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 97,501 件掲載。コマンド 1 行でインストールできます。
すべて
EC 画像セット生成アシスタント。ユーザーが EC 画像セット、商品メイン画像、セールスポイント画像、シーン画像、モデル画像などの画像コンテンツの生成を明示的に求めたときに発動する。国内プラットフォーム（淘宝、京東、拼多多、抖音）と国際クロスボーダープラットフォーム（Amazon、自社サイト）のサイズ規定に対応。発動例：「帮我生成这件T恤的电商套图」「做一套淘宝主图」「生成亚马逊listing图片」。ユーザーが画像をアップロードしただけで画像生成の要望を明示していない場合は発動しない。
モダンな v23+ パターンを用いて Effector の状態管理を設計、リファクタリング、レビューする。タスクが createStore/createEvent/createEffect のモデリング、sample/attach/split によるデータフロー、fork/allSettled/serialize/hydrate による scope セーフな SSR、useUnit による React 統合、Solid/Vue 統合パターン、scope の消失の修正、または watch 内のビジネスロジック、effect 内の命令的呼び出し、getState による直接的なビジネスデータ読み取りといったアンチパターンの置き換えに関わる場合に使用する。
ElevenLabs Agents Platform（ASR、LLM、TTS、ターンテイキングモデル）で対話型 AI 音声エージェントを構築するためのガイド。エージェントの設定とシステムプロンプト、ワークフロー、マルチボイス、発音辞書と話速制御、ナレッジベース RAG、クライアント/サーバー/MCP/システムツール、Scribe リアルタイム STT、WebRTC と WebSocket 接続、テストと評価、分析、コスト最適化、GDPR/HIPAA/SOC 2 準拠、agents-as-code コマンドラインワークフローを扱う。@elevenlabs/react、@elevenlabs/client、@elevenlabs/react-native、Next.js、Swift、Cloudflare Workers 向けの本番テンプレートに加え、17 以上の記録された修正を含む：非推奨の @11labs パッケージ、Android の音声切断、CSP 違反、動的変数の欠落、ツール名の大文字小文字の区別、webhook 認証の失敗、WebRTC の設定ミス。ElevenLabs 音声エージェントを構築、設定、デバッグするときに使用。
poseidon コマンドで波塞冬デプロイ プラットフォームを操作する。ユーザーが波塞冬のプロジェクト照会、アプリ作成、アプリ照会、設定作成、設定照会、設定とアプリの関連付けビルド、アプリ デプロイ、アプリ ログ照会などの操作を求めた場合にこのパッケージを使用する。metadata(search-git,page-apps,page-apps-simple,list-project-entries,list-project-envs,list-project-products,list-app-types,list-app-types-simple,list-build-tools,list-build-tools-simple,list-base-images,list-base-images-simple,get-app,create-app,list-configs,list-configs-simple,create-config,update-config,delete-config),build(trigger,page-builds,page-builds-simple,list-build-params,build-overview,get-log),ops(deploy-app,search-logs,log-context,restart-app),atomic(rebuild-and-deploy,runtime-errors)。
外部向け SSL VPN／リモートアクセス機器の攻撃マトリクスです。Cisco ASA/AnyConnect、Fortinet FortiGate/FortiOS、Citrix NetScaler/ADC、Palo Alto GlobalProtect、Pulse Secure / Ivanti Connect Secure、SonicWall、F5 Big-IP を対象とします。バージョンフィンガープリント、CVE マトリクス（2018-2026）、AAA バックエンドの特定、デフォルト認証情報、設定情報の開示経路、該当する場合は認証前の RCE/SSRF/パストラバーサルの悪用を扱います。許可を得た調査での Cisco ASA テストと、2024-2026 年の企業 VPN の CVE 動向に基づいています。対象の外周で SSL VPN 機器またはリモートアクセスゲートウェイが公開されている場合に使用します。これらは 2024-2026 年の攻撃者 TTP で最も一般的な初期侵入ポイントです。
