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 98,067 件掲載。コマンド 1 行でインストールできます。
すべて
Mod がゲームにフックできるよう、ゲームの実際の仕組みを調べます。.NET/Mono（ILSpy）、IL2CPP（Cpp2IL、Il2CppDumper）、Java（Vineflower）、ネイティブコード（Ghidra、IDA、MCP サーバー経由）を逆コンパイルし、データやアセット形式をダンプします。バイナリファイル形式をリバースエンジニアリングし、往復変換で検証します。ライブメモリ（Cheat Engine、Frida、x64dbg）を読み取り、レンダーパス（RenderDoc）を見つけます。Mod の開発でゲーム内部の仕組みが必要な場合に使用します。例：「ボスの AI はどう動く？」「ダメージ関数を見つけて」「この .sld/.pak/.dat は何の形式？」「メモリ上のプレイヤー位置はどこ？」
ユーザーがサイトの SEO の監査、レビュー、問題診断を希望する場合に使用します。Bright Data CLI 経由でライブのウェブデータを利用し、JS で挿入された schema、hreflang、canonical を正確に検出し、ライブ SERP に基づいて順位を確認します。「SEO 監査」「テクニカル SEO」「なぜ順位が上がらない」「SEO の問題」「オンページ SEO」「メタタグの確認」「SEO 健全性チェック」「トラフィックが減った」「順位が落ちた」「Google に表示されない」「サイトの順位が上がらない」「Google のアップデートの影響」「ページ速度」「コアウェブバイタル」「クロールエラー」「インデックスの問題」に言及した場合も使用します。「SEO の調子が悪い」「SEO を手伝って」など曖昧な依頼でも、まず監査を始めてください。キーワードを狙うページを大規模に作成する場合は programmatic-seo、構造化データの実装には schema-markup、AI 検索の最適化には ai-seo を参照してください。
ユーザーの LLM Wiki ナレッジベース（127.0.0.1:19828 で動作する LLM Wiki デスクトップアプリ。Obsidian、Notion、Apple Notes、Logseq、その他の PKM ツールではありません）を検索します。ユーザーが LLM Wiki を明示的に指定する、「my wiki」と言う、「my 知识库 / 知识库 / knowledge base」と言う、または「my wiki で X について何と書かれているか」「wiki ページ Y を読む」「my wiki graph / 知识图谱 を表示」「my LLM Wiki project を検索」「wiki sources を再スキャン / 重新索引」などを依頼する場合、または ID で wiki プロジェクトを指定する場合にのみ起動します。「自分のメモを検索」「ノートブック内を探す」「Obsidian を確認」などの一般的な依頼では起動しないでください。そうした依頼には、ユーザーがインストールしている可能性のある別のツールを使用します。稼働中の LLM Wiki デスクトップアプリでの wiki ページ検索、ファイル一覧表示、コンテンツの読み取り、ナレッジグラフの参照、ソースの再スキャンに対応します。ソースの再スキャンを除き、読み取り専用です。
GKE の HorizontalPodAutoscaler（HPA）の障害を診断します — メトリクスが <unknown> と表示される、FailedGetResourceMetric / FailedGetScale / FailedComputeMetricsReplicas イベント、Pod のリソースリクエストの欠如、カスタム/外部メトリクスパイプラインの断裂（FailedGetExternalMetric / FailedGetCustomMetric、利用できない metrics adapter、コントロールプレーンのファイアウォールが adapter をブロック）、スケールアップもダウンもできない HPA（tolerance / 安定化ウィンドウ / 利用不可なレートメトリクス）、ゼロへのスケールダウンとゼロからのスケールアップの問題、大規模クラスタでの HPA の反応遅延など。HPA が期待どおりにワークロードをスケールしない、またはメトリクスエラーを報告する場合に使用します。新たな HPA/VPA オブジェクトの設定や作成、スケール最佳|-耳鼻 луч practicesについては使用しないでください（gke-workload-scaling スキルを参照）。Cluster Autoscaler / ノードプールのサイズ調整にも使用しません。
カスタム AI モデルを Replicate にプッシュして公開し、新しいモデルバージョンを安全にリリースするための CI/CD を設定します。cog push の実行、モデルの Replicate へのデプロイ、新バージョンのリリース、公開前の cog-safe-push によるモデル検証、Replicate デプロイの設定、モデルリリース用の GitHub Actions 設定、コミュニティモデルの公式モデルへの移植時に使用します。「push a model to Replicate」「publish a model」「deploy a model」「release a new version」「cog push」「cog-safe-push」「model CI」「r8.im」「schema compatibility」などのフレーズや、github.com/replicate/cog-safe-push、github.com/replicate/model-ci-template への言及で適用されます。cog push、cog-safe-push の全設定（テストケース、ファズ、デプロイ、official_model）、GitHub Actions のパターン、複数モデルのマトリックスプッシュ、公開後の監視を扱います。動作する Cog プロジェクトがあることを前提とします。まずパッケージ化する必要がある場合は build-models を参照してください
