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 96,770 件掲載。コマンド 1 行でインストールできます。
すべて
フロントエンドと Node.js 向けの HTTP クライアント。Axios、Fetch API、ky、ofetch を扱う。インターセプター、エラーハンドリング、リトライロジック、認証トークン管理を含む。API クライアントと HTTP 通信の構成に使用する。使用場面：ユーザーが「HTTP client」「Fetch API」「ky」「ofetch」「HTTP wrapper」「retry logic」「token refresh」に言及した場合、「which HTTP client to use」「HTTP request library」「API client setup」「request interceptors」を尋ねた場合。使用しない場面：Axios 固有の質問——代わりに `axios` を使用；GraphQL——代わりに `graphql-codegen` を使用；tRPC——代わりに `trpc` を使用；WebSocket 接続。
ソクラテス式問答法——明確化、前提の探求、証拠の検証、視点の転換、含意の追跡、メタ質問による体系的な探究——を応用し、学習をコーチングしたり、人の推論に潜む前提を明らかにしたりする。ユーザーが明示的に学習を促進しているとき、ある人の思考をコーチングしているとき、あるいは保持している信念を探るための構造化された質問の流れを必要としているときにこのスキルを使用する。たとえ「この主張に対して悪魔の代弁者を演じて」や「この問題について質問を通じてチームをどうコーチングすべきか」と言っても同様である。信念を探るものではない、自由形式のブレインストーミング、情報収集、要件発見の質問リストには使用しないこと。
学術医学論文から AI 生成文章の痕跡を除去する。原稿の編集やレビューを行い、より自然で専門的に書かれた印象にする際に使用する。Wikipedia の "Signs of AI writing" ガイドに基づき、医学文献向けに調整している。検出して修正するパターン：誇張された重要性の主張、表面的な -ing 分析、曖昧な帰属、AI 語彙、コピュラの回避、過度なヘッジ、一般的な結論、非公式な語の選択（linked/beyond/via/where/yield）、断定的すぎる因果主張、人為的に圧縮された表現。正当な学術的つなぎ表現（Notably、Prior studies have shown など）は保持する。
高級なフロントエンド画像指導スキル。プレミアム品質で、コンバージョン対応のウェブサイトデザインリファレンスを生成します。重要な出力ルール — 各セクションごとに 1 つの独立した横長画像を生成します。8 つのセクションを持つランディングページは 8 つの画像を生成します。複数のセクションを 1 つの画像に圧縮しないでください。構図の多様性（常に左テキスト/右画像ではない）、背景画像の自由度、異なる CTA、異なるヒーロースケール（巨大/中程度/ミニマリスト小）、ナラティブコンセプトスパイン、二次読み取りモーメント、すべての画像にわたって単一の一貫したパレットを強制します。ランディングページ、マーケティングサイト、開発者またはコーディングモデルが正確に再現できるプロダクトコンプ向けに最適化されています。
Azure OpenAI 画像生成 CLI ツール（gpt-image-1.5 / gpt-5.1）。テキストから画像を生成し、画像を AI で編集し、画像の内容を説明する。ユーザーが (1) Azure OpenAI で画像を生成したい、(2) 既存の画像を AI で編集したい、(3) 画像の内容を説明したいときに使用する。トリガー："画像を生成"、"画像を編集"、"画像の説明"、"generate an image"、"edit this image"、"describe this image"、"imgenで"。
包括的なフロントエンドデザイン skill —— UI の形成、監査、研磨、洗練のための 23 のコマンド。ユーザーがフロントエンドインターフェースをデザイン、リデザイン、形成、批評、監査、研磨、明確化、蒸留、堅牢化、最適化、適応、アニメーション化、彩色、抽出、改善したいときに使用。ウェブサイト、ランディングページ、ダッシュボード、プロダクト UI、アプリシェル、コンポーネント、フォーム、設定、オンボーディング、空の状態をカバーする。UX レビュー、視覚的階層、情報アーキテクチャ、認知負荷、アクセシビリティ、パフォーマンス、レスポンシブ動作、テーマ、アンチパターン、タイポグラフィ、フォント、余白、レイアウト、整列、色、モーション、マイクロインタラクション、UX コピー、エラー状態、エッジケース、i18n、再利用可能なデザインシステム/token を扱う。大胆さを必要とする無難なデザイン、静けさを必要とする派手なデザイン、ライブブラウザでの反復、野心的な視覚効果にも使用。バックエンドのみ、または UI 以外のタスクには非対応。
計画をタスクに分解し、各タスクで implement-and-review を実行して機能全体を構築する。計画または機能が与えられたら、それをトランサーバレット型の垂直スライスタスクに分解し（to-tasks スキル経由——受け入れ契約 + ゲートフラグ + 依存関係)、タスク DAG を実行し（独立したタスクは並列）、各タスクごとに implement-and-review を実行して FE/BE クロスレビュー付き TDD ビルドを行い、依存関係の順にタスクを統合してタスク単位の受け入れを行い、最後に機能全体の full-review で締めくくり、テスト/ビルドをグリーンに保つ。Opus が分解、スケジューリング、統合、最終レビューを統括し、タスク単位の構築は implement-and-review の役割。マルチタスク機能をエンドツーエンドで出荷/構築する際に使用。単一のスコープされたタスクには implement-and-review を直接呼び出す。models-consensus（審議のみでコードを生成しない）や ship とは異なる——ship はアイデア→PR の指揮者で、対話的な仕様/計画フェーズと PR の納品を含み、implement-feature は仕様フェーズも PR もない計画→構築済み機能の DAG 実行者。
