合や、「/mentor」「/mentor claude」「/mentor codex」「/mentor both」を実行した場合に使用します。生成されたコードのレビュー（それは code-review）やエージェントの構築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。
GitHub Pages で MkDocs Material ドキュメントサイトを構築または保守する。厳格な 2 パスの i18n とデフォルト言語の llms.txt、copy-to-LLM、ページ/ナビのヘルパー、zh-TW 翻訳に対応。ドキュメントのセットアップや公開、バイリンガルまたは多言語ドキュメントの追加、ほぼ空の llms.txt や i18n 厳格ビルドの失敗の修復、旧版 mkdocs-site-bootstrap サイトの移行の際に使用。同意を前提とし、承認なしに既存ドキュメントを書き換えることはない。
プロジェクトの学びを管理します。これは、エージェントがすべてのスキルとセッションを通じて記憶すべき、小さく、原子的で、検証済みのパターンです。/money-save（セッション状態全体をキャプチャする）とは異なり、学びは個々の洞察であり、他のすべての money-* スキルのコンテキストに自動で読み込まれます。ユーザーが記憶に値する何かに気づいたばかりの場合に使用します。顧客パターン、価格設定の洞察、機能するチャネル、失敗モードなどです。トリガー：'remember this'、'log a learning'、'this is a pattern'、'show learnings'、'what have we learned'、'记住这个'、'存入经验'、'查看经验库'。
ビジネスプランに対して 4 つのレビュースキル（investor、customer、operator、skeptic）を順番に実行し、判定が一致する箇所は自動で決定し、不一致と好みの判断のみをユーザーに提示します。1 つのコマンド = 完全なレビュー試練を、インテリジェントにフィルタリングして実行します。プランがコミット前にストレステストの準備ができたときに使用します。トリガー：'panel review'、'review panel'、'run all reviews'、'review gauntlet'、'审议会'、'四方评审'。
毎週のビジネスレトロスペクティブ。過去 1 週間のすべてのスナップショット、学び、スキル使用のテレメトリ、および（提供されていれば）収益データを読み取ります。出力：決定されたこと、出荷されたもの、停滞しているもの、スキルアクティビティ、推奨される次の焦点。使用されていないスキルをアクティベーションプロンプトとして提示します。週の終わりまたはスプリントの終わりに使用します。トリガー：'weekly retro'、'business retro'、'what did we ship'、'how's the week going'、'周复盘'、'业务回顾'、'本周复盘'。
指定されたターゲット顧客の視点からビジネスプランをレビューします。「彼らは今日、この価格でこのソリューションに実際に支払うか」を問います。4 つのモードのいずれかで判定を出力します — PAY NOW / PAY WITH FRICTION / WOULDN'T PAY / WRONG ICP。ユーザーが明確な ICP と価格設定を持ち、バリュープロポジションが現実に耐えうるかをストレステストしたい場合に使用します。トリガー：'customer review'、'would they pay'、'pricing reality check'、'客户视角'、'会付费吗'。
スマートマネーのシード/シリーズ A 投資家の視点でビジネスプランやプロダクト戦略をレビューする。鋭い問いを投げかける：これは投資に値するか？モートは何か？エグジットのストーリーは？4 つのモードのいずれかで判定を出力する — SEED VIABLE / LATER ROUND ONLY / BOOTSTRAP-ONLY / UNFUNDABLE。ユーザーがビジネスプランを持ち、投資家ピッチを乗り切れるか知りたいときに使用。トリガー：'investor review'、'is this fundable'、'VC perspective'、'投资人视角'。
現在のビジネス状態をディスクに保存し、今後の Claude Code セッションが中断した地点から再開できるようにする。確定した結論、除外した方向性、未検証の仮説、次に推奨する skill を記録する。/money-discover、/money-strategy、/money-diagnose、または任意のパイプライン段階でユーザーが結論に達し、その状態を確定したいときに使用。次の場合にもトリガーされる：'save this'、'checkpoint'、'remember this'、'lock it in'、'保存'、'存档'、'记下来'、'这个结论留着'。
