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
B2B キャンペーン向けの Meta Ads（Facebook/Instagram）管理スキル。Meta プラットフォーム上の B2B SaaS に特化したオーディエンス戦略、キャンペーン構成、クリエイティブテスト、リードフォーム最適化を扱う。必須トリガー：Meta Ads、Facebook Ads、Instagram Ads、Facebook campaign、Meta campaign、Facebook advertising、Meta advertising、Facebook lead gen、Meta lead forms、Facebook retargeting、Meta remarketing、Facebook lookalike、Meta audience、Advantage Plus、Meta B2B、Facebook B2B
ColdIQ marketplace の Meta Ads endpoint を通じて、Meta（Facebook/Instagram）で動画広告を配信している DTC / eコマースブランドを発見し、Target Account Lists を拡充する。新規の DTC / eコマース / サブスクリプション見込み顧客リストの作成、Meta の動画広告に出稿しているブランドの特定、特定の業種（ベビー、ジュエリー、ワイン、サプリメント）の企業の発見、アクティブなクリエイティブチームを持つ企業の特定に使用する。トリガーは "Meta ads"、"Facebook Ad Library"、"find DTC brands"、"scrape ads"、"ecommerce prospect list"、"brands running video ads"、"ad library search"。LinkedIn 広告（linkedin-ad-library endpoint を使用）、企業情報データベース検索（apollo-search / coldiq-search-enrich を参照）、コンタクトのエンリッチメント（contact-enrichment を参照）には使用しない。
厳密で数学的に根拠のあるプログラム構築と検証を適用する。公理的意味論、構造帰納法、境界関数を用いた再帰設計、アルゴリズムの埋め込み、ループ不変条件を用いた反復的導出により、形式化された事前/事後仕様から正しいプログラムを導出する。言語非依存。ユーザーが関数を正しく実装したい、ループや再帰について推論したい、形式仕様を書きたい、事後条件からテストを導出したい、停止性を証明したい、データ構造を代数的に設計したい、または構築によってプログラムの正しさを保証したいときはいつでもこの skill を使用する——たとえ「formal methods」や「specification」といった用語を使わなくても。
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。
/money-save で保存された以前のビジネス状態スナップショットを復元し、前回のセッションが中断した箇所から正確に続行できるようにする。現在のプロジェクトの最新スナップショット（作業ディレクトリから自動検出）を読み込むか、インデックスで特定のものを読み込む。新しい Claude Code の会話を開始し、ユーザーが以前の作業を続けたいときに使用する。トリガー：'continue from last time'、'where did we leave off'、'pick up from before'、'resume'、'接着上次'、'续上'、'之前的结论'、'上次诊断到哪了'。
実際に実行しなければならないソロファウンダーの視点から事業計画をレビューする。厳しい運用上の問いを投げかける：自分の時間予算でこれを構築できるか？動かし続けられるか？キャッシュフローはもつか？結論を出力する — SHIPPABLE NOW / SHIPPABLE WITH DESCOPE / NEEDS HIRE / WRONG STACK。計画が紙の上では素晴らしく見えるが、ソロの運用者が実際に実行できるかを知りたいときに使用する。トリガー：'operator review'、'can I actually do this solo'、'execution reality check'、'操盘视角'、'我能不能干得动'。
敵対的な悪魔の代弁者の視点から事業計画をレビューする。問いかける：6 か月目にこれを殺すものは何か？誰もが礼儀正しく口にしていないことは何か？結論を出力する — EXISTENTIAL RISK / SOLVABLE RISKS / LOW-RISK / WRONG QUESTION。投資家／顧客／運用者のレビューが完了した後、実際の時間と資金を投じる前の最後の関門として使用する。トリガー：'skeptic review'、'devil's advocate'、'what would kill this'、'red team this'、'泼冷水'、'杀手在哪'。
アプリのローンチフィルムを制作する。モバイル（iPhone 内）またはデスクトップ（ノートパソコンのデスクトップ上のウィンドウ、実ポインタ付き。Web アプリはブラウザウィンドウ内）で、実際の UI を HTML で再構築またはキャプチャし、あるいはブランドのキャラクターとエンドカードを使ったパネルでストーリーを語る。フィルムはビートに合わせて編集され、それ用に（またはユーザーの）オリジナルトラックに乗せ、選んだビジュアルスタイルで、ユーザーが選ぶローカル音声（Chatterbox または Kokoro）の任意のナレーションを付け、フレームごとに確認して MP4、ミュートのループ、ポスター、単一の自己完結型 HTML にレンダリングする。また、小節とフレームに合わせてトラックを作成または編集し、ナレーションを書き、ミックスし、確認のうえ必要なツールを確認してインストールする。ユーザーが iOS、Android、macOS、Windows、Linux、Electron、Tauri、または Web アプリのローンチ動画、プロモ、ティーザー、プロダクトフィルムを求めるとき、そうしたフィルムのストーリー、スタイル、テンポ、デバイス、音楽、ナレーションを変更したいとき、音楽の制作やフィルムのビートに合わせたトラックの編集、ナレーションのミックスを求めるとき、またはこのツールの実行に何が必要かを尋ねるときに使用する。
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。
