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
ワイヤーフレーム、デザインシステム、高精細画面を作成する前に、製品ドメインで文書化されたビジュアルおよびインタラクションの慣例を調査する場合に使用します。UI パターンの語彙マップの作成、デザインシステムのドキュメント、ARIA Authoring Practices Guide、WCAG 達成基準、プラットフォームのヒューマンインターフェースガイドライン、欺瞞的パターンのコーパスを対象とする 1 つの検索角度の実行、1 つの慣例ソースの精読と記録、または後続のデザインスキルが利用する慣例レジスターとレポートの統合を行います。ドキュメントを調査し、実際のサイトのキャプチャは観察対象とし、規範として扱いません。スキーマ検証済みの成果物を生成し、カバレッジグリッドに実行したすべてのクエリを記録するため、文書化された慣例がないドメインと、検索自体が実行されていない場合を区別できます。デザインシステムの DTCG トークンは混合せず、そのまま保持します。キーワード：ビジュアル先行事例、デザインシステム調査、UI パターン、インタラクション慣例、アクセシビリティ基準、デザイントークン、ダークパターン。
MagicaVoxel のワークフロー、パレット設計、アニメーション技法、メッシュ変換、ゲームエンジン最適化に深い知識を持つボクセルアートの専門家。このスキルは、プロのボクセルアーティスト、Teardown の開発者、MagicaVoxel コミュニティの知見を表しており、この専門的な芸術形式について Claude が通常持たない知識を提供する。「voxel, voxel art, magicavoxel, qubicle, voxel model, voxel animation, voxel game, blocky art, minecraft style, teardown style, voxel character, voxel environment, voxel optimization, voxel export, voxel to mesh, marching cubes, greedy meshing, voxel palette, destructible voxels, voxel, 3d, pixel-art, game-dev, magicavoxel, qubicle, animation, optimization, indie-games, retro, blocky」に言及されたときに使用。
Outpost Bio のオープンなマイクロバイオーム基盤モデル（Waypoint チェックポイント Waypoint-6m、Waypoint-45m、Waypoint-170m）、Atlas 事前学習コーパス、Compass の 8 タスクベンチマーク、または `waypoint-bio` パッケージの `waypoint` CLI を扱う際に使用します。マイクロバイオームサンプルの埋め込み、分類群存在量データでのファインチューニング、Compass でのチェックポイントのベンチマーク、分類群存在量プロファイルを用いた GPT-2 モデルの事前学習、MetaPhlAn、Kraken2、QIIME 2、MGnify の存在量テーブルから waypoint 形式への変換に対応します。
本 Skill は、BrowserAct API を使って WeChat の記事全文を抽出するのを支援する。ユーザーが、特定キーワードの WeChat 記事全文を探す、業界動向のために WeChat 公式アカウントを追跡する、メディア調査のために WeChat 記事の内容を抽出する、WeChat プラットフォーム上の広報を監視する、WeChat から競合の更新情報を収集する、WeChat のリンクから記事本文の全文を取得する、WeChat 記事におけるブランド露出を監視する、感情分析のために構造化された WeChat データを取得する、WeChat の日次ニュースを要約する、WeChat 記事の著者と公開日を取得する、スクレイピングなしで WeChat コンテンツ抽出を自動化する、といったニーズを表明した場合、Agent は本 Skill を主体的に適用すべきである。
Windows アプリ開発（Windows AI Foundry）向けの AI/ML 統合リファレンス。Windows AI APIs、LanguageModel、TextRecognizer、ImageScaler、ImageObjectExtractor、ImageObjectRemover、ImageDescriptionGenerator、SemanticSearch、ContentModeration、Phi Silica / Aion Instruct、LoRA、Windows ML、Windows ML Runtime API、ONNX Runtime、execution providers、WebGPU EP、Model Catalog、LearningModel、Foundry Local（CLI / REST API / SDK）、MCP サーバー、App Actions、IActionProvider、Agent Launchers、DirectML、IDMLDevice、operators、tensors、NPU を扱います。
