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 97,725 件掲載。コマンド 1 行でインストールできます。
すべて
Yuval のオールインワン AI 動画パイプライン。HyperFrames（HTML→決定論的な動画レンダリング）、Lottie（ブランドのモーショングラフィックス）、ManimCE（数学/ニューラルネットワーク/コンセプトのアニメーション）、および文字起こし→承認のキャプションフローをオーケストレーションして、アイデアやスクリプトを完成したブランド準拠の MP4 に変える。すべて frame.md を通じて YUV.AI Neon Phoenix ブランドで包まれる。Yuval が何かを動画として作りたい、編集したい、説明したいときに使用する：プロモ、解説、ローンチ、ソーシャルリール、「X についての動画を作って」、「X を動画で説明して」、「ニューラルネットワークのアニメーション」、「これを動画にして」、字幕付きチュートリアル、16:9 または 9:16。トリガー：video, explainer, promo, reel, manim, lottie, hyperframes, animation, "make a video", "explain ... as a video", מצגת וידאו, סרטון, הסבר וידאו。各ビートを適切なエンジンにルーティングし、ブランドで包み、自己検証してレンダリングする。
ユーザーが既存の文章やドキュメントを agent と一緒に review したいときに使用する skill：論理的な一貫性、構成、冗長な水増し、AI っぽさ、スタイルとトーン、および（参照入力がある場合は）ドキュメント間の SSOT 一貫性を検討する。複数モデルによるクロスレビューにも対応。 トリガー："review 这篇文档 / 审一下 / 看看合不合理 / 逻辑有没有问题 / 有没有重复 / 太啰嗦 / 一股 AI 味 / less AI-sounding / 帮我过一遍"；推敲系（润色 / 改写 / 精简 / polish / rewrite / shorten）と複数モデルのクロスレビュー系（分头审再合并 / 交叉评审 / 让几个模型一起审）も同様にトリガーとなる。 非対象：翻訳、ファクトチェック、ゼロからの執筆、内容意図の変更（意見の追加 / 結論の変更）、コード review、複数モデル生成の比較検討 / モデル選定の評価。
ローカルの 1Password MCP サーバーを通じて 1Password Developer Environments とローカルの .env マウントを管理し、シークレットの値を露出させない。ユーザーが repo の環境変数を設定したい、API キーやシークレットを 1Password に保存・設定したい、1Password からローカルの .env ファイルをマウントまたは作成したい、1Password Environment の変数名を確認したい、1Password MCP サーバーを扱いたい場合に使用する。
アウトバウンドの見込み顧客として対象企業を1社調査し、意思決定に使えるアカウント資料を作成します。シグナルの一覧、自社ICPとの適合度、意思決定者、リードスコア、リスク、次のアクション、見込み顧客の言語での初回連絡文案をまとめます。「このアカウントを調査して」「[会社]の資料を作成して」「[会社]は自社に合うか」「[会社]の誰に連絡すべきか」「[会社]との商談前の調査」「このアカウントを狙うべきか」「アウトバウンド向けアカウント概要」と依頼された場合や、企業URL・名称を評価のために提示された場合に使用します。これは買い手としての見込み顧客側の調査です。自社の顧客がなぜ購入するのかをベンダー側から調査する場合は、代わりに`customer-intelligence`を使用してください。
ユーザーが広告キャンペーンのパフォーマンス データを共有し、何を削減・拡大・テストすべきかを尋ねたときにこのスキルを使用する。"analyze my ad campaigns"、"where am I wasting ad spend"、"reallocate my ad budget"、"which ads are actually working"、"ROAS analysis" などのプロンプトでトリガーする。パフォーマンス データを伴わないキャンペーン計画やクリエイティブ生成ではトリガーしない。
GltfContainer を使って Decentraland シーンに 3D モデル（.glb/.gltf）を追加する。読み込み、配置、スケーリング、コライダー、親子関係、および OpenDCL カタログの 5,700 以上の無料アセットの閲覧を扱う。ユーザーがモデルを追加したい、GLB ファイルをインポートしたい、無料の 3D アセットを探したい、またはモデルのコライダーを設定したいときに使用する。マテリアル／テクスチャ（advanced-rendering を参照）やモデルアニメーション（animations-tweens を参照）には使用しない。
個人データを処理する AI システム向けに、DPIA と AI 法適合性評価を組み合わせて実施する方法を導く。EDPB-EDPS 共同意見 5/2021、第 6 条および第 9 条に基づく訓練データの適法性、第 22 条の自動化された意思決定、アルゴリズムバイアスの検出、NIST AI RMF の MAP 機能を扱う。キーワード:AI プライバシー、DPIA、AI 法、アルゴリズムバイアス、自動化された意思決定、第 22 条、訓練データ、NIST AI RMF。
AI システムの敵対的テストをガイドする — プロンプトインジェクション、ジェイルブレイク、ツールの悪用、データ持ち出し、バイアスと有害出力のプローブ、マルチターン攻撃、LLM アプリケーション向けの自動レッドチームハーネス。リリース前にチャットボット、エージェント、RAG システム、Copilot をレッドチーミングするとき、安全評価スイートを設計するとき、報告された脆弱性を再現するとき、インシデント後に緩和策を検証するときに使用 — 企業の AI ポリシー作成（ai-risk-governance）、プロダクション機能の構築（ai-engineer）、一般的なネットワークやアプリのペネトレーションテスト（penetration-tester、network-pentester）、エンタープライズの敵対者シミュレーションやパープルチームキャンペーン（red-team-specialist）、許可された Web/API の OWASP テスト（web-pentester）、バイナリ／ファームウェアのリバースエンジニアリング（reverse-engineer）には使用しない。プロダクションセーフガードの配信とゲートウェイ: ml-infrastructure-engineer-safeguards。安全分類器の研究開発とベンチマーク: ml-research-engineer-safeguards。
SAP AI SDK for Java（com.sap.ai.sdk）を使用して、SAP GenAI Hub 向けの動作する Java ボイラープレートを生成します。チャット補完、ストリーミング、複数ターンの会話、プロンプトテンプレート、コンテンツフィルタリング、データマスキング、埋め込み、RAG／グラウンディング、プロンプトレジストリ、Spring Boot のストリーミングを扱います。対象：GenAI Hub モデルを呼び出す Java または Kotlin コードの依頼、Java スタータープロジェクト、アプリでの com.sap.ai.sdk の使い方、AI Core を Spring Boot または通常の Java アプリケーションに統合する方法の質問。不使用：JavaScript/TypeScript コードには `aicore-sdk-js` を使用します。
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。