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 97,905 件掲載。コマンド 1 行でインストールできます。
すべて
Omegaモデルで埋め込みを行う前に、多変量時系列データをクリーニング、分割し、特徴量化します。再利用可能な3つの構成要素を含みます。`DataPreprocessor`（タイムスタンプの規則性、欠損区間、nullを診断し、補完を伴う連続した欠損考慮型の時間ブロックを構築）、`DataSplitter`（時間順を守った時間外またはランダムな訓練／テスト分割）、`FeaturePreparer`（センサーごとの埋め込みを「joint state」（X、y、メタデータ）行列にピボットし、L2／標準化／PCAを任意で適用）。ユーザーがOmegaモデル（`atai-newton-omega-model`）用の生センサーCSVを準備している場合、訓練データに欠損区間があり削除・補完・分割の判断に迷っている場合、またはn-shot CSVがノイズの多い状態で体系的なクリーニング手順を求めている場合に使用します。推論の実行や埋め込みの生成には使用しないでください（`atai-newton-omega-model`を使用）。動画／画像／テキストデータには使用しないでください（`atai-newton-fusion-model`を使用）。時系列専用です。
真の私的価値、競合入札者数 N の推定値、価値分布の仮定が与えられたとき、第一価格封印入札の最適なシェーディング入札額を計算する。一様な私的価値に対して `(N-1)/N` の均衡シェーディング規則を実装し、対数正規分布や実証的な価値分布に調整し、リスク回避の調整を重ね、入札者の残り予算に対して出力を上限設定する。ファンタジースポーツ（野球の FAAB、NBA/NHL のウェイバーオークション）、予測市場の指値サイジング、封印調達入札、あらゆるブラインド入札の文脈で再利用できるドメイン中立のオークション理論。ユーザーが「first-price auction bid」「sealed bid shading」「(N-1)/N」「FAAB bid amount」「auction shading」「optimal bid first-price」「bid for sealed-bid」「blind bid sizing」に言及したとき、または下流のロジックが場当たり的なヒューリスティックではなく原理的なシェード係数を必要とするときに使用する。
auto-editor のカット位置にトランジション（クロスディゾルブ、Premiere Pro のトランジション（push、clock-wipe、glitch、page-peel、iris-round など、Legacy フォルダー内のものも含む）、オーディオのクロスフェード）を追加し、Premiere、DaVinci Resolve、Final Cut Pro、Shotcut、Kdenlive に引き継ぎます。カットを滑らかにしたい、冒頭や末尾にフェードを加えたい、特定のトランジションを使いたい、または編集ソフトでの書き出しや読み込み後もトランジションを保持したい場合に使用します。
Azure Cloud からオンプレミス AD へのラテラルムーブメント手法です。Azure／Entra ID の権限を取得し、オンプレミスの Active Directory 環境へ移動する必要がある場合、対象が Azure AD Connect／Cloud Sync／PTA／Federation などのハイブリッド ID アーキテクチャを使用している場合、または PRT／Certificate／Cookie の認証情報を使った Cloud-to-OnPrem のラテラルムーブメントが必要な場合に使用します。14 種類の手法を扱います：Pass the PRT／Certificate／Cookie、Cloud Kerberos Trust、Connect Sync／Cloud Sync の認証情報抽出、PTA Agent バックドア、Federation Token 偽造、Seamless SSO シルバーチケット、Exchange Hybrid 偽装、Arc GPO デプロイスクリプト注入、オンプレミスのクラウド認証情報抽出。
Azure Monitor と Log Analytics のセキュリティ面での利用に関するガイダンス — Microsoft Sentinel と Defender for Cloud にデータを供給する workspace 戦略の設計、analytics・basic・auxiliary のログ階層の選択、保持とアーカイブ、取り込み前にノイズを除外するテーブルレベルの変換、Data Collection Rules（DCR）と Azure Monitor Agent（AMA）、workspace のトポロジー（単一・リージョン・ソブリン）、コミットメント階層とコスト管理、workspace のカスタマー管理キー、テーブルレベル RBAC を含む RBAC、Sentinel との統合（workspace の要件）、レガシー MMA の廃止。