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
ソロ起業家としてプロジェクト、タスク、優先順位を効果的に管理する。作業の整理、進捗の追跡、締め切りの管理、請負業者やクライアントとの調整、プロジェクト管理システムの構築に使用する。タスク管理手法、優先順位付けのフレームワーク、プロジェクト計画テンプレート、ツール選定、個人の生産性ワークフローを扱う。"project management"、"manage my work"、"organize tasks"、"project planning"、"task management"、"prioritization"、"stay organized" でトリガーする。
GitHub Project ボード + Issues をプロダクトバックログ、タスク、ストーリー、バグの信頼できる唯一の情報源として管理する。5 つのフローを提供：bootstrap (/track-init)、階層付きで epic を計画 (/plan-epic)、フラットなボードを階層へ移行 (/plan-migrate)、アドホックな作業を追跡 (/track)、照会 (/backlog)。プロジェクト操作には gh CLI を、issue 作成には MCP ツールを使用する。トリガー：/track-init、/plan-epic <description>、/plan-migrate、/track <description>、/backlog、"qué tenemos pendiente?"、"what's pending?"、"acordate que hay que..."、"remember to..."、または SDD が sdd-tasks 経由でタスクを生成したとき。
他のすべての AI ツールを支えるメタスキル。クリエイティブ用途のプロンプトエンジニアリングは、イメージしたとおりの画像、動画、音声、テキストを AI モデルから引き出すための技術と科学である。これは単に「より良いプロンプトを書く」ことではない。異なるモデルが言語をどう解釈するか、モダリティごとにリクエストをどう構成するか、体系的にどう反復するか、そして自身のクリエイティブなビジョンを符号化したプロンプトライブラリをどう構築するかを理解することだ。優れたプロンプトエンジニアは、各モデルでどの語がどの応答を引き出すかについての直感を培っている。このスキルは基盤であり、他のあらゆる AI クリエイティブスキルの効果を増幅する。これを習得すれば、すべての AI 制作へのインターフェースを習得できる。「prompt, prompting, prompt engineering, better prompts, prompt optimization, how to prompt, prompt strategy, prompt library, prompt template, make AI understand, prompt-engineering, prompting, meta-skill, ai-creative, foundational, optimization, iteration」に言及されたときに使用。
AI モデル向けのプロンプトエンジニアリングを習得します：LLM、画像生成器、動画モデル。技法：チェーンオブソート、少数ショット、システムプロンプト、ネガティブプロンプト。モデル：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion のプロンプト。用途：より良い AI 出力、一貫した結果、複雑なタスク、最適化。トリガー：prompt engineering、how to prompt、better prompts、prompt tips、prompting guide、llm prompting、image prompt、ai prompting、prompt optimization、prompt template、prompt structure、effective prompts、prompt techniques。
ProteinMPNN の逆フォールディングを用いてタンパク質配列を設計する。次の場合にこのスキルを使用：(1) RFdiffusion のバックボーン用に配列を設計する、(2) 既存のタンパク質配列を再設計する、(3) 特定の残基を固定しつつ他を設計する、(4) 発現や安定性のために配列を最適化する、(5) 多状態設計またはネガティブ設計。バックボーン生成には rfdiffusion または bindcraft を使用。リガンドを考慮した設計には ligandmpnn を使用。溶解性の最適化には solublempnn を使用。
WeChat 公式アカウントへコンテンツを公開する自動化ツール。 主な機能: - 画像付き投稿: 複数画像とキャプションの形式で、最大 9 枚の画像に対応 - 記事投稿: 完全な Markdown フォーマットで、スタイルとレイアウトを保持 - 自動フロー: Chrome CDP を使って自動ログイン、入力、公開 - スマート圧縮: タイトルや内容が上限を超えると自動圧縮 - テーマ対応: 記事投稿で default、grace、simple の 3 テーマに対応 使用する場面: - ユーザーが「微信公衆号に公開」「公式アカウントに送信」と明確に依頼したとき - ユーザーが markdown ファイルや公開したい内容を提供したとき - ユーザーが画像付きコンテンツを一括公開したいとき 適さない場面: - ユーザーが公開方法を尋ねているだけのとき（助言でよい） - ユーザーが既存の公式アカウント記事を編集したいとき（手動操作） - ユーザーが他のプラットフォームへ公開したいとき（対応するプラットフォームのツールを使う）