RTVI-CV-3D マイクロサービスを MV3DT（`MODE=mv3dt`）としてデプロイし、運用します。キャリブレーション済みカメラを使ったカメラごとの DeepStream 認識と BEV Fusion に対応します。付属のサンプルデータセット、カスタム動画ファイル、RTSP ストリームをサポートし、キャリブレーションがない場合は `vss-generate-video-calibration` に連携します。倉庫全体の設計図には `vss-deploy-profile`、単眼カメラの 2D 検出には `vss-deploy-detection-tracking-2d` を使用してください。
どのコンテンツが効果的か、効果がないかのパターンを見つけたい場合に使用します。「うまくいっていること」「コンテンツのパターン」「最適なトピック」「最適な形式」「投稿に最適な時間」「コンテンツを分析して」「もっと増やす」「減らす」「何を変えるべきか」などの依頼にも使用してください。生の指標については performance-analyzer-sms、オーディエンス別の分析については audience-growth-tracker-sms、実行可能な提案については optimization-advisor-sms を参照してください。
shadcn レジストリにある既製の Remotion アニメーション、トランジション、背景、キャプション、UI プリミティブ、動画テンプレートから remocn コンポーネントを選び、インストールして組み合わせます。既製パーツを使った動画やシーンの制作（製品デモ、ローンチ、変更履歴、イントロ、ソーシャルクリップ）、Remotion プロジェクトへのアニメーション・トランジション・背景の追加、コンポーネントの選択に利用します。remocn の名前が出ていなくても、洗練された Remotion 動画制作では有効にしてください。Remotion スキルと併用できます。Remotion API 自体（interpolate、spring、Sequence、レンダリング、設定）に関する質問は、このスキルではなく該当するスキルで扱います。
ユーザーが所有する PC ゲームを改造し、アイデアを実際のゲームで動作する形にして録画します。新しいアイテム、武器、敵、ボス、ユニット、文明、メカニクス、アート、サウンド、VR、ゲーム間のクロスオーバーに対応します。ゲームの改造、拡張、ハック、リバースエンジニアリング、クロスオーバーを望む場合に使用します（「Terraria に核爆弾を追加」「Age of Empires に新しい文明を作成」「Minecraft を X の中に入れる」「このゲームを改造できる？」）。調査（エンジン、ローダー、アンチチート）、手法の選択、安全な実験環境、最初の垂直スライス、fal 生成アセット、ゲーム内検証、紹介用クリップまで扱います
アニメーション処理、メモリリークのリスク、長時間セッションでの速度低下、CSS アニメーション、canvas/WebGL の requestAnimationFrame ループ、マーキー、スケルトン、GSAP/Three/Matter のエフェクト、タイマー、リスナー、オブザーバーを重点に、フロントエンドページのパフォーマンスを計測、監査、最適化します。アニメーションのパフォーマンス向上、画面外のアニメーションの一時停止、メモリリークの調査、時間の経過とともにコンピューターを遅くするページの計測、スクロールのカクつきの修正、CPU/GPU 使用量の削減、または Codex Browser を使って React/Vite/Next/フロントエンドページで「表示中のみ再生」最適化を繰り返すよう求められた場合に使用します。
他社の成長要因をリバースエンジニアリングし、効果のあった施策を模倣したい場合に使用します。また、「リバースエンジニアリング」「Xはどう成長したか」「Xはどう顧客を獲得しているか」「成長の分析」「マーケティング分析」「GTM分析」「成長の青写真」「Xはマーケティングで何をしているか」「Xが急成長した理由」「Xの戦略を模倣」「Xの流通戦略」「Xに効果的なコンテンツ」「ファネルのハック」「ファネルを図式化」「Xの動向を追う」などの語句が出た場合にも使用します。公開データ、登録やデモ、チームへのインタビュー、隠れたシグナル（DNS、証明書ログ、アーカイブ、スポンサーシップ）をもとに、企業の施策を日付順にトラフィック推移と照合し、ユーザー自身のデータと比較します。成長と一致した施策を、実行を担当するスキルに振り分けます。競合のポジショニング、価格、機能の概要は competitor-profiling、比較ページは competitors、単一の投稿が拡散した理由は social を参照してください。
sherlock、maigret、WhatsMyName を使って数百のプラットフォームでユーザー名を列挙し、アカウントを照合して、実際に同一人物のものか確認します。ユーザー名の OSINT とハンドル名の列挙、「このユーザー名の全アカウントを探す」、プラットフォーム間のアカウント照合、ニックネームやスクリーンネームを起点とした調査、ハンドル名から実名を特定する場合に使用します。詐欺や合成 ID の調査、採用やマーケットプレイス詐欺の確認、トラスト＆セーフティの対応、内部脅威の調査、個人情報の露出監査に適用できます。参照先：useosint.com/skills/hunt-a-handle。
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。