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
CONDOR v4.0.1 — One Amazing Trade per Day。Top 50 の HL 資産、純粋なトレンド継続、最高水準のコンフルエンスのみ。3TF アラインメントのハードゲート + MACRO_TREND_GATE + SM コンセンサス >=70%、MIN_SCORE 12、スコアに応じたサイズ設定(50%/70%/80%)、10x レバレッジ上限、Kodiak SOL の実証済み勝績に基づく 6 段階 DSL ラダー。v4.0.1 では、レースウィンドウの重複排除キャッシュにより既に保有している資産での ENGINE_FAILURE リトライノイズを排除し、DSL のエグジット間隔を 2 倍にして、実行時のポジション状態が HL より遅れた際の REDUCE_ONLY スパムを抑制します。
Confluence Cloud のページ、スペース、ブログ投稿、コメント、添付ファイル、ラベルを読み取り、検索し、管理する。ユーザーがページを探したい、ドキュメントを読みたい、CQL で wiki を検索したい、ページを作成・更新したい、コメントを追加したい、スペース内のページを一覧したい、添付ファイルを取得したい、"wiki に X について何と書いてあるか"と尋ねたときに使用——"API" と言及していなくても。*.atlassian.net/wiki の URL、またはコンテキストがチケットではなく wiki コンテンツである場合の CQL 文字列にも使用。このサービスを扱うときは常に本スキルから始める——同梱のスクリプトとレシピが最速の道。
Cloud VPS と Object Storage を使用して Contabo にインフラをデプロイします。費用対効果の高いプロビジョニングと、Contabo 固有の CLI/API の注意点に重点を置きます。Contabo Cloud VPS のプロビジョニング、Object Storage の設定、Contabo 固有の問題のトラブルシューティングに使用します。キーワード:contabo、cntb、VPS、クラウドコンピューティング、低価格ホスティング、高いコストパフォーマンス、オブジェクトストレージ、インフラ
長文コンテンツ(YouTube 動画、ポッドキャスト、インタビュー、記事)を魅力的なショートフォームとロングフォームのナラティブに変換する。核心となるインサイトを抽出し、2 つのスタイルで提示する:簡潔なソーシャルメディア投稿(300〜800 文字、番号付き絵文字リスト付き)と、詳細なナラティブ記事(1500〜3000 文字以上、ストーリーアーク付き)。ユーザーが YouTube リンク、ポッドキャストの文字起こし、長い記事、インタビューの内容を提供し、要約、重要なインサイト、または異なるプラットフォーム向けに再構成したコンテンツを求める場合に使用する。
Microsoft 365 Copilot を安全に展開するためのガイダンス — 過剰共有の是正、SharePoint Advanced Management (SAM) の制限付きサイトとコンテンツ検出、秘密度ラベルの適用範囲、Copilot 向け Purview DLP、Restricted SharePoint Search (RSS) による暫定的な保護措置、サイトのライフサイクルと所有権、Copilot 操作の監査、Defender XDR アラートでの Copilot、プロンプトシールドのリスク、ライセンスの前提条件、初日から機密データを露出させない段階的なロールアウトまでをエンドツーエンドで扱う。WHEN: M365 Copilot のロールアウト、Copilot の過剰共有是正、SAM、SharePoint Advanced Management、Restricted SharePoint Search、RSS Copilot、秘密度ラベル Copilot、Copilot 向け DLP、Copilot 監査、安全な Copilot 展開、Copilot パイロット、Copilot のデータ漏えい防止。テナント全体の過剰共有プログラム設計(m365-oversharing を使用)、Purview DSPM for AI 単体(purview-dspm-ai を使用)、Microsoft Foundry エージェントのセキュリティ(microsoft-agent-365 を使用)には使用しない。
AI Engineering from Scratchコースのトピックルーター。トピック、質問、または作業中のバグを入力すると、それを正確に教えるレッスンと、次に実行すべきコマンドを案内します。トリガーフレーズ:「どこで学ぶ」「どのレッスンで扱う」「コース案内」「行き詰まった」「次に何をすべきか」「MCPを教えて」「Agent Skillsを教えて」「Claude certificationの準備はどこでする」、または "where do I learn", "which lesson covers", "course guide", "I'm stuck on", "what should I do next", "teach me MCP", "teach me Agent Skills", "where do I prepare for a Claude certification"
Crawlora の構築済みホスト型データセット(Airbnb の市場、App Store/Google Play のアプリ、GitHub/Instagram/X のユーザー、求人、米国の住宅市場、Google Maps のビジネス、Goodreads、PitchBook、Steam、TrustMRR、Product Hunt、SEC の企業、技術スタックなど)を search/facets/item/nearby エンドポイント経由で検索し、各プラットフォームをリアルタイムにクロールせず、整った JSON を返します。ユーザーが一括・集計分析、事前インデックス済みコーパスの検索、大規模な対象のファセット絞り込み、またはデータセット ID による単一レコードの参照を求める場合に使用します。ページを一つずつスクレイピングする代わりに利用できます。
Clean, honest dashboard UI for web and SwiftUI — KPI cards, charts, heatmaps, bullet graphs, comparison periods, ranked breakdowns, date range pickers, filters, empty and loading states, wide and phone layouts, plus a screenshot QA pass. Use when building, redesigning or critiquing an analytics, revenue, metrics, school or admin dashboard, a stats page, or any data-heavy screen.
