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 97,222 件掲載。コマンド 1 行でインストールできます。
すべて
検索拡張生成のアーキテクチャパターン。チャンキング戦略、検索パイプライン、再ランキング、ハイブリッド検索、評価、本番環境の RAG システム設計。使用する場合：ユーザーが「RAG」「retrieval augmented generation」「document Q&A」「knowledge base chatbot」「semantic search pipeline」「chunking strategy」に言及した場合。使用しない場合：ベクトルデータベースの詳細 — `vector-databases` を使用；LangChain の実装 — `langchain` を使用；LLM API の直接呼び出し — Claude/OpenAI SDK のスキルを使用。
本番コードベース向けのモダンな Ruby／Rails アプリケーションのアーキテクチャ、実装、レビューのガイダンスです。モデル、コントローラー、ルート、Hotwire、ジョブ、API、パフォーマンス、セキュリティ、テストにわたる Ruby on Rails 8 の機能を構築・レビューするときに使用します。Rails 8、Active Record、Active Job、GoodJob、Solid Queue、Turbo/Stimulus、REST リソース、マイグレーション、コード品質、命名、本番運用の準備に関する依頼が対象です。
レート制限とスロットリング。トークンバケット、スライディングウィンドウ、固定ウィンドウのアルゴリズム。Express のレート制限、Spring のレート制限、Redis ベースの分散レート制限、API クォータ管理。使用場面：ユーザーが "rate limit"、"throttle"、"API quota"、"too many requests"、"429"、"express-rate-limit"、"sliding window"、"token bucket" に言及したとき。使用しない場面：サーキットブレーカーパターン - `resilience-patterns` を使用；DDoS 対策 - インフラ/WAF ソリューションを使用
RDKit（Python）を使った SMILES、MOL/SDF、InChI の読み書き、記述子（MW、LogP、TPSA）の計算、Morgan/MACCS/原子ペアフィンガープリントの生成、SMARTS 部分構造検索、反応 SMARTS の適用、ETKDG による 2D/3D 座標の構築を案内します。デフォルトのサニタイズに失敗する分子の解析やサニタイズ、Tanimoto 類似度の計算や化合物のクラスタリング、部分構造によるライブラリのフィルタリング、配座の埋め込みと最適化、Murcko 骨格や分子ハッシュの計算に使用します。サニタイズやアルゴリズムを細かく制御する必要がある場合に適しています。より簡単な標準ワークフローには、RDKit をラップする datamol を使用してください。
キャッシュ、pub/sub、データ構造、分散システムパターンに特化した Redis の専門家。「redis, caching strategy, cache invalidation, pub/sub, rate limiting, distributed lock, session storage, leaderboard, message queue, upstash, redis, caching, pub-sub, session, rate-limiting, distributed-lock, upstash, elasticache, memorystore」に言及された場合に使用します。
クライアント向けレッドチーム成果物の形式 — 外部レッドチーム演習で使用する Subject / Observations / Description / Impact / Recommendation / PoC の構成を標準化します（バグバウンティプラットフォームのレポートではありません）。対象読者、語調、進行はそれぞれ異なります。許可を得た演習の成果物をもとに構築されており、14件の発見事項を、スクリーンショット16枚を埋め込んだ52KBのMDと2.2MBのDOCXにまとめています。演習が「企業クライアント向け外部レッドチーム」（H1/Bugcrowd/Intigriti ではない）の場合、最終レポートの作成時、クライアントが独自のレポート形式を指定した場合、または発見事項をDOCX/PDFにまとめる場合に使用します。
FastAPI/Python コードをリファクタリングし、保守性、可読性、ベストプラクティスへの準拠を向上させる。本スキルは、動作するコードを FastAPI パターン、Pydantic v2、SOLID 原則に従った模範的なコードへと変換する。肥大化したルートハンドラ、非同期ルートでのブロッキング I/O、コードの重複、深いネスト、型ヒントの欠如、不適切な依存性注入に対処する。ルート内のビジネスロジック、Pydantic v1 パターン、PEP 8 規約に違反するコードに気づいたときに適用する。
外部から見た振る舞いを変えずに既存コードを再構築し、可読性、保守性、パフォーマンスを向上させる。使用場面：振る舞いを変えずにコードを再構築する、メソッド/クラスを抽出する、重複を排除する、デザインパターンを適用する、コード構成を改善する、技術的負債を削減する。使用しない：バグ修正（/debugging を使用）、テストの追加（/testing を使用）、新機能（直接実装する）。トリガー：refactor、restructure、rewrite、clean up、simplify、extract、inline、rename、move、split、merge、decompose、modularize、decouple、technical debt、code smell、DRY、SOLID、improve code、modernize、reorganize。
動作するコードの挙動を変えずに構造を改善する。重複の抽出、複雑な関数の分割、デッドコードの削除、マジックナンバーの置き換え、誤解を招く名前の修正、言語のイディオムへのモダナイズを行い、各ステップをテストで検証する。ビルドファイルからスタックを検出し、プロジェクト自身のリンター（detekt/ktlint、dart analyze、SwiftLint、cargo clippy、clang-tidy）を活用する。誰かが「これをリファクタリングして」「これをきれいにして」「この関数は長すぎる」「ここにコピペが多い」「デッドコードを削除して」「これを簡素化して」「もっとイディオム的にして」「複雑さを減らして」と言ったとき、またはハンガリー語の「refaktoráld ezt」「tisztítsd meg ezt a kódot」「túl bonyolult ez a függvény」「sok itt a duplikáció」と言ったときに使用。これは code-analyzer の検出に対応する適用側である。あのスキルはプロジェクト全体の問題を見つけ、このスキルは変更を加える。バグやクラッシュの修正（それは error-debugging）や、リファクタリングに必要なテストの作成（それは test-generation）には使用しない。
会話の開始時にユーザーのリクエストを能動的に分析し、タスクの種類を判定し、プロンプトの品質を評価し、有効化すべきスキルをインテリジェントに推薦する。最適なワークフローを確保するため、すべてのユーザーリクエストに対して発動すべきである。明確さ、具体性、完全性を評価し、必要に応じて prompt-optimizer の使用を提案する。UI デザインタスクを識別して ui-analyzer に、コンポーネントのリクエストを識別して react-component-generator に引き継ぐ。インテリジェントなスキルコーディネーターとして機能する。
USDM/EARS の要件ドキュメントを Markdown から、クライアント提出用の整形された Word（.docx）ファイルに変換する。表紙、目次、ヘッダー/フッター、スタイル付きの要件階層を生成する。Word ファイルの生成には docx スキルを利用する。使用場面：要件を Word にエクスポート、要件を docx に変換、USDM を Word に変換、要件ドキュメントの変換。要件書をWord出力、要件定義書のdocx変換、Word形式で要件書を作成、要件定義書をWordに変換。
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。