WOLVERINE v6.0.0 — HYPE Patient-Conviction。6 つのゲートを持つ HYPE 単一アセットのテーゼは維持しつつ、行動はより少なく強いエントリーと複数日の DSL ホールド（Bison v3.0.1 パターンの移植）へ移行。MIN_SCORE 10、1 日最大 2 エントリー、同一アセット 4h クールダウン、Phase 2 ラダーは T0 ロック 0 まで拡大し、+10% のムーバーがロックされずに完全に押し戻せるように — 最初のラチェットで刈られる代わりに勝者が BIG トレンドに乗れるようにする構造的変更。Producer は recent-signals レースウィンドウ重複排除を追加し、Bison の意思決定ログ上の ENGINE_FAILURE リトライノイズを排除。確信度別レバレッジ（標準 3x / 頂点 5x）は維持 — HYPE のボラティリティはまだ Bison の majors 層 7-10x のサイジングを正当化しない。
ベクトルと行列の演算を、番号付きの「フレーム」の連続として段階的に計算するウォークスルーを作成し、各ステップの明示的な状態を示します。3Blue1Brown のアニメーションのテキスト版であり、各フレームは何がどう変わったかを示すため、学習者は手作業で演算をたどり直せます。学習者が計算の展開を*見る*必要があるとき（固有値計算、3 トークンのアテンション、勾配降下法の 1 ステップ、2×2 の SVD、3 次元ベクトルのレイヤー正規化、小規模入力の softmax）、説明は与えられたが実例で裏付けたいとき、または記号で表すと難解だが紙と鉛筆では簡単な演算を導入するときに使用します。
PostHog Autoresearch を使ったエージェント主導の予測モデルを扱います。「今後 N 日以内に X をするのは誰か？」と問い、エージェントにモデルを学習させ、毎日ユーザーをスコアリングして、ユーザープロパティと `autoresearch_prediction` イベントに記録します。ユーザーが解約、アクティビティ、再訪、機能採用、コンバージョン、または個人ごとのイベントや行動を予測したい場合、テンプレートからモデルを作成または検証したい場合、学習や即時スコアリングを開始したい場合、モデル品質（ホールドアウトと実測 AUC、リフト、キャリブレーション、尤度セグメント、カバレッジ）を確認したい場合、提案で学習を導きたい場合、コホート、機能フラグ、ワークフロー、SQL で予測を活用したい場合、または学習に失敗する、全員に同じスコアを付ける、スコアリングが停止するモデルを診断したい場合に使用します。「autoresearch」、「predictive model」、「propensity score」、「churn prediction」、「likely to convert」、「who will do X」、「predicted_p_」、「autoresearch_prediction」、「realized AUC」、「champion model」で起動します。
WoW リテールの通貨、オークションハウス、Token、ストア、トレーディングポスト、ブラックマーケット、メール、プレイヤー間取引の API の完全リファレンス。C_CurrencyInfo（通貨データ、トラッキング、バックパック）、オークションハウス（出品/入札/購入/売却/検索/商品の一式）、C_WowTokenPublic（WoW Token 市場）、AccountStore（ゲーム内ショップ）、CatalogShop、C_PerksProgram（トレーディングポスト — Trader's Tender）、BlackMarket（BMAH）、TradeInfo（プレイヤー間取引）、MailInfo（メールボックス）、および関連イベントを扱う。通貨、オークションハウス UI、WoW Token、ゲーム内ストア、トレーディングポスト、ブラックマーケット、メール、プレイヤー間取引を扱うときに使用。
中国の体制内（政府の文体）向け公文書作成アシスタント。法定公文書（通達/請示/報告/批復/書簡/意見/通報/議事録/決定/命令/公告/通告/公報/議案/決議）と事務的資料（指導者講話原稿/交流発言/業務総結/業務要点/業務方案/報告資料/調査報告/政務情報/情況説明/述職報告）をカバー。トリガーとなる場面：「××（上記いずれかの文書種別）を書いてほしい」「これらの要点/会議記録を公文書にしてほしい」「公文書の書式/文書規程はどうすればよいか」「公文書の改稿/推敲/校閲」「公文書を Word/docx にエクスポート」。