粗く未整理のプロンプトアイデアを、正確で構造化された AI コーディングプロンプトに変換する。生成前に現在のプロジェクトコンテキスト（スタック、ファイル構造、規約、git 履歴）を自動で調査する。ユーザーが曖昧または「汚い」プロンプトアイデアを提示し、その洗練、改善、書き直しを求める場合にこのスキルを使用する — 例："improve this prompt"、"refine my prompt"、またはやりたいことを大まかに述べるだけの場合。ユーザーがプロンプト自体ではなく作業の実行や計画を望む場合は対象外 — deep-plan が計画を生成し、単にタスクを行うのにプロンプトスキルは不要。
インバウンドリード（フォーム入力、デモ依頼、コンテンツダウンロード）を ICP 適合度（0-40）、インテント（0-30）、緊急度（0-30）でスコアリングし、優先度ティア＋応答 SLA にルーティングしたうえで、初回接触メールを下書きし適切な AE に割り当てる。使用時："qualify this inbound lead"、"score and route [name] from [company]"、"is this demo request worth calling"、"route this form fill"、"triage inbound"、"inbound lead"、"demo request scoring"。HubSpot から連絡先を取得し、qualify_lead でゲートする。AE への引き継ぎ文書自体には使用しない —— それは ae-handoff-brief-skill。
情報セキュリティエンジニアリングをガイドする — セキュリティコントロールの実装と運用、アイデンティティとアクセス管理システム、暗号化とシークレット管理、セキュリティツールの統合（SIEM、EDR、SOAR）、クラウドガードレール、ハードニングベースライン、脆弱性の修復エンジニアリング。SSO/RBAC/PAM パターンの構築、KMS や証明書ライフサイクルの設定、WAF/DLP や EDR コネクターの導入、security-as-code ポリシー（OPA、SCP、CIS ベンチマーク）の作成、ログの SIEM への統合、セキュリティワークフローの自動化、コントロール修正の検証に使用する — SOC トリアージ（soc-analyst）、ペネトレーションテスト（penetration-tester、network-pentester、web-pentester）、レッドチーム（red-team-specialist）、CI ゲートのみ（devsecops）、セキュリティ責任を伴わないプラットフォームプロビジョニング（infrastructure-engineer）、CISO/経営層向けプログラム（chief-information-security-officer）、セキュリティプログラム戦略（cybersecurity）、GRC プログラムと監査準備（compliance-specialist）、製品のテナント分離（product-infrastructure-security-engineer）には使用しない。
pnpm monorepo で Playwright 三点セット（@playwright/test + @playwright/cli + playwright-mcp）を初期化する。e2e/ビジュアルテストの骨組み、MCP 設定、AI skills の生成、AI メモリの更新を含む。ヘッドレスブラウザの CPU 過負荷インシデントのポストモーテムとトラブルシューティングガイドを内蔵: ヘッドレスモードでの高い CPU 使用率（100%）、ブラウザのハング、終了できない残存 Chromium プロセス、大型ディスプレイの 3D WebGL レンダリング性能問題を診断できる。緊急の損切り手順と長期的な回帰チェックリストを提供する。ユーザーが Playwright の初期化、大型ディスプレイのビジュアルテスト、e2e テストの構築、Playwright monorepo の設定、pw_core/pw_visual MCP などに言及したときにトリガーされる。ヘッドレスブラウザの性能トラブルシューティング、headless CPU 100% の診断、残存 Chromium プロセスのクリーンアップ、終了できないブラウザプロセスの対処、大型ディスプレイの 3D レンダリング性能チューニングなどの調査シナリオにも適用される。
ターゲットアカウントリストの買い手意図シグナル — 求人情報、資金調達、従業員数の増加、経営陣の交代、ファーストパーティのエンゲージメント — を Apollo organization データと Epiphan CRM からライブで取得し、アカウントのヒートランキングとしてスコアリングし、qualify_lead でゲートして純新規アカウントのみを hot としてマークする。使用する場面: "track intent signals for [accounts]"、"which accounts are showing buying signals"、"who is in-market right now"、"hot accounts this week"、"intent digest"、"is [company] hiring AV staff"、"funding or hiring signals in [vertical]"。転職者リスト（linkedin-sales-navigator-alt-skill）や類似顧客の拡張（lookalike-customer-finder-skill）には使用しない。
反復的なインタビューでスコープを明確にし、制約を洗い出し、非自明な作業を始める前に「やる / やらない / 完了」の合意に到達する。曖昧な依頼や漠然としたタスク説明を受け取ったとき、または非自明な実装で plan mode に入る前に使用する。一行で済む具体的な修正（"rename foo to bar"）、単一の事実を問う質問、スコープ・制約・受け入れ基準がすでに明示されている場合はスキップする。要件定義、デバッグ調査、アーキテクチャレビュー、セキュリティレビュー、ドキュメント作成、一般的な探索を支援する。
医療機器の品質マネジメントシステム向けに ISO 13485 認証文書を準備するための包括的なツールキット。ISO 13485 QMS 文書に関する支援が必要なときに使用し、(1) 既存文書のギャップ分析、(2) 品質マニュアルの作成、(3) 必要な手順書と作業指示書の策定、(4) 医療機器ファイルの準備、(5) ISO 13485 要求事項の理解、(6) 医療機器認証に不足する文書の特定を含む。医療機器規制、QMS 認証、FDA QMSR、EU MDR に言及する場合や、品質システム文書の支援が必要な場合にも使用。
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。