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 96,981 件掲載。コマンド 1 行でインストールできます。
すべて
ユーザーが任意のページ（ホームページ、ランディングページ、料金プランページ、機能ページ、企業情報ページ、製品ページなど）のマーケティングコピーを作成・書き換え・改善したいときに使用します。「write copy for」「improve this copy」「rewrite this page」「marketing copy」「headline help」「CTA copy」と Estad 者が言った場合も使用します。メールのコピーは email-sequence を、ポップアップのコピーは popup-cro を参照してください。
CoWork OS 向けのマルチエージェントシステム研究エージェント。次の場合に使用する：マルチエージェントの論文、フレームワーク、本番導入事例を調査する、研究キューを維持する、CoWork OS への適用可能性の分析と実装の推奨事項を作成する。トリガー：「multi-agent research」「research multi-agent systems」「multi-agent papers」「agent orchestration research」「CoWork OS research」。
新しい Decentraland SDK7 シーンプロジェクトをスキャフォールドする。scene.json、package.json、tsconfig.json、src/index.ts を作成する。scene.json schema（parcels、spawnPoints、permissions、featureToggles）、複数パーセルのレイアウト、プロジェクト構成を扱う。新しいシーンを始めたい、プロジェクトを作成したい、ゼロからセットアップしたい場合に使用。デプロイには使用しない（deploy-scene または deploy-worlds を参照）。
並列実行ウェーブに整理された自己完結型のタスクファイルを備えた構造化された機能仕様を作成します。ユーザーが「create a spec」「plan this feature」「write up an implementation plan」「break this into tasks」と言ったとき、または計画に関する会話の後で意思決定を実行可能な spec ファイルとして記録したいときにこのスキルを使用します。ユーザーが「/create-spec」と言ったとき、または機能をエージェントが独立して実装できる作業項目に分解したいときにも使用します。このスキルは specs/{feature}/ 配下にローカルの spec ファイルを生成します — GitHub 連携はありません。
curl と HTTPie による HTTP リクエストの構築と API テスト。ユーザーが "test API"、"make HTTP request"、"curl POST"、"send request"、"test endpoint"、"debug API"、"upload file"、"check response time"、"set auth header"、"basic auth with curl"、"send JSON"、"test webhook"、"check status code"、"follow redirects"、"rate limit testing"、"measure API latency"、"stress test endpoint"、"mock API response"、またはコマンドラインからの HTTP 呼び出しを求めたときに使用します。
エンタープライズデータセンターのポートフォリオ計画と実行をガイドします — マルチサイトの容量ロードマップ、投資の優先順位付け（新規建設、拡張、リフレッシュ、撤退、コロケーション vs 自社所有）、DC プログラム全体にわたるポートフォリオ RAID と依存関係管理、ステージゲートガバナンス、capex／opex の整合、地域戦略とレジリエンス戦略、運営委員会への報告。複数の DC 施策に優先順位を付けるとき、3～5 年にわたるサイト計画を調和させるとき、ホール建設とリフレッシュのポートフォリオを追跡するとき、または DC 投資について施設／IT／財務を整合させるときに使用します — 単一ホールの MEP 設計（data-center-design-execution-lead）、ホストレベルの稼働率（data-center-compute-supply-efficiency）、一般的なソフトウェアプログラム（technical-program-manager）、クラウド IaC（infrastructure-engineer）には使用しません。承認された MW／ラックの納入を予定どおり実行するには、senior-data-center-capacity-delivery-manager を使用してください。
@data-client/rest で REST API を定義する — resource()、RestEndpoint、CRUD（GET/POST/PUT/PATCH/DELETE）、HTTP fetch、normalize、キャッシュ、urlPrefix、path-to-regexp のパラメータ、searchParams、ページネーション、extend()、auth/headers、楽観的更新、ポーリング、ファイルダウンロード、blob、parseResponse。ネットワークエンドポイント、REST リソース、HTTP 層を定義または変更するときに使用。
@data-client の schema（Entity、EntityMixin、Collection、Union、Query、Values、All、Invalidate、Lazy、Scalar）でデータをモデリングし、正規化、ID ベースのキャッシュ、単一の信頼できる情報源によって、アトミックで一貫性があり参照等価な非同期データを実現する。pk、static schema、resource()/RestEndpoint schema、可変リスト/マップ（push/unshift/assign/remove/move）、多態型/判別可能型、メモ化セレクター/派生データ、部分エンティティ/補助エンティティ、リレーショナル/ネスト/結合データ、楽観的更新を定義・編集するとき、または @data-client/rest、/endpoint、/graphql、/normalizr をまたぐキャッシュ無効化を行うときに使用。データモデル、リモートデータの形、キャッシュ、正規化、ID、結合、多態性、可変コレクション、ストアの一貫性について議論するときは積極的に適用する。