DICOM（Digital Imaging and Communications in Medicine）ファイルを扱うための Python ライブラリです。DICOM 形式の医用画像データの読み取り、書き込み、変更、医用画像（CT、MRI、X 線、超音波）からのピクセルデータ抽出、DICOM ファイルの匿名化、DICOM メタデータやタグの操作、DICOM 画像の他形式への変換、圧縮 DICOM データの処理、医用画像データセットの処理に使用します。医用画像解析、PACS システム、放射線診療ワークフロー、医療画像アプリケーションに関するタスクに適しています。
本番グレードのメッセージブローカー設計・実装・運用のための究極の RabbitMQ 専門スキル。上位 0.01% の知識をカバー：(1) 高度なメッセージングパターン — Dead Letter Exchange、遅延メッセージ、優先度キュー、Consistent Hash Exchange、シャーディング、(2) 高可用性 — クラスタリング、Quorum キュー、Stream キュー、Federation、Shovel、(3) パフォーマンスエンジニアリング — prefetch チューニング、コネクションプール、バッチパブリッシュ、メモリ最適化、フロー制御、(4) セキュリティ — TLS/mTLS、OAuth2、LDAP、証明書ローテーション、(5) 監視 — Prometheus メトリクス、カスタムヘルスチェック、異常検知、(6) トラブルシューティング — メモリアラーム、ネットワーク分断、キューの滞留、コンシューマー枯渇、(7) マルチテナンシー — vhost 設計、リソース制限、分離パターン、(8) イベント駆動アーキテクチャ — RabbitMQ による CQRS、イベントソーシング、Saga パターン。使用場面：メッセージングシステムの構築、RabbitMQ の問題のデバッグ、パフォーマンス最適化、HA アーキテクチャの設計、高度なパターンの実装、本番環境の堅牢化、キャパシティプランニング、移行戦略。
エージェントのコードベースを調査し、Langfuse のトレーシング/可観測性（セッション/trace の境界、サブエージェントの受け渡し、ツールのラッピング、命名/タグ付けの語彙）を組み込む markdown プランと、Ratel 価値/エージェント健全性ダッシュボードの構築仕様を作成する。Langfuse の計装、トレーシングの接続、ダッシュボードの構築、Langfuse の配置やボードに載せる内容の判断、契約直後のパートナーのオンボーディング、または `/ratel-langfuse-integrate` に使用する。<repo>/.ratel/ に書き込む。コードは決して編集せず、Langfuse API も呼び出さない。/ratel-observability-assessment の Langfuse ブランチ。ベンダーが LangSmith の場合はリダイレクトし、trace が流れ始めたら /ratel-langfuse-analyze にルーティングする。
LangSmith MCP サーバー（または langsmith SDK のフォールバック）経由で顧客の実際の LangSmith の run、trace、thread、フィードバック スコアを読み取り、共有の指摘カタログとパターンマッチングし、Ratel 特有の改善項目と技術スタックに依存しない容易な改善項目に分けた指摘レポートを作成する。LangSmith ダッシュボードのスキャン、run ツリーや失敗した run の調査、今週の run の確認、可観測性の監査、エージェントの誤りの把握、または `/ratel-langsmith-analyze` に使用する。<repo>/.ratel/ に書き込む（蓄積される）。到達可能なサーバーまたは API key がない場合は早期に失敗し、クリーンなデータは正直にスキップし、コードは決して編集しない。/ratel-langsmith-integrate の後続ステップ。
エージェントのコードベースを調査し、LangSmith のトレーシング/可観測性（run ツリーの境界、サブエージェントの受け渡し、ツールのラッピング、run の命名/メタデータの語彙）を組み込む markdown プランと、Ratel 価値/エージェント健全性ダッシュボードの構築仕様を作成する。LangSmith の計装、@traceable/wrap_openai のカバレッジ追加、run の thread へのグルーピング、ダッシュボードや Monitor チャートの設計、LangSmith の配置判断、契約直後のパートナーのオンボーディング、または `/ratel-langsmith-integrate` に使用する。<repo>/.ratel/ に書き込む。コードは決して編集せず、LangSmith API も呼び出さない。/ratel-observability-assessment の LangSmith ブランチ。ベンダーが Langfuse の場合はリダイレクトし、trace が流れ始めたら /ratel-langsmith-analyze にルーティングする。
Sentry の MDX stories 形式でコンポーネントのドキュメントを作成または更新する。「コンポーネントをドキュメント化して」「stories を追加して」「コンポーネントのドキュメントを書いて」「mdx ファイルを作成して」「stories.mdx を追加して」と依頼されたとき、またはデザインシステムのコンポーネントをドキュメント化するときに使う。ライブデモ、アクセシビリティのガイダンス、TypeScript の型から自動生成した API ドキュメントを含む構造化 MDX を生成する。