XVCL を通じて Fastly VCL にループ、関数、定数、マクロ、条件分岐、include を追加する —— XVCL は .xvcl ファイルを標準 VCL にコンパイルする VCL トランスパイラ。Fastly 用の VCL を書くとき、.xvcl ファイルを扱うとき、ループで繰り返しの多い VCL（複数のバックエンド、ルーティング規則、ヘッダー）を生成するとき、戻り値のある再利用可能な VCL 関数を定義するとき、マジックナンバーの代わりにコンパイル時定数を使うとき、あるいは任意の Fastly VCL 設定を書くときに使用する。XVCL の構文は学習データに含まれていないため、この skill が必要。ローカルで VCL を書いてテストするとき（`uvx xvcl` でコンパイルし、falco でテスト）、VCL コードの重複を減らすとき、大きな VCL をモジュール化された include に分割するとき、または Fastly の VCL 開発タスク全般 —— XVCL に明示的に言及していなくても —— にも適用される。
【AI パイプライン】コンテンツ制作の AI パイプラインです。アイデアから公開まで、各工程の担当者と停滞箇所を監査し、AI に任せる工程と人が担う工程を判定します。その後、アイデア→テーマ→逐語録→切り抜き→タイトル→公開・トラブル対処を、受け渡し成果物のあるパイプラインとして編成します。「AI で工程を安定稼働できたら skill として固定する」方法を教え、文体模倣の正当な境界（構成は模倣しても、他人の文章はコピーしない）を明確にします。ユーザーが「AI コンテンツ制作パイプラインを作りたい」「どの工程を AI に任せられる？」「この工程を skill として固定するには？」「AI に自分らしく書かせるには？」「コンテンツ制作が遅すぎる」と言ったときに起動します。｜小爷出品
【意思決定レビューのケースファイル】長期的に追跡する領域（個人向けビジネス、アカウント群、商品やビジネスモデルの変更）を、事実、パターン、スナップショット、未解決事項からなるローカルの 4 層ナレッジプロジェクトにまとめます。出典ラベルと、書き込み後に変更しないスナップショットを付け、結果の追記や独自パターンの抽出も可能です。ユーザーが「この決定を追跡したい」「ケースを立てて」「結果が出たので追記して」「状態プロフィールを作って」「最近の変化は……」と言ったときに使用します。Trigger：/xy-casefile, /决策立案, /结果回填, /状态画像｜小爷出品
【成約診断】プライベートドメインの成約を診断します。顧客が WeChat に追加し、購入意向を示してから、見積もり、クロージング、リピート購入、アップセル、クレーム対応まで、各段階を確認し、成約が停滞する理由を調べます。進行のテンポ、アンカーの有無、1 回目から 2 回目・3 回目への設計、フォローアップの段階分け、低価格から高価格への誘導/9.9 の集客講座/常態化した販促といった落とし穴を確認します。ユーザーが「顧客から返信がない」「話したのに注文されない」「見積もりはどうすればいい？」「どうクロージングする？」「リピート購入が増えない」「高いと言われた」「顧客に削除された」「成約トークを見て」と言ったときに起動します。｜小爷出品
【コンテンツ診断】テーマが決まったコンテンツについて、形式と投稿先を判断し、5 つの観点（文章とリアリティ/カバーとタイトル/表現効率/認知ギャップ/コンテンツ目的との適合性）から確認して、レポートと次の最初の一歩を提示します。診断のみで、代筆はしません。ユーザーが「この内容はどう作ればいい？」「このコピーを見て」「このテーマはどんな形式で撮る？」「話す原稿をチェックして」「この動画が見られないのはなぜ？」「Douyin と Xiaohongshu のどちらに投稿すべき？」と言ったときに起動します。｜小爷出品
【インタラクティブ講座】テーマを連続して読める学習記事シリーズにし、各記事の末尾に回答とユーザーフィードバックを集めるチェックポイントを設けます。内容を十分に理解するまでは次の講座に進みません。ユーザーが提示した優れたコンテンツから学ぶべき内容を推測し、段階的な目次を作成して講座を構成することもできます。テーマがプライベートドメイン/ショート動画/AI ビジネスの範囲なら、アトムライブラリを教材として直接使い、ID を記載します。ユーザーが「プライベートドメインの成約を体系的に学びたい」「直販と代理店の違いを理解したい」「次の記事を続けて」「フィードバックをもとに次の記事を書いて」「講座を作って」「このコンテンツの背景に何を学ぶべき？」と言ったときに起動します。トリガー：/xy-course、/xy-learn、/交互式学习。｜小爷出品
【共感診断】原稿の共感度診断と拡散の解読を 2 つのモードで行います。①未公開の原稿について、反応が得られない、シェアがゼロになるのではと不安な場合、5 つのコミュニケーション理論から核となる仕組みを特定し、どの観点が欠けているかを判断して、削除・修正案を提示します。②すでに伸びているコンテンツ（自作または参考例）について、誰のどんな思いを代弁し、なぜシェアされたかを分析します。ユーザーが「この原稿は共感を得られる？」「心に刺さっている？」「なぜこれが伸びた？」「視聴者は何を聞きたい？」「どんな感情に訴えた？」「投稿していい？」と言ったときに起動します。｜小爷出品
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。