現在の会話で成功したワークフローを恒久的なプロジェクトローカルの skill として codify する。例えばコンバージョンするコールドメールのシーケンス、ベースラインを超える広告クリエイティブの形式、複利的に伸びるコンテンツパイプラインのリズムを発見した後に、/money-skillify がそれをプロジェクトのローカル skills ディレクトリ配下の SKILL.md として書き出し、今後のセッションが再発見なしに呼び出せるようにする。ユーザーが次のように言うときに使用：'this worked, save it'、'codify this'、'turn this into a skill'、'把这个固化下来'、'存成 skill'。
過剰エンジニアリングのパターンを検出すると自動的に有効化される：(1) ユーザーが明示的に変更を求めていないコードやファイルを変更する (2) 求められていない新しい抽象化レイヤー（class、interface、factory、wrapper）を作成する (3) 求められていないコメント、ドキュメント、JSDoc、型注釈を追加する (4) 求められていない新しい依存関係を導入する (5) 最小限の編集ではなくファイル全体を書き換える (6) diff の範囲がユーザーの要求を明らかに超えている (7) 「多すぎる」「それは変えないで」「X だけ変えて」「シンプルにして」「やめて」といったユーザーのシグナル (8) 起こり得ないシナリオに対するエラー処理、検証、防御的コードを追加する (9) 求められていないテスト、設定のスキャフォールド、ドキュメントを生成する
複数の AI モデルの出力を統合し、包括的で検証済みの評価を作成する。使用場面：（1）ユーザーがコードやプロジェクトについて複数の LLM（Claude、GPT、Gemini など）からのフィードバック/分析を貼り付ける、（2）ユーザーがモデルの出力を単一の信頼できる文書に統合したい、（3）ユーザーが実際のソースコードに照らしてモデル間で矛盾する主張を解決する必要がある。このスキルはモデルの主張をコードベースに照らして検証し、証拠をもって矛盾を解消し、単一のモデルよりも信頼できる評価を生成する。
ユーザーが複数の相反する目的を最適化したい、パレート最適解を求めたい、またはコスト、サービス、品質、持続可能性の間のトレードオフを調整したい場合。また、ユーザーが「multi-objective」「Pareto optimization」「NSGA-II」「trade-off analysis」「scalarization」「weighted objectives」「goal programming」「multiple criteria optimization」に言及した場合にも使用。単一目的については optimization-modeling を参照。
楽曲の音声、ジャンル、歌詞、キャラクター、ビジュアルリファレンスに基づき、生成前のプロフェッショナルな MV 監督構想、視聴覚構成、絵コンテ設計を完成させる。MV 企画、監督の意図説明、楽曲のセグメント分け、ナラティブ／パフォーマンス／コンセプト／雰囲気の構成選択、音画関係、人物の演技とカメラワーク、モンタージュ、グリッド絵コンテ、下流の動画プロンプトの事前設計に使用する。H3/Seedance などのモデルのプロンプト最適化、画像や動画の生成、API 呼び出し、RunningHub への送信、EDL、素材編集、レンダリングには使用しない。
Google Gemini の画像モデルを使用して画像を生成・編集する。ユーザーが AI で画像を作成、生成、制作、編集したいと依頼したときにこのスキルを使用する。テキストからの画像生成、画像編集、スタイル転送、複数画像の合成に対応する。"create an image"、"generate a picture"、"make me a logo"、"edit this photo"、"add X to this image" のようなリクエストで起動する。
nano-banana CLI 経由で Google Veo モデルを使って動画を生成する。ユーザーが AI で動画を作成、生成、アニメーション化、制作するよう求めた場合にこのスキルを使用する。テキストから動画、画像から動画へのアニメーション、リップシンク付きの対話、シーン拡張に対応。"create a video"、"animate this image"、"make a video clip"、"generate footage"、"produce a short film"、"add motion to this" といったリクエストでトリガーする。
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。