エンドツーエンドの不動産投資分析スキル。ユーザーが物件ディールの分析、賃貸の収支計算、不動産投資の評価、プロフォーマの作成、市場比較、cap rate、cash-on-cash return、IRR、NOI、DSCR、equity multiple、GRM の計算を求めたときに使用する。トリガーはほかにも：BRRRR 分析、house hack 評価、短期賃貸（STR/Airbnb）分析、商業用不動産のアンダーライティング、マルチファミリーのディール分析、シンジケーションのウォーターフォールモデリング、モンテカルロシミュレーション、感度分析、1031 エクスチェンジの計画、コストセグリゲーション、減価償却、不動産税務戦略、市場比較とスコアリング、賃貸物件のスクリーニング、ディールのスクリーニング、投資家レポートの生成、不動産財務モデリング、賃料対価格分析、開発実現可能性、バリューアップのアンダーライティング、不動産データ向け API 統合（Census、Redfin、Rentcast、Mashvisor、AirDNA、ATTOM）、その他あらゆる不動産投資の財務分析タスク。
LLM ガードレールの学習データを生成するため、範囲を限定したレッドチーミング自動リサーチループを実行する。あなた (このスキルを実行するエージェント) が攻撃者であり審判である：攻撃を立案し、すべての応答にラベルを付ける。ハーネスが呼び出す唯一のモデルはテスト対象であり、任意の OpenAI 互換 API (OpenRouter、Moonshot/Kimi、Fireworks、Ubicloud、OpenAI、またはカスタム) を介し、そのキーは `.red-team/.env` にある。すべての試行 (成功・失敗) は JSONL に書き出され、Llama Guard 形式でガードレールをファインチューニングする準備が整う。有害コンテンツ、ジェイルブレイク、プロンプトインジェクション、バックドア/トリガー動作について LLM をレッドチームまたはストレステストするよう求められた場合、安全/不安全データセットを構築する場合、または新規攻撃を大規模に採掘する場合に使用する。hacker スキル (コード/インフラの悪用可能性) を補完する：本スキルはモデル動作を対象とし、データを生成する。
[非推奨] これは、MCP 経由で CloudBase リレーショナルデータベースを操作するエージェントに必要なドキュメントです。`queryMysqlDatabase`、`manageMysqlDatabase`、`queryPermissions`、`managePermissions` を用いた標準的な SQL 管理フローを定義し、MySQL のプロビジョニング、破棄フロー、非同期ステータス確認、安全なクエリ実行、スキーマの初期化、権限の更新を含みます。新しい環境では PostgreSQL を使用してください —— 代わりに postgresql-development スキルを参照してください。
common-tools、dev-skills、low-frequency-skill プラグインのリリースやアップグレード、Claude/Cursor/Codex の manifest と marketplace の同期、CHANGELOG ファイルの更新、README とインストールドキュメントの整合性検証、Skill Router MCP 用の skill-registry.json ディスカバリマニフェストの生成／確認を行うときに使用。ユーザーがプラグインのリリース、バージョンアップグレード、更新履歴、manifest、marketplace、README の整合性、skill-registry.json、MCP skill registry、registry stale 検証を求めたときに使用。
SSH 経由でリモートサーバーに接続し、コンテナを管理し、コマンドをリモートで実行するためのガイド。複数の認証方式（SSH key、sshpass、Paramiko、Fabric、tmux 対話型）による SSH 接続設定、Docker コンテナへの接続とコマンド実行、ファイル転送、トラブルシューティングを扱う。ユーザーが次のいずれかを必要とするときはいつでもこのスキルを使用する：(1) SSH でリモートサーバーまたは VPS に接続する、(2) リモートマシンでコマンドを実行する、(3) リモートサーバーとの間でファイルを転送する、(4) リモートホスト上の Docker コンテナに接続する、(5) SSH パスワード認証ツールを設定する。ユーザーが「help me run something on my server」や「connect to my machine」と言うだけでも、このスキルは適用される。
進行中のリサーチアウトラインの `fields.yaml` に新しいフィールド定義を追加する — ユーザー提供の入力からでも、その領域で一般的なディメンションを提案する Web 検索エージェントからでもよい。`/research-deep` を実行する前に、スキーマにディメンション(例: 価格、パフォーマンス、エコシステム、ガバナンス)が欠けていると気づいたときに `/research-outline` の途中で使用し、深掘りエージェントが再実行を必要とせず初回で新しいフィールドを埋められるようにする。
parallel-cli search（主要な高速ウェブ検索）、Parallel Chat API（ディープリサーチ）、Perplexity sonar-pro-search（学術論文検索）を使って最新の研究情報を調べる。クエリは最適なバックエンドへ自動的にルーティングされる。論文の検索、研究データの収集、科学情報の検証に使用。注意：クエリのテキストは api.parallel.ai（PARALLEL_API_KEY）へ、学術検索の場合はさらに openrouter.ai（OPENROUTER_API_KEY）へ送信される。
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。