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
すべての色値がテーマから取得されるように UI コードを監査・リファクタリングする。16 進コード、rgba()、hsl()、oklch() リテラル、名前付き CSS カラーを、テーマパレットのトークン（primary、secondary、error、warning、info、success、background、text）および透明度用の alpha() ヘルパーに置き換える。あらゆる UI コンポーネントの作成・レビュー時、新しい MUI やデザインシステムのテーマの開始時、デザイナーが 16 進の注記として色を渡す時、コンポーネントファイルに色リテラルが散在している時、LLM がハードコードされた 16 進値のスタイルを生成した時に使用する。16 進コードや rgba リテラルをインライン化しロールベースのテーマトークンを使わないチュートリアルコードが支配的な LLM 学習コーパスへの対抗策。
ドキュメントとコメントの文章を改善し、コードの現在の状態を直接記述して平易な言葉で明確に読めるようにし、履歴、移行表現、些末な詳細を削る。2 つのモードで動作する：現在の変更（セッションの編集、未コミットの作業、またはブランチ diff）に対して、あるいは指定されたファイル/フォルダーに対して。ユーザーがドキュメントやコメントを整理、引き締め、改善したい場合に使用する — ファイル、フォルダー、プロジェクト内、または直前に変更した箇所（'tidy the comments in this diff'、'clean up the docs we just edited'、'fix docs before committing'）— ドキュメントをより明確/簡潔/読みやすくする、'previously / now / no longer / migrated from / instead of' といった表現を削除する、ドキュメントを時代に左右されないものにする、または "improve docs prose" を求める場合。
ADMET-AI 予測、CTD トキシコゲノミクス、FDA ラベルの安全性データ、DrugBank の安全性プロファイル、STITCH の化学物質-タンパク質相互作用を統合した包括的な化学物質安全性・毒性学評価。予測毒性学（AMES、DILI、LD50、発がん性）、臓器／系統別の毒性プロファイリング、化学物質-遺伝子-疾患の関係マッピング、規制上の安全性情報の抽出、環境ハザード評価を実行する。化学物質の毒性、薬剤の安全性プロファイル、ADMET 特性、環境健康リスク、化学物質ハザード評価、トキシコゲノミクス解析について問われたときに使用する。
PyTorch Geometric（PyG）でグラフニューラルネットワークを構築するためのガイド。ユーザーがグラフニューラルネットワーク、GNN、ノード分類、リンク予測、グラフ分類、メッセージパッシングネットワーク、異種グラフ、近傍サンプリング、または torch_geometric / PyG を含むあらゆるタスクについて質問した場合にこのスキルを使用する。torch_geometric からのインポートがある場合、またはユーザーがグラフ畳み込み（GCN、GAT、GraphSAGE、GIN）、グラフデータ構造、関係/ネットワークデータの扱いに言及した場合にもトリガーする。ユーザーが 'graph learning' や 'geometric deep learning' と言っただけでも、このスキルを使用する。
あらゆる入力——質問、主張、草稿テキスト、主張、意思決定、ツイート、あらゆるもの——に対して最大限の認識論的厳密さを適用する。常に完全な真実探求パイプラインを実行する：権威、歪んだフレーミング、誤った自信、敵対的フレーミング、ヒューリスティックの過剰適用を取り除く。このスキルは、エージェントがデフォルトで到達するよりも深く推論を進めるために存在する。お世辞よりも誠実さを求めるあらゆる場面で使用する。トリガー：/truth、"find the truth"、"what's really true"、"epistemological analysis"、"truth-seek this"、"check this"、"is this true"、"sanity check"。
移植可能な Turborepo + workspace monorepo のハウススタイルを徹底する。apps/packages レイアウト、catalog の固定、turbo.jsonc の transit/cache ルール、パッケージスコープと exports、環境変数の所有権、スクリプト、フィルター、依存関係の境界を対象とする。monorepo の雛形作成、workspace の追加、turbo/package レイアウトのレビュー、ユーザーが turborepo-architecture を求めたときに使用する。catalog、Knip、Oxlint/Oxfmt、Vitest workspaces、env パッケージ、Effect パッケージ、typegen、ネストしたスコープ、Docker prune、境界、ローカル compose 向けのオプションの with-* オーバーレイを含む。Turbo CLI のドキュメントスキルではない。
チュートリアルのスコープ、対象読者、前提条件、学習目標、および一貫したサンプルを定義し、下流の計画に使うチュートリアル仕様を出力する。**Trigger**: tutorial spec、scope、audience、prerequisites、learning objectives、running example、教程规格。**Use when**: tutorial pipeline の起点（C1）で、教育目標と境界を先に確定してから concept graph / module planning に進む必要がある場合。**Skip if**: チュートリアル制作を行っていない場合（または明確で変更不可の tutorial spec が既にある場合）。**Network**: none。**Guardrail**: 構造化された spec を優先；長いチュートリアル prose を早い段階で書かない（prose は C3）。
iOS 開発者向けの tvOS に関する専門的な意思決定：カスタムフォーカスエフェクトとシステムデフォルトのどちらを使うか、Siri Remote のジェスチャーのトレードオフ、Top Shelf のコンテンツ戦略、10-foot UI の適応パターン。tvOS アプリの構築、フォーカス問題のデバッグ、テレビ向けに最適化した UI の設計時に使用。トリガーキーワード：tvOS、Focus Engine、@FocusState、isFocused、focusable、focusSection、Siri Remote、Top Shelf、TVTopShelfContentProvider、10-foot UI、CardButtonStyle、large cards
医学と循環器学について、データドリブンでエビデンスを優先する Twitter の長文投稿を書く。ユーザーが次のことを望むときに使用する：(1) Eric Topol、Peter Attia、Andrew Huberman、Rhonda Patrick のスタイルでソートリーダーシップコンテンツを作成する、(2) 教育を受けた非専門家の読者に向けて、図表、データ、Q1 ジャーナルの引用を伴う臨床エビデンスを示す、(3) 厳密でありながら難解でない、自信に満ちた事務的な医学コンテンツを書く、(4) データ可視化と系統的エビデンスレビューを用いて試験、薬剤、医学的現象を説明する、(5) 方法論の厳密さとエビデンスに裏付けられた明確な結論を通じて権威を築く。ニュースレターや Substack 向けではない。Twitter の長文投稿専用。
同梱スクリプトで公開ウェブページの URL を Markdown に変換し、再利用可能な `.md` ファイルとして保存する。まず `https://r.jina.ai/<url>` を優先し、`r.jina.ai` が利用できない場合のみ `https://markdown.new/` にフォールバックする。ユーザーが公開ウェブページ、記事、ドキュメントページ、ブログ記事、リリースノート、参考 URL を Markdown にして、閲覧、アーカイブ、要約、抽出、RAG 準備、下流のエージェントでの再利用を行いたいときに使用する。markdown やファイル保存に明示的に言及していなくてもよい。
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。