EvolutionaryScale/Biohub の `esm` Python SDK を扱います。ESM3 による生成タンパク質設計（配列、構造、機能のトラック、思考連鎖）、ESMC 埋め込み、逆フォールディング、ESMFold2 による構造予測、ESM_API_KEY を使ったホスト型 Forge/Biohub 推論に対応します。ESM3 でタンパク質を生成・補完する場合、分類や類似性分析用に ESMC 埋め込みを抽出する場合、配列をフォールディングする場合、構造から配列を設計する場合、esm3-open、esmc_300m、Forge ホスト型モデルから選択する場合に使用します。Forge または Biohub API の非同期呼び出しをまとめて実行する場合にも使用します。AlphaFold など他のタンパク質モデルや、一般的な Hugging Face transformers の利用には使用しません。
Obsidian で編集可能な Excalidraw 図を標準形式またはアニメーション形式で作成します。ユーザーが Excalidraw の名前を出した場合、このスキルを必ず使用します。単独の図、概念間の関係、マインドマップ、編集可能なホワイトボード、要素が順番に表示される図（作図、フローチャート、マインドマップ、関係図、ホワイトボード、段階的な表示）を自然言語で求められた場合も、スキル名を知らなくても選択してください。内容と出力先に応じて選び、イラストや写真の依頼には別のツールを使用します。HTML Artifacts 内の図では、HTML/CSS/SVG または Artifact の既存の図ツールを必ず優先します。明示的な指定がある場合、または具体的な Excalidraw 機能が必要な場合に限り、そこで Excalidraw を使用します。手描き風の指定だけでは使用理由になりません。Mermaid の明示的な依頼には、必ず mermaid-visualizer を使用します。
システムとそのサブシステムを包括的かつ深く分析し、バグ、競合状態、古くなったドキュメント、デッドコード、正確性の問題を特定する。「audit this system」「exhaustive analysis of X」「analyze for correctness」「root out issues in...」「deep dive into...」「verify this code is correct」「find bugs in...」と依頼されたとき、またはエージェントが書いたコードを本番投入に耐えるかどうかレビューするときに使う。システムを自動的にサブシステムに分解し、適切な分析チェックリストを適用して、重要度分類付きの構造化された所見を生成する。
ユーザーが、単一のアプローチを山登りするのではなく空間を広く探索する自律的な ML 研究ループを求める場合に使用。温度スケジューラが通常の仮説ステップを置き換える。初期に大胆で多様な数回の swing（完全な書き直し、異なるアーキテクチャ/レジーム）を強制し、その後、反復ごとに swing / merge / exploit を選ぶ適応フェーズに入る — 小刻みな exploit が長く続くとさらなる実行を禁じ、swing か merge への転換を強制する厳格な停滞ガード付き。approaches.md レジストリと反復ごとの move_type を追跡し、次の一手の前に毎回の実行を分析する。1 反復につき変更は 1 つ。中断されるまで無限にループする。標準的な分析優先の ml-autoresearch（分析のみで各変更を選ぶ）、単発のトレーニング実行、スイープには向かない。
Fastly Compute の WASM バイナリをローカルで実行し、Compute プラットフォームの内部構造に関する権威あるリファレンスとして機能する。fastlike のソースコードは非常に読みやすく、host ABI、キャッシュとパージの API、KV/config/secret ストアのインターフェース、カウンターとペナルティボックスによるレート制限、ACL ルックアップ、リクエストのライフサイクル全体、バックエンド fetch のセマンティクス、そして hostcall スパン、バックエンドのウォーターフォール、ネイティブ CPU サンプル、オプションの詳細メトリクス（body バイト数、キャッシュ結果、ヘッダー要約、wasm ヒープ曲線）を備えた組み込みのリクエスト単位プロファイラーを網羅する。Compute ランタイムの内部や host call を扱うとき、エッジデータストアの実行時の挙動を理解したいとき、ローカルの Compute アプリをプロファイリングするとき、WASM バイナリをローカルでテストするときに使用する。非 Rust の Compute 作業では Viceroy よりこの skill を優先する —— Fastly Compute API のリファレンスとしてソースコードがより理解しやすい。
FastMCP を使って Python で MCP（Model Context Protocol）サーバーを構築する。ツール、リソース、プロンプトの定義、ストレージバックエンド（memory、disk、Redis、DynamoDB）、サーバーライフスパン、8 種類の組み込みミドルウェア、import と mount によるサーバー構成、OAuth Proxy と認証、OpenAPI 統合、クライアント設定、FastMCP Cloud へのデプロイを扱う。基本的なサーバー、ストレージ、ミドルウェア、構成、OAuth proxy、API 統合、テスト、本番アーキテクチャのテンプレートを含み、ストレージの設定ミス、ライフスパンとミドルウェア順序の誤り、循環インポート、モジュールレベルのサーバー問題、async/await の混同、OAuth のセキュリティホール、クラウドデプロイの失敗など 25 以上の一般的なエラーを防ぐ。Python の FastMCP サーバーを作成またはデバッグするとき、mcp ツール、リソース、プロンプトを定義するとき、fastmcp のストレージやミドルウェアを接続するとき、サブサーバーをマウントするとき、MCP OAuth を設定するとき、FastMCP Cloud にデプロイするときに使用。