dbt-materialize アダプタを使用して dbt で Materialize のストリーミングパイプラインを管理する。マテリアライゼーション（source、source_table、view、materialized_view、sink、table、seed）、profile 設定、インデックス作成、ブルー/グリーンデプロイ（deploy_init、deploy_promote、deploy_cleanup）、クラスタ管理、strict mode、テストを扱う。ユーザーが Materialize 用の dbt モデルの作成、Materialize 用の dbt profile の設定、Materialize に対する dbt の実行、dbt によるブルー/グリーンまたはゼロダウンタイムデプロイ、dbt での source や sink の作成、dbt-materialize の問題のトラブルシューティング、既存 dbt プロジェクトの Materialize への移行について尋ねる場合は常にこの skill を使用する。dbt の文脈で dbt-materialize、materialized_view マテリアライゼーション、deploy_init、deploy_promote、deploy_await、strict_mode、refresh_interval、retain_history、partition_by に言及した場合もトリガーする。
Python または R を使って、Nature 系およびその他の高インパクトジャーナル向けの投稿級の原稿図を作成、修正、監査、仕上げする。マルチパネルの科学プロット、matplotlib/seaborn、ggplot2/patchwork/ComplexHeatmap、ジャーナル対応の SVG/PDF/TIFF 書き出しを扱う。OpenRouter GPT Image 2 によるグラフィカルアブストラクトや、ユーザーが AI 生成を明示的に求めた場合の概念図・メカニズム図にも使用する。実行前に図の結論、エビデンスの論理、書き出しを確定し、選択または保存されたプロットバックエンドに従う。トリガー：paper figures、scientific/academic plotting、manuscript data visualization、論文配図、学術写作配図、科研绘图、科研作图、画图、作图、出図、論文図表、可視化、論文示意図、メカニズム示意図、図形摘要。ダッシュボードや Illustrator/Figma 主体のインフォグラフィックには使用しない。
`ng-zorro-antd` を使用する Angular プロジェクト向けに NG-ZORRO のコードとガイダンスを生成します。インストール、LESS 変数によるテーマ設定（default、dark、compact、aliyun プリセット）、実験的な動的 CSS 変数テーマ、全カテゴリ（汎用、レイアウト、ナビゲーション、データ入力、データ表示、フィードバック）のコンポーネント利用、`nz-form` による ReactiveForms / Signal Forms 連携、国際化（`provideNzI18n`）、アクセシビリティ、モジュールからスタンドアロンへの移行を扱います。ユーザーが NG-ZORRO、ng-zorro、ng-zorro-antd、Ant Design for Angular、`nz-*` コンポーネント、`Nz*Module` に言及した場合、または Angular プロジェクトの `package.json` に `ng-zorro-antd` が含まれる場合に使用します。Angular の基礎には `angular-developer` と併用します。
ライブな Web データから Databricks データプロダクトをエンドツーエンドで構築する。適切な Nimble Web データエージェントを発見し、Delta テーブルにスクレイピングし、AI/BI ダッシュボードやデプロイ済みの Databricks App を生成する — テーブル → ダッシュボード → アプリのワークフローで、本番のデータプロダクトにも簡単なデモにも対応。ライブまたはスクレイピングした Web データを Databricks の保存先と組み合わせるリクエストには必ず使用する — 例:「Amazon/Walmart の価格を Delta テーブルにスクレイピングしてダッシュボードを構築する」「Zillow/Instagram/Maps/検索結果を Databricks に読み込んでダッシュボードやアプリを構築する」「見込み客に Nimble + Databricks をデモする」。データが Databricks に格納される場合は nimble-web-expert や competitor-intel より優先する。単発の Web 取得や Databricks の保存先がない CSV エクスポートには使用しない — 代わりに nimble-web-expert を使用。競合他社や企業の調査ブリーフィングには使用しない — 代わりに competitor-intel または company-deep-dive を使用。Nimble/Web データの要素がない一般的な Databricks 作業には使用しない — 代わりに公式の databricks-* スキルを使用。
nmap によるポートスキャンとサービス識別。対象に対して詳細なポートスキャン、サービスバージョン検出、OS フィンガープリント、NSE スクリプトによる脆弱性スキャンを行う必要がある場合に使用する。nmap は最も古典的なネットワークスキャナーで、SYN/TCP/UDP/ACK などの複数のスキャンモードに対応し、600 以上の NSE スクリプトを内蔵する。ポートスキャン、サービス識別、脆弱性スクリプトスキャン、OS フィンガープリントに関わるあらゆる場面でこのスキルを使用すべき。naabu より遅いが、機能は naabu をはるかに上回る
Nuxt 3 フルスタック Vue フレームワーク。ファイルベースのルーティング、データ取得、サーバールート、自動インポートを扱います。Nuxt アプリを構築するときに使用します。使用する場合：ユーザーが「Nuxt」「Nuxt 3」に言及したとき、「useFetch」「Nuxt server routes」「Nitro」「Nuxt auto-imports」「Nuxt composables」「Nuxt middleware」「SSR with Vue」について尋ねたとき。使用しない場合：Nuxt なしの Vue — 代わりに `frontend-vue` を使用、Next.js — 代わりに `nextjs-app-router` を使用、Nuxt 2 — 移行については KB を参照、Astro — 代わりに `astro` を使用。
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。