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
型付きエラー、依存性注入、並行性、リソース管理、スキーマ検証、ストリーミングのための高度な Effect-TS パターン。Effect プログラムを構築する際に使用する — 単純な Effect.succeed/fail の質問ではなく、Layer 合成によるサービス層の設計、タグ付きエラーによる型付きエラー階層の処理、構造化並行性による並行 fiber の管理、スコープ付きリソースライフサイクル、スキーマ駆動の API コントラクト、Effect と既存の Express/Hono/データベーススタックの統合など、複数の関心事を扱うタスクに用いる。基本的な TypeScript や一般的な関数型プログラミングの質問には使用しない。
ElevenLabs のマルチスピーカー対話生成 - inference.sh コマンドラインで、1 つの音声ファイルに異なる声の会話を作成します。機能：複数声の対話、スクリプトベースの生成、声の演出、会話音声。用途：ポッドキャスト、オーディオブック、解説、チュートリアル、キャラクターの対話、動画スクリプト。トリガー：elevenlabs dialogue、eleven labs dialogue、multi speaker、conversation audio、dialogue generation、text to dialogue、multi voice、voice acting、podcast dialogue、character voices、script to audio、elevenlabs conversation、two speakers
ElevenLabs の AI 音楽生成 — inference.sh CLI 経由でテキストプロンプトからオリジナル楽曲を作成する。機能: テキストtoミュージック、最大 10 分のカスタム長、ジャンル/ムード/楽器の制御、ロイヤリティフリーの商用利用。用途: BGM、サウンドトラック、ジングル、ポッドキャスト、映像スコア、ゲームオーディオ。トリガー: elevenlabs music、eleven labs music、ai music、generate music、music generation、compose music、ai composer、create song、soundtrack、background music、jingle、elevenlabs compose、music ai。
inference.sh CLI 経由で ElevenLabs のテキスト読み上げを利用。22+ のプレミアムボイス、多言語対応、音声チューニングを備える。モデル：eleven_multilingual_v2（最高品質）、eleven_turbo_v2_5（低遅延）、eleven_flash_v2_5（超高速）。機能：テキスト読み上げ、ボイス選択、安定性/スタイル制御、32 言語。用途：ナレーション、オーディオブック、動画ナレーション、ポッドキャスト、アクセシビリティ、IVR。トリガー：elevenlabs、eleven labs、elevenlabs tts、premium tts、professional voice、ai voice、high quality tts、multilingual tts、eleven labs voice、voice generation、natural speech、realistic voice、voice over、speech synthesis
ElevenLabs ボイスチェンジャー - inference.sh CLI 経由で、音声内容と感情を保ったまま任意の声を別の声に変換する。モデル：eleven_multilingual_sts_v2（70+ 言語）、eleven_english_sts_v2。機能：音声変換（speech-to-speech）、声の変換、訛りの変更、声の偽装。用途：コンテンツ制作、声優演技、プライバシー、吹き替え、キャラクターボイス。トリガー：voice changer、speech to speech、voice transformation、change voice、voice swap、voice conversion、voice disguise、eleven labs voice changer、elevenlabs sts、transform voice、ai voice changer、voice modifier
プレミアムサイト向けのコンバージョン最適化と UX 戦略。以下の場合に使用：コンバージョン率最適化（CRO）、サインアップフロー、チェックアウト最適化、料金ページ、CTA、ヘッドライン、コピーライティング、A/B テスト、リード獲得、カート放棄、オンボーディング、リテンション、ソーシャルプルーフ、 testimonial、トラストシグナル、緊急性、希少性、成長、バイラルループ、ナビゲーションパターン、フォームバリデーション、トースト通知、エラー処理、空の状態、またはビジネス成果に影響する設計判断を行う必要がある場合。このスキルは設計上の選択の背後にある「why」を提供する。視覚的階層については elite-design-core を参照。フォーム実装時のフォーカス管理と aria パターンには elite-accessibility を読み込む。
あらゆる AI 生成の成果物 — 可視化、コード、ドキュメント、会話、その他あらゆるスキル出力 — の品質を評価する。3 つのフェーズで動作する：(1) 成果物の種類に合わせた評価スペックを生成する、(2) そのスペックに照らして包括的な評価を実行する、(3) /visualize スキルを使って美しい可視化レポートを作成する。あらゆるスキルが出力を生成した後に使用するか、/evaluate <file-or-context> で直接呼び出す。評価可能：HTML 可視化、コードプロジェクト、ドキュメント、エージェントの会話、スライドデッキ、ダッシュボード、または品質の次元を持つあらゆる成果物。