調査的なデータ分析手法を用いて、データセット内の目立たないシグナル、隠れたパターン、巧妙な相関関係を特定します。ソーシャルメディアのエクスポート、ユーザーデータ、行動データセット、より深い洞察が求められるあらゆる構造化データを分析するときに使用します。personality-profiler と組み合わせることでシグナル抽出を強化できます。「どんなパターンが見えるか」「隠れたシグナルを見つけて」「これらのデータセットを関連付けて」「このデータで見落としているものは何か」「データセットを横断して分析して」「目立たない洞察を見つけて」といったリクエストや、表面的な分析を超えたいときに発動します。また、データ分析タスク中に興味深い異常や相関に気づいたときに積極的に使用します。
アルゼンチンと米国の金融商品に関する Data912 の市場データエンドポイントを照会します。ユーザーが MEP/CCL の気配値、アルゼンチンのリアルタイム市場パネル（株式、オプション、cedears、手形、社債、債券）、米国パネル（ADR、株式）、ticker 別の OHLC ヒストリカル系列、米国のオプションチェーン、またはボラティリティ/リスク指標を求めた場合に使用します。また、ユーザーが "Data912"、"mep"、"ccl"、"cedears"、"option chain"、"historical bars"、"OHLC"、"implied volatility"、"historical volatility"、"volatility percentiles" に言及し、API ベースの市場スナップショットを期待する場合にも使用します。
リレーショナルおよびNoSQLモデル、正規化、インデックス戦略、関係モデリング、データ型、制約、パフォーマンス最適化など、包括的なデータベーススキーマを設計します。ER図、スキーマ移行、パーティショニング、PostgreSQL、MySQL、MongoDBなどのデータベースのベストプラクティスを扱います。データベースの設計、スキーマ作成、データモデリング、クエリ最適化、または「database design」「schema design」「data modeling」「ERD」「normalization」「indexing」「database architecture」といった語が出た場合に使用します。
REST API 経由で 78 の公開された科学、生物医学、材料科学、経済のデータベースを検索する。対象：物理学/天文学（NASA、NIST、SDSS、SIMBAD）、地球/環境（USGS、NOAA、EPA）、化学/薬物（PubChem、ChEMBL、DrugBank、FDA、KEGG、ZINC、BindingDB）、材料（Materials Project、COD）、生物学/ゲノミクス（Reactome、UniProt、STRING、Ensembl、NCBI Gene、GEO、GTEx、PDB、AlphaFold、InterPro、BioGRID、Gene Ontology、dbSNP、gnomAD、ENCODE、Human Protein Atlas、Human Cell Atlas）、疾患/臨床（COSMIC、Open Targets、ClinicalTrials.gov、OMIM、ClinVar、GDC/TCGA、cBioPortal、DisGeNET、GWAS Catalog）、規制（FDA、USPTO、SEC EDGAR）、経済/金融（FRED、World Bank、US Treasury）、人口統計（US Census、Eurostat、WHO）。化合物、遺伝子、タンパク質、パスウェイ、バリアント、臨床試験、特許、経済指標の検索、または公開データベースの API クエリを行うときに使用する。
MongoDB と PostgreSQL のデータベース管理。データベース：MongoDB（ドキュメントストア、集約、Atlas）、PostgreSQL（リレーショナル、SQL、psql）。機能：schema 設計、クエリ最適化、インデックス、マイグレーション、レプリケーション、シャーディング、バックアップ／リストア、ユーザー管理、パフォーマンス分析。アクション：design、query、optimize、migrate、backup、restore、index、shard databases。キーワード：MongoDB、PostgreSQL、SQL、NoSQL、BSON、aggregation pipeline、Atlas、psql、pgAdmin、schema design、index、query optimization、EXPLAIN、replication、sharding、backup、restore、migration、ORM、Prisma、Mongoose、connection pooling、transactions、ACID。使用場面：データベース schema の設計、複雑なクエリの作成、クエリ性能の最適化、インデックスの作成、マイグレーションの実行、レプリケーションの設定、バックアップ戦略の実施、データベース権限の管理、遅いクエリのトラブルシューティング。
些細ではないタスクを始める前に、その作業がどれだけの理解を要するかを算出し、「すでに理解している」と「先に学ぶ」に分ける。ユーザーが /depth-check を呼び出す、"what do I need to understand before touching this?"、"이거 시작하기 전에 뭘 알아야 해?"、"어디까지 파악하고 들어가야 해?" と尋ねる、またはよく知らない領域で作業を始めようとしている場合に使用。タスクの影響範囲を整理し、各領域に必要な深さを評価し、コーディング前に答えるべき短い質問リストを出力する。
既存の UI コードがデザインシステムに準拠しているか監査します。ユーザーがデザインシステムの基準に照らして UI 実装をレビュー、監査、確認、検証したい場合に使用します。トークンではなくカラー値を直接指定していないか、状態の欠落、スペーシングの不整合、アクセシビリティ上の不足、ダークモード対応の問題、デザインシステム全般への準拠などを確認します。「これで合ってる？」「CSSをレビューして」「このコンポーネントを確認して」「UIコードを監査して」「デザインシステムに沿っている？」などの依頼でも使用します。
ユーザーが Substrait クエリプランの生成、自然言語からの Substrait プランの作成、データクエリの Substrait JSON への変換、Substrait DSL パイプラインの記述、データ要求のクエリプランへの変換、JSONL データセットのテストエントリの処理を求める場合に使用。DSL コードの記述、MCP ツール（compile_substrait_dsl、get_substrait_dsl_examples、load_test_entry）の呼び出し、コンパイルエラー時の自己修正を扱う。トリガー："generate substrait"、"generate substrait dsl"、"generate functional plan"、"generate fp"、"process entry"、"run entry"、"generate dsl"。
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。