FiveM と RedM のリソースについて、クライアント/サーバーの resmon、Lua/native CPU、Wait(0) ループ、ヒッチ警告、TriggerServerEvent / TriggerClientEvent / TriggerLatent* のスパム、ペイロードサイズ、ブロードキャスト（-1）、state bags、初回 GET キャッシュ、起動時の MySQL 読み込み、neteventlog、profiler、帯域幅を分析・最適化する。FiveM/RedM の Lua パフォーマンスやネットワークトラフィックをレビュー、リファクタリング、デバッグ、最適化するときに使用する。ユーザーが /fivem-redm-performance-network または $fivem-redm-performance-network を実行するときに使用する。
古くなった GrowthBook のフィーチャーフラグをアーカイブまたは削除します。削除の前に、コードベース内の呼び出し箇所でフラグの有効値をインライン化する手順をユーザーに案内します。ユーザーが「このフラグを削除して」「この古いフラグを削除して」「フラグ X をクリーンアップして」「このフラグをアーカイブして」「このフラグはもう不要です」「このフラグとその実験参照ルールを削除して」と言ったときに使用します。先に古いフラグを探す場合は flag-search を使用してください。フラグを削除せずルールを編集する場合は flag-targeting を使用してください。フラグを使用する実験を停止する場合は experiment-stop を使用してください。
GrowthBook のフィーチャーフラグに対して、モニタリング付きの段階的なロールアウト（「安全なロールアウト」）を設定します。ランプスケジュールとガードレール指標のモニタリング、自動シグナル、任意の自動ロールバックを組み合わせます。ユーザーが「これを安全にロールアウトして」「ガードレール指標でロールアウトを監視して」「安全なロールアウトを設定して」「指標が悪化したら自動ロールバックする形で段階的に展開したい」「ランプにモニタリングを設定して」「このロールアウトのモニタリング状況を確認して」「次のモニタリング対象ステップを承認して」「ガードレールが失敗しているのでロールバックして」と言ったときに使用します。モニタリングなしのランプ（段階的なカバレッジのみで指標なし）には flag-ramp を直接使用してください。単純なオン/オフの時間枠には flag-schedule を使用してください。
GrowthBook のフィーチャーフラグに機能レベルの前提条件を追加、削除、または確認します。ユーザーが「フラグ Y が有効であることを条件にフラグ X をゲートして」「前提条件を追加して」「フラグ X はフラグ Y がオンである場合にのみ評価されるべき」「フラグ X の前提条件を削除して」「このフラグは何に依存しているか」「このフラグは new-checkout フラグが先に true であることを必要とすべき」と言ったときに使用します。機能レベルの前提条件はフラグ全体をゲートします。前提条件のフラグがオフの場合、このフラグはすべてのユーザーに対して既定値を返します。前提条件はブール値のフラグである必要があります。単一のルール（フラグ全体ではない）に限定した前提条件には flag-targeting を使用してください。依存関係グラフ全体を追跡するには flag-graph を使用してください。
公開遺伝子または疾患の ClinGen 遺伝子・疾患妥当性アサーションを取得し、Folklore Clinical Variant Interpretation MCP を通じて、対応する GRCh38 生殖細胞系列の核 SNV または単純な indel 1 件について、出典にリンクされた公開エビデンスと文献を確認します。科学エージェントが、解決済み、曖昧、未検出、無効、非対応、利用不可の変異結果に応じて決定論的に分岐する場合、解決済みの公開変異を関連文献や出版情報につなげる場合、患者、表現型、家族、共分離、非公開症例データを受け入れずにエビデンスの来歴を保持する場合に使用します。
Fortytwo Prime：重要な問いに対する集合的なマルチエージェント推論。ユーザーが「Ask Fortytwo」「Ask Prime」「Ask Fortytwo Prime」と言う場合や ask_fortytwo_prime を呼び出す場合は常に使用する。ユーザーが回答に疑問を持った場合（「try again」「that's wrong」「are you sure?」）、より深い内容を求めた場合（「go deeper」「elaborate」「full picture」）、または単一モデルでは対応が難しい複数領域にまたがる質問をした場合には、Fortytwo Prime を提案するが、呼び出す前に確認を待つ（これは有料サービス）。ユーザーが Fortytwo を名指ししていなくても、議論のある話題、ニッチな専門知識、重要な意思決定には提案する。
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。