解説動画の制作ガイド：スクリプト作成、ナレーション、ビジュアル、編集・組み立て。スクリプトの公式、テンポのルール、シーン設計、複数ツールのパイプラインを扱います。用途：製品デモ、仕組み解説動画、オンボーディング動画、ソーシャル向け解説。トリガー：explainer video、how to make explainer、product video、demo video、video production、video script、animated explainer、product demo video、tutorial video、onboarding video、walkthrough video、video pipeline。
ウェブサイトのデザインシステムを DESIGN.md ファイル(google-labs-code/design.md 形式)に抽出する。ユーザーがサイトの URL を提示し、その視覚的アイデンティティ——色、タイポグラフィ、角丸/余白のスケール、コンポーネント、ブランドの印象——を捕捉、リバースエンジニアリング、クローン、または文書化したい場合に使用する。次のような表現でトリガーされる:「<url> からデザインシステムを抽出して」「<site> から DESIGN.md を作って」「<site> のデザイントークンを取得して」「<site> のカラーパレット / フォントは?」「自分の UI を <site> のようにしたい」。playwright-cli で実際のページをいくつかサンプリングし、CSS カスタムプロパティ + 計算済みスタイルを読み取り(正確で低コスト)、文章用に明るいスクリーンショットを撮り、公式リンターで検証する。再利用可能なデザイン仕様が目的の場合は、スクリーンショットを目視で確認するよりもこれを優先する。
ある主題、コードベース、ホワイトペーパー、複雑なシステムについて、本当に理解できるまで人を導く。ユーザーが何かを理解したり学びたいときに使用する：「X を説明して」「このリポジトリ/論文を順を追って教えて」「Y の仕組みを理解したい」「Z を始めたい」——学習方法に言及していなくてもよい。ファインマン級のわかりやすさ（平易な言葉、たとえ、抽象化の前に具体的な例）と研究に裏打ちされた構成（まず全体像、一度に 1 セクションずつ、目標に合わせた確認）で説明し、理解度はウォークスルーの後にのみ評価してどこにさらなるコーチングが役立つかを見極め、独立して共有できる参照用解説を生成する——Open Knowledge Format（OKF）バンドルとして保存し、ソースのフィンガープリントを固定することで、後のセッションで知識を見直し、コードベース、ドキュメント、トピックが変わったときに差分を意識して更新できる。学習計画ではなくガイド付きウォークスルー：定着ツール（間隔反復、自己テスト、復習スケジュール）は存在するが、完全に任意。
エクスポート結果に忠実なアセット、画面×状態のインベントリ、出荷対象の親コンポーネント内で測定したコントロール、対象リポジトリ内の永続的な living spec（状態/モード/根拠、必須の Assets サブセクション）を用いて Figma UI を実装します。コンポーネントワークベンチ（Storybook など）がある場合は、インベントリを網羅するストーリーと仕様を固定するテストも提供します。Figma の URL/ノードからの実装や、ピクセルレベルの再現に使用します。ファイルにモードがあるか、プロジェクトにテーマ切り替え機能がある場合は、ライト/ダークも対象です。同じ実行内で figma-pixel-verify を使ってレイアウト済みフレームを測定し、合格するまで続けます。反復の間に人が介在する必要はありません。トリガー — 「像素级还原」「按稿实现」「Figma 对齐实现」「还原 Figma」「figma 保真实现」「暗黑模式还原」「多主题保真实现」 / implement from Figma、pixel restore、dark mode implement、multi-theme fidelity。コード→Figma のキャンバス書き込み、デザインのない自由な UI、実装後の整合性確認のみには使用しないでください（figma-pixel-verify を使用）。
実行中の UI のレイアウト済みフレームを、Figma の living artifact（インベントリ + 仕様 + Verify セクション）と照合して測定します。実装後のピクセル単位の整合性確認 / Figma との照合に使用します。ライト/ダークやホバー/バリアント状態も対象です（テーマと状態を切り替え、各行を測定）。ドキュメント以外の UI には layout-probe を使用します。ソース定数の比較は合格になりません。人に確認せず、同じ実行内で全体が PASS になるまで修正と再測定を行います。重要な行が未測定の場合、全体は失敗です。チェッカーは終了コード 0 で終了する必要があります。layout probe は出荷対象の親コンポーネントをマウントします。開けるチャネルでは、保存済みの空でないスクリーンショットファイルを示す必要があります。layout-probe は not-openable としても構いません。トリガー — 「检查像素对齐」「对照 Figma 验收」「设计保真检查」「是否对齐稿面」「figma 保真检查」「暗黑模式验收」「多主题保真检查」 / verify Figma fidelity、pixel check、dark mode fidelity check、multi-theme verify。主要な実装ワークフローとしては使用しないでください（figma-pixel-implement を使用）。コード→Figma にも使用しないでください。
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。