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 98,067 件掲載。コマンド 1 行でインストールできます。
すべて
色に関するあらゆる意思決定にこのスキルを使用する — パレットの選択や構築、ダークモード、コントラスト、チャートとターミナルの色。トリガーには "what colors should I use"、"pick a palette for my dashboard"、"set up dark mode"、"does this pass WCAG contrast"、"colorblind-safe chart colors"、"give me a terminal theme" などがあり、ユーザーが "color" と一度も言わない場合にも適用される。たとえば "theme this app"、"these status badges look wrong"、"the text vanishes when the page switches to dark"、"I can't tell these lines apart" など、背景に対してテキストが読めない、または物事を区別できないというあらゆる不満が該当する。Web UI、マーケティング、データ可視化、TUI 向けに厳選されたライト+ダークのパレット、OKLCH で自作するレシピ、WCAG/APCA のしきい値を提供する。フォントサイズ、ウェイト、フォントの組み合わせ（小さすぎる・細すぎるテキストを含む。typography を参照）、レイアウトとコンポーネント構造（frontend-design を参照）、色に関係しないチャート種別・軸・エンコーディングの選択（dataviz を参照）にはこのスキルを使用しないこと。
ユーザー自身のアカウントで Goldsky Compose のコーポレートアクション／配当分配のサンプルを構築・デプロイする — トークン化されたコーポレートアクション（配当、クーポン、リベート、エアドロップ）について N 人のトークン保有者に比例配分で支払う、耐久性があり冪等なディストリビューターで、オンチェーンの監査記録を伴う。注目点：Compose は Goldsky Turbo のジョブモードパイプラインを一時的なサブルーチンとしてオーケストレーションする — キャンペーンを宣言するとワンショットのパイプラインが生成され、記録ブロック時点のシェアトークン保有者をスナップショットし、その完了を待ち、ガススポンサー付きウォレットで各保有者に支払い、その後パイプラインを削除する。トリガー：'dividend distribution'、'pay dividends onchain'、'distribute dividends to shareholders'、'corporate actions distributor'、'pro-rata payout to token holders'、'airdrop pro-rata by balance'、'cap table distribution'、'set up / deploy the dividend / corporate-actions example'。Base Sepolia 上の共有のパーミッションレスなデモコントラクトを指しているため、デプロイするものはない。アプリ内または CLI で完全にデプロイできる。唯一の実行時要件は `GOLDSKY_PROJECT_KEY` シークレットで、最後のステップで設定する。カスタム／新規の Compose アプリには /compose を使用する。デプロイ済みアプリのデバッグには /compose-doctor を使用する。manifest／CLI／API のフィールド参照には /compose-reference を使用する。
Jetpack Compose または Compose Multiplatform の @Preview を 1 回の呼び出しで PNG にレンダリングし（MCP の render_preview、または compose-preview コマンドライン）、表示して確認する。コンポーザブル、@Preview、Compose コンポーネント（ホスト型カタログから提供される Material 3 や Wear M3 EdgeButton などのライブラリコンポーネントを含む）のレンダリング、表示、確認を求められたとき、Compose UI の編集後の検証、ビフォーアフターの比較、カタログのデザインガイドラインに対するプレビューのレビューに使用する。
コンテンツの原子化——1 つのコンテンツを多様なフォーマットに変換。ブログからスレッド、ブログからカルーセル、ポッドキャストからブログ、動画から引用など。用途：コンテンツマーケティング、SNS、マルチプラットフォーム配信、コンテンツ戦略。トリガー：content repurposing、repurpose content、content atomization、content recycling、one to many content、multi platform content、cross post、adapt content、reformat content、blog to thread、blog to video、podcast to blog、content multiplication
test-contractor ライブラリ（*.contract.yaml）を使って、契約ベースのテストを設定・作成します。ユーザーがテストの作成、contract.yaml ファイルの作成、関数やクラスのテスト条件の定義、契約内での依存関係のモック、契約ベースのテストへの言及、または契約テストを実行するプロジェクトのセットアップを希望する場合は、明示的に「contract yaml」や「test-contractor」と言っていなくても使用します。契約用の vitest 設定、test:contract スクリプトの設定、新規または既存パッケージへの契約テスト設定を依頼された場合にも使用します。Vitest のユニットテストより常に contract.yaml テストを優先します。contract.yaml で表現できないテストケースに限り、Vitest を使用します。
ユーザーが CPG（消費財）の配送ネットワークを設計したい、小売配送向けに DC の立地を最適化したい、またはオムニチャネルのフルフィルメントネットワークを計画したい場合に使用。ユーザーが「CPG network」「retail distribution network」「DC strategy」「forward deployment centers」「store replenishment network」「omnichannel distribution」に言及した場合にも使用する。一般的なネットワーク設計については network-design を参照。プロモーション用サプライチェーンについては promotional-planning を参照。
新しい統合タイプの「seed skill」を足場作りする——参照アセットと prompts.jsonl エントリを含む SKILL.md で、エージェントにゼロから動作しテスト可能な統合コードを生成させる。 - 使用場面：開発者が SDK やフレームワーク統合の新しいスキルを作成し、エージェントが実装・テストできるようにしたいとき - 先に確認：これは統合スキル（コード生成 + テスト）か、ツールスキル（テストのない CLI ラッパー）か？統合タイプのスキルにのみ本スキルを続行する。
カタログエンティティの概要タブにカードを追加するとき、またはカタログエンティティページにタブ／ページ全体を追加するときに使用する。EntityCardBlueprint（概要ページのカード）と EntityContentBlueprint（完全なタブ）、kind/type/annotation によるエンティティのフィルタリング、useEntity による現在のエンティティへのアクセスを扱う。"card on the entity page"、"tab on the component page"、"show on entity overview"、"ui:field for catalog entity page" といったフレーズ、または EntityCardBlueprint / EntityContentBlueprint のインポートでトリガーする。
Mermaid 図（.mmd）を生成し、mmdc CLI または Kroki API を使って PNG/SVG/PDF にエクスポートします。ユーザーが diagram、flowchart、sequence diagram、class diagram、ER diagram、state machine、architecture、visualize、git graph、画图、架构图、流程图、时序图に言及した場合にこのスキルを使用します。3つ以上のコンポーネントを含むシステム、APIフロー、認証シーケンス、クラス階層、データベーススキーマ、状態マシンを説明する際は、積極的に使用します。11種類以上の図に対応し、レイアウトは完全自動です。
辺淬火の統合的な適応型学習ツール。学習の進歩を主目的とするあらゆるリクエストを扱う：概念、命題、仕組み、章、記事、書籍、思想家、学派、理論体系、または複雑な領域。ユーザーが明示的に提供した記事、ノート、チャット、回答などのコーパスから、根拠のある候補となるナレッジギャップを見つけ、ヒントを示して解決へ進むこともできる。 各講義は、独立して完全で、通して読める中国語の講義資料を 1 本納品しなければならず、講義資料の後には 2〜4 個の的を絞った質問と自由発言エリアを置く。ユーザーの設問ごとの回答、自由発言の原文、AI の説明、ナレッジギャップ、経路の変化、次のアクションは層別に蓄積し、その後の学習の調整に用い、セッションをまたいで継続できる。 トリガー：「淬火学習」「学習 X」「教我 X」「讲清楚 X」「系統学習 X」「精読 X」「根据我的语料找知识缺口」「継続学習」「次の講義」。 ユーザーの主な Job が、学習ではなく人格、感情、関係、ビジネス診断、コンテンツ制作、意思決定、または実行である場合は、対応する Skill に引き継ぐ。
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。