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 98,639 件掲載。コマンド 1 行でインストールできます。
すべて
Claude にあらゆるトピック——コードライブラリ、API、概念、ツール、方法論、領域——を教える。ウェブとドキュメントで調査し、その知識を永続的なスキルとして保持する。ユーザーが "/learn <topic>"、"learn about X"、"teach yourself Y"、"become an expert on Z" と言ったときに使用する。例——"/learn stripe" は決済、"/learn GTD" は生産性、"/learn israeli-tax-law" は領域知識。
生命保険と健康保険をガイドする——生保（定期、終身、ユニバーサル、変額の概要）、健康保険（個人、団体、Medicare/Medicaid の概要）、障害保険と LTC、引受、保険約款、保険金請求と給付管理、再保険、販売チャネル、指標（失効、継続率、損害率、MLR）。規制の概要（州 DOI、NAIC、ACA、HIPAA プライバシー——法的助言ではない）。生保、健康保険、定期生保、団体健康保険、生保引受、Medicare、Medicaid、ACA、医療損害率、MLR、障害保険、長期介護、LTC、継続率、生保再保険に使用——P&C（property-casualty-insurance）、年金（pension-retirement-funds）、アクチュアリーモデリング（actuary）、アクチュアリー業務（actuarial-consulting）、法的解釈（commercial-counsel）、保険文脈のない GRC（compliance-engineer）には使用しない。
貼り付けた LinkedIn の求人投稿や採用説明を、推測される痛点、ケイパビリティのギャップ、内製か購入かのシグナル、アカウント優先度スコア、提案するアプローチの切り口を含む構造化されたバイヤー痛点マップに変換する。採用投稿の分析、職務記述からのバイヤー意図の解読、求人情報からの痛点マップ構築、採用活動からの GTM シグナル抽出、採用データに基づくアカウントの優先順位付けを求められたときに使用。ユーザーが「analyze these job posts」「what pain does this hiring signal」「build a pain map from these listings」「decode this job description」「score these accounts from their hiring」と言ったときにトリガーする。
エンリッチされた Extruct テーブルと仮説セットを受け取り、仮説との適合度で企業をセグメント化し、データの豊富さとシグナルの強さに基づいてティアを割り当てる。メール生成にすぐ使える、ティア分けされたセグメント済みリストを出力する。トリガー："segment"、"tier"、"segment companies"、"tier companies"、"prioritize list"、"segment and tier"、"tiering"、"which companies first"。
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
ユーザーがロードビルディングを最適化したい、効率的なトラック積載を作成したい、またはトレーラー積載率を最大化したい場合。また、ユーザーが「load planning」「truck loading」「cargo optimization」「shipment consolidation」「cube utilization」「weight distribution」に言及した場合にも使用。パレット積載については pallet-loading を参照。コンテナ積載については container-loading-optimization を参照。
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
ユーザーが複数期間にわたる生産または発注ロットサイズを最適化したい、多期間在庫計画問題を解きたい、または需要が時間変動するなかでいつ・どれだけ発注／生産するかを決めたいときに使用する。ユーザーが "lot sizing"、"lot-for-lot"、"fixed order quantity"、"POQ"（periodic order quantity）、"part-period balancing"、"Silver-Meal heuristic"、"Wagner-Whitin algorithm"、"least unit cost"、"lot sizing with capacity constraints"、"multi-item lot sizing" に言及したときにも使用する。単一期間の問題については newsvendor-problem を参照。時間変動するロットサイズについては dynamic-lot-sizing を参照。
Microsoft Intune で管理される macOS エンドポイントの堅牢化に関するガイダンス——Apple Business Manager (ABM) による自動デバイス登録、Entra ID によるプラットフォームシングルサインオン (PSSO)、FileVault ディスク暗号化のエスクロー、セキュリティ構成プロファイル（Gatekeeper、XProtect、システム拡張機能の許可リスト、ファイアウォール、ログインウィンドウ、プライバシー設定ポリシーコントロール / PPPC）、macOS 上の Microsoft Defender for Endpoint、アプリ管理（Intune 経由の VPP / マネージドアプリ / シェルスクリプト）、パッチ適用戦略（マネージドソフトウェア更新 / DDM）、条件付きアクセスのコンプライアンスシグナル、クロスプラットフォームの ID モデル。WHEN：Mac Intune ベースライン、macOS 堅牢化 Intune、FileVault エスクロー、ABM Apple Business Manager、Platform SSO macOS、PSSO Entra、Mac 上の MDE、Gatekeeper Intune、システム拡張機能 Intune、PPPC Intune、macOS コンプライアンス条件付きアクセス。DO NOT USE：一般的な Intune デバイス管理のエンドツーエンド（intune-device-mgmt を使用）、MDE 設定のみ（defender-for-endpoint を使用）、iOS デバイス管理。
