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
George Orwell の "Politics and the English Language" の規則と Matthew Butterick の Practical Typography に着想を得た文章原則をチェックする厳格な編集レビュアー。ユーザーが "red pen"、"check my prose"、"edit this for clarity"、"typography check"、"tighten this up"、"review this draft for style" と言ったとき、または冗長な表現の削減、死んだメタファーの排除、受動態の修正、直線引用符・誤ったダッシュ・二重スペースなどの組版上の誤りの訂正に焦点を当てた厳密なライン編集を求めたときにこのスキルを使用。ユーザーが "tough editor"、"strict editor"、"copy editor" になるよう求めたとき、または内容や構成ではなく文章の品質についてのフィードバックを求めたときにも使用。
React の状態管理のための Redux Toolkit。スライス、サンク、RTK Query を扱う。複雑なグローバル状態に使用する。USE WHEN：ユーザーが "redux"、"redux toolkit"、"RTK"、"createSlice" に言及したとき、"complex state management"、"time-travel debugging"、"middleware"、"thunks"、"RTK Query"、"global state with DevTools"、"enterprise state management" について尋ねたとき DO NOT USE FOR：単純な状態 — `zustand` を使用；サーバーデータ — `tanstack-query` を優先；Vue アプリ — `pinia` を使用；小規模プロジェクト — オーバーヘッドが正当化されない
GDPR、PIPL、または広告・データ関連法に関わる業務シナリオ向けのコンプライアンスチェックリストを構築する。チェック項目、法的根拠、リスクレベル、実行可能な推奨事項を含む構造化されたチェックリストを出力する。"run a compliance check"、"GDPR/PIPL compliance"、"pre-launch review"、"privacy impact assessment (PIA/DPIA)" といったリクエストや、ある機能が準拠しているかの問い合わせでトリガーされる。
本スキルは、Replicate CLI を使って AI モデルを実行し、予測を作成し、デプロイを管理し、モデルをファインチューニングするための包括的なガイダンスを提供する。ユーザーがコマンドライン経由で Replicate の AI モデルプラットフォームを操作したい場合（画像生成モデル、言語モデル、Replicate 上でホストされる任意の ML モデルの実行を含む）に本スキルを使用する。ユーザーが Replicate でのモデル実行、予測の作成、デプロイの管理、モデルのファインチューニング、CLI 経由での Replicate API の利用について尋ねたときに本スキルを使用する。
ユーザーが漠然としたトピックや関心領域を持ち、それをいくつかの強力で新規性があり実行可能な研究課題に研ぎ澄ませたいときに使用。候補となる課題を起草し、固定のルーブリック（Specific、Answerable、Novel、Feasible、Significant）に沿って軽い文献/ウェブでの新規性チェックを交えてそれぞれを採点し、十分な数の課題が基準を満たすまで最も弱い軸を修正する。書かれた完全な提案を評価すること（research-proposal ループを使用）や、課題を検証可能な予測に変えること（hypothesis-generation ループを使用）には使用しない。
RHDHおよびその実行基盤（OpenShift、ARO、OSD、ROSA、AKS、EKS、GKE、PostgreSQL、Red Hat build of Keycloak、Quay）のベンダーサポート期間とサポート終了日を報告します。「OCP 4.16はまだサポート対象か」「PostgreSQL 15のEOLはいつか」「AKSで使用すべきKubernetesのバージョンは何か」「RHDH 1.10がサポートするOCPのバージョンは何か」といった質問や、RHBKまたはQuayのライフサイクル確認に使用します。対象は製品のライフサイクルのみです。Code FreezeなどのRHDHマイルストーンの日付はrhdh-release-scheduleを参照してください。
PDCA ワークフローにおける実行時検証の厳格な規律です。AI が環境内で検証を実行し、決定性と安全性を考慮したうえで、シミュレーションより実環境を優先します。人によるチェックリストを既定の方法にしてはいけません。まず実行を試み、差し替え可能な検証プロバイダー（プロジェクトのスクリプト／スキル → 共有機能スキル）を解決し、真に越えられない境界に達した場合のみ、理由を明示して人に引き継ぎます。バグ修正や機能開発など、ワークフローの検証・確認段階で、検証をどこで誰が実行するか、また十分かどうかを判断するために使用します。PDCA ホストは frontmatter の依存関係を通じて参照します。トリガー — 「环境验证」「真实环境验证」「真机验证」「真机测试」「模拟环境验证」「AI 验证」「验证分层」「验证充分性」／runtime verification、environment verification、real vs simulated。確認で UI を開く場合は、保存済みの空でないスクリーンショットを提示します。UI を伴わない確認では不要です。completion-evidence-discipline（証拠の鮮度）や runtime-evidence-debug（デバッグ計測）の別名として扱わないでください。
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。