データセットに対する反復的で自己検証的な探索的分析 — 主張するだけでなく、計算を再実行して検証された知見のみを提示する — を行いたいときに使用。一度に 1 つの具体的な仮説を提案し、それを検証する分析コードを書いて実行し、数値が有意な効果量で裏付ける場合にのみ知見として記録する。新しい検証済みの知見が現れないか、予算に達するまでループする。結果は、すべての主張が再現可能な数値に裏付けられた知見レポートとなる。単一の既知の異常やパイプライン障害の診断、および外部の主張を情報源と照合すること(それは claim-verification タスク)には使用しない — これは限定されたデータセットに対する自由な探索である。
都爆鸭(本鴨)へのフィードバック:ユーザーがバグ報告、提案、体験への不満を伝えたいとき、agent が今回のセッションで実際に起きた経緯をその場で完全なフィードバックとして書き起こし、ユーザーが全文を確認したうえでメンテナーに送信する。エンドポイントが不通ならローカルファイルに保存する。トリガー語:报个bug、报bug、反馈、提个建议、提需求、提意见、吐槽、用不了、坏了吧、这里好烦、太难用、用着别扭、能不能改改、给作者/维护者/开发者说一声。対象外:禁止ワード検出は dby-banned-words、本鴨の更新は dby-update、コピーの修正は dby-rewrite。
汎用ディープリサーチエージェントチーム。あらゆるテーマについて厳密な学術研究を行う 13 エージェントのパイプライン。7 つのモード:完全リサーチ、クイックブリーフ、論文レビュー、文献レビュー、ファクトチェック、ソクラテス式の誘導リサーチ対話、任意でメタアナリシスを行うシステマティックレビュー。リサーチクエスチョンの策定、ソクラテス式メンタリング、方法論の設計、システマティックな文献検索、情報源の検証、情報源横断の統合、バイアスリスク評価、メタアナリシス、APA 7.0 レポートの作成、編集レビュー、悪魔の代弁者による批判、倫理審査、リサーチ後の文献モニタリングを扱う。トリガー:research、deep research、literature review、systematic review、meta-analysis、PRISMA、evidence synthesis、fact-check、guide my research、help me think through、研究、深度研究、文獻回顧、文獻探討、系統性回顧、後設分析、事實查核、引導我的研究、幫我釐清、幫我想想、我不確定要研究什麼、研究方向、研究主題。
利用可能なすべてのツール(Web 検索、ブラウザ自動化、ドキュメント API、コードベース探索)を使い、あらゆるトピックについて網羅的で引用の多い調査を行う。"research X"、"find out about Y"、"investigate Z"、"deep dive into..."、"what's the current state of..."、"compare options for..."、"fact-check this..." を求められた場合や、複数の情報源から包括的で正確な情報を必要とするあらゆるリクエストに使用。速度より正確性を優先し、情報源をまたいで主張を照合し、矛盾を特定し、完全な引用を提供する。信頼度と情報源の品質評価を伴う構造化された調査結果を出力する。
Deepline を使って、ビジネス分析、RevOps、GTM 指標、パイプライン、収益、ファネル、顧客、データウェアハウスに関する質問に回答する際に使用します。「Snowflake をクエリ」「パイプラインを分析」「ACV 合計」「四半期ごとに分解」「セマンティックレイヤーを使用」「セマンティッククエリを実行」などの表現や、snowflake_get_semantic_layer / snowflake_run_semantic_query の使用で起動します。見込み顧客の開拓、データ補完、連絡先検索、アウトバウンド、パーソナライズのワークフローには使用せず、deepline-gtm を使用してください。
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。