WHEN：Log Analytics workspace の設計、Azure Monitor のセキュリティデータ、Sentinel workspace、ログ階層 basic auxiliary、AMA Azure Monitor Agent、DCR data collection rule、取り込み変換での列の削除、ログの保持とアーカイブ、workspace CMK、テーブルレベル RBAC、ログ取り込みのコスト管理。DO NOT USE：Sentinel の検出ルール作成（sentinel-detection-engineering を使用）、App Insights の計装（appinsights-instrumentation を使用）、セキュリティ以外の可観測性。
ネイティブ iOS（Swift）プロジェクトにおける Scandit Barcode Capture（`BarcodeCapture`）——事前構築済みの SparkScan UI を使わない、低レベルで完全に制御できる単一バーコードスキャンモード（BarcodeCapture + DataCaptureView + overlay）。統合、スキャン設定、結果処理、overlay のカスタマイズ、SDK バージョンの移行（v6→v7→v8）、サードパーティ製バーコードスキャナーの置き換え、トラブルシューティングに使用する。
Reddit、X、LinkedIn、Instagram、TikTok、YouTube、ブログ、ニュース、レビューサイトをスキャンしてブランドへの言及を検出し、リーチ、拡散速度、感情、リスクトピックとの一致度の4つの観点で評価します。事態が拡大する前にチームが対応できるようにします。情報源は市場に応じて調整され、B2BブランドではLinkedIn、G2、業界メディアを、消費者向けブランドではTikTok、Instagram、YouTubeを重視します。各言及をCrisis／Watch／Engage／Logに分類し、推奨担当者と対応期限を提示します。「ブランドへの言及を監視して」「ブランドへの言及をスキャンして」「［ブランド］について何と言われている？」「ブランドモニタリング」「ソーシャルリスニング」「ブランド全体を調査して」「リスクの高い言及を探して」など、Webやソーシャル上のブランド監視を依頼された場合に使用します。単発の企業調査やデューデリジェンスには使用せず、company-deep-diveを使用してください。競合他社のメッセージやポジショニング分析には使用せず、competitor-positioningを使用してください。競合他社の資金調達、採用、事業シグナルには使用せず、competitor-intelを使用してください。
コンテンツを作成する前に、このスキルでブランドのウェブサイトを分析します。トリガー：「analyze brand」「research brand」「brand guidelines」「brand profile」「understand brand」「brand colors」「brand voice」「before creating content for」 抽出：色、タイポグラフィ、ボイス/トーン、製品、オーディエンス、競合ポジショニング。制作系スキルが利用できる再利用可能な brand_profile.json を出力します。
CSIRT とプライバシーチームの体制を、役割を明記して（インシデントコマンダー、法務顧問、コミュニケーション、IT フォレンジック、DPO）定義する包括的な侵害対応チームプレイブックを構築する。エスカレーション マトリクス、コミュニケーションテンプレート、事前に交渉済みのベンダー連絡先、管轄区域ごとに整理された規制当局の連絡先を含む。キーワード：侵害対応プレイブック、CSIRT、インシデント対応チーム、エスカレーション マトリクス、コミュニケーションテンプレート、ベンダー連絡先。
レポート作成を補完するBugcrowd固有の報告テクニック：完全一致がない場合のVRTカテゴリ検索と代替策、VRTの既定値が影響を過小評価する場合の手動重大度調整、本文の最初のセクションに重大度の引き上げ要請を記載する方法、OOS条項への反論テンプレート（認証フローのエンドポイントにおけるレート制限、デバッグ情報の位置付け、機密PIIを伴うユーザー列挙、理論上の問題への反論）、関連する発見事項の相互参照パターン、QAと本番プログラムでの対象選定、研究者側の適切な対応（Bugcrowdninjaメールエイリアス、アカウント状態の復元、協力的なテスターとしての姿勢）。Bugcrowdへの報告提出、VRTの既定値が誤っていると思われる場合、トリアージ担当者がOOSとして終了または重大度を引き下げた場合、関連する報告を連携する場合、対象範囲で本番とQAが区別されている場合に使用します。report-writingおよびtriage-validationと併用します。
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。