5/10/15s の縦型 UGC 動画を生成する。キャラクターが製品を手に取り、身につけ、見せる。character_sheet_url（R2 ホスト）と製品画像（product_image_url — 任意の https URL — または product_image_base64。自動的に R2 へ再ホストされる）を指定する。モードは 2 つ：script はリップシンクのトーキングヘッド製品レビュー（毎秒 2〜4 語）、scene_action は無音のデモ／B ロール。subject（例："a young woman"）を設定して人物の性別・外見を固定し、性別のある製品でぶれないようにする。framing："close_up"（胸から上、デフォルト）または "full_body"（全身、ターンアラウンド／コーデ全体の表示用）。人物と正確な製品の両方が参照画像から固定される。
行動原理と実証済みの実験に基づいたマーケティングやプロダクトのアイデアが必要なときに使用する。ユーザーが「marketing ideas」「product ideas」「awareness experiments」「conversion experiments」「growth experiments」「PLG tactics」「top of funnel」「trial to paid」「self-serve SaaS strategies」に言及した場合に使用する。このスキルは 5 層のメンタルモデル、30 の基礎的なマーケティング原則、認知とコンバージョンに向けた検証済みの実験を提供する。
MATLAB と Simulink のレポート生成タスク全般に対応する統合スキル。レポート生成、PDF レポート、ドキュメント生成、mlreportgen、Report Generator、テンプレート、TitlePage、Chapter、マルチページ HTML、HTMLPage、html-multipage、カスタムレポーター、customizeReporter、テンプレートホール、ページヘッダー、ページ境界線、企業スタイルパッケージ、ブランドレポーター、buildTemplates、Simulink レポート、モデルドキュメント、slreportgen、ブロック線図レポート、モデルレポート、サブシステムドキュメント、SystemDiagramFinder、SystemIO、ExecutionOrder、LookupTable、テンプレートスタイル、ページフッター、TemplateSrc、レポートパッケージ、テーブルバリアント、複数の HTML ページ、PDF レポート生成、Word レポート、DOM API、FormalTable、BaseTable、Figure、FormalImage、Section を扱う。
Classification Learner または Regression Learner を使用して機械学習モデルの訓練、比較、エクスポートを行いたい場合に使用する —— アプリの起動、データの読み込み、モデルの訓練、指標の評価、結果の比較、プロットの可視化、ホールドアウトデータでのテスト、モデルの解釈可能性の探索、訓練済みモデルのエクスポートを含む。AppController を介した Classification Learner および Regression Learner アプリへのプログラムによるアクセス。
React Native プロジェクトでの MatrixScan Count（BarcodeCount）— scandit-react-native-datacapture-barcode パッケージ。BarcodeCountView によるマルチバーコード計数ワークフロー（スキャンアンドカウント、想定キャプチャリストとの照合計数、ステータスオーバーレイ）。Capacitor の場合は matrixscan-count-capacitor を使用する。統合、設定とシンボロジー構成、結果処理、UI カスタマイズ、計数ワークフローのトラブルシューティングに使用する。
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）。
.NET MAUI アプリからプラットフォーム固有のネイティブ API を呼び出すためのガイド。部分クラス、条件付きコンパイル、マルチターゲット構成、および Android、iOS、Mac Catalyst、Windows の機能を必要とするクロスプラットフォームコードの依存性注入パターンを扱う。使用対象："platform-specific code"、"conditional compilation"、"partial class"、"#if ANDROID"、"#if IOS"、"multi-targeting"、"native API call"、"platform invoke"、"platform-specific DI"、"DeviceInfo.Platform"。使用対象外：カスタムコントロールハンドラー（maui-custom-handlers を使用）、権限リクエスト（maui-permissions を使用）、依存性注入パターン（maui-dependency-injection を使用）。
markdown の PR 説明またはコードレビュー（```diff のフェンス付きブロックと、重大度タグ付き GFM コールアウト [!BLOCKER]/[!MAJOR]/[!MINOR]/[!NIT] を含むもの）を、単一ファイルの 2 カラム HTML レビューに変換します。左側に unified diff、右側に重大度タグ付き注釈カードを配置し、上部のジャンプナビにすべての指摘を列挙し、フッターにはレビュー担当者名を必須で表示します。markdown-html-orchestrator が入力を REVIEW と分類した場合、または /cs-md-review から直接呼び出した場合に起動します。--reviewer が明示されていない場合（コードレビューには人間の名前が必要）、差分ブロックがない場合（md-document にルーティング）、重大度を色だけで示そうとした場合（WCAG 1.4.1 に従い、各バッジに色、アイコン、aria-label が必要）は処理を拒否します。オーケストレーターによるルーティング後に使用します。
FFmpeg（動画/音声のエンコード、変換、配信、フィルタリング、ハードウェアアクセラレーション）と ImageMagick（画像処理、フォーマット変換、バッチ処理、エフェクト、合成）でマルチメディアファイルを処理します。メディア形式の変換、特定のコーデック（H.264、H.265、VP9）での動画エンコード、画像のサイズ変更/トリミング、動画からの音声抽出、フィルタとエフェクトの適用、ファイルサイズの最適化、配信マニフェスト（HLS/DASH）の生成、サムネイル生成、画像のバッチ処理、合成画像の作成、メディア処理パイプラインの実装に適切です。100 以上のフォーマット、ハードウェアアクセラレーション（NVENC、QSV）、複雑なフィルタグラフに対応します。
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。