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 98,639 件掲載。コマンド 1 行でインストールできます。
すべて
MCU の周辺レジスタ、ビットフィールド、リセット値、アドレス（CMSIS SVD ベース）を検索し、各結果に出典と根拠ラベルを付けます。アドレス逆引き、レジスタ値のデコードと書き込み値の計算、ビットフィールド早見表とビットマップ、割り込み番号と NVIC 有効化のヒント、CMSIS 形式のマクロ生成、チップ間および周辺機器単位の比較、アドレス範囲検索、SVD 品質チェック、ローカルのチップ一覧と環境チェック、Markdown 表出力、解析結果のキャッシュに対応します。レジスタ、ビットフィールド、リセット値、周辺機器のベースアドレス、割り込み番号について質問された場合、書き込むレジスタ値のデコードや計算、レジスタマクロの生成、デバイス間のレジスタ定義の比較、またはマシン上の SVD ファイルの検索・検証を求められた場合に使用します。キーワード：寄存器、位域、复位值、SVD、外设地址、寄存器值、掩码、位图、中断号、IRQn、NVIC、宏定义、对比、整体对比、质量检查、SVD 位置、芯片清单、读改写、USART1->CR1、register、bitfield、mask、reset value、decode、interrupt。対象外：ピン多重化、マニュアルの章検索、正誤表の検索、コード内のレジスタ書き込みの検証（embedded-register-verify を使用）。
Web プロジェクトに glimm（WebGL によるカラー スイープのページ遷移）を正しく導入・接続・調整し、適した用途を率直に案内します。ユーザーがページ遷移、ルート変更アニメーション、より生き生きとした、または洗練されたナビゲーションを求める場合、glimm の名前を挙げる場合、あるいは Next.js や React サイトでライブラリ名を出さずに「色のあるビュー遷移」を求める場合に使用します。既存の glimm のカスタマイズ（パレットやブランドカラーの変更、スイープのタイミングや方向の調整、特定リンクの除外）にも使用します。プランのアップグレード、決済後の遷移、モード変更、生成結果など、アプリ内の特定の場面にスイープを加えたい場合にも使用します。
ユーザーが自然言語の説明から新しい AI 従業員を作成、採用、有効化、または設定したい場合に使用します。例：週次のまとめを書く、ゲストメッセージに返信する従業員を用意する。Hiring Dozal の複数ターンの設定ウィザード（採用チャット）を進め、ボタン形式の質問（先に確認するか、そのまま送信するか）をユーザーに伝え、設定済みの Dozal を採用します。新規従業員に関する依頼全般に使用します。認証と base URL の設定のため、先に operate-ai-employees を読み込みます。
ユーザーが既存の AI 従業員（設定、active／paused／draft のステータス）を表示、一覧表示、一時停止、再有効化、名前変更、確認したい場合、または接続済みアプリ、スケジュール、引き継ぎ、メンバーと招待、利用状況、請求を管理したい場合に使用します。例：「どんな従業員がいる？」「recap bot を一時停止して」「先週の金曜日はどうだった？」。従業員を今すぐ実行する場合（run-ai-employee）、タスクの出力・承認・ログ（monitor-and-review-ai-employee-work）、新規作成（hire-ai-employee）には使用しません。最初に operate-ai-employees を読み込みます。
ユーザーが AI 従業員のタスクが完了したか尋ねる場合、出力を見たい場合、または作業を承認／却下したい場合に使用します。例：「recap はできた？」「書いた内容を見せて」「承認して」「却下して短くして」「あの実行はなぜ失敗した？」「ログを見せて」「ライブで見せて」。phase_category でタスクの状態を読み取り、承認／却下の判断を処理し、実行ログ、アクティビティ、リアルタイムの状態を読み取ります。認証設定のため、先に operate-ai-employees を読み込みます。
人間から AI Employee プラットフォームアカウントの操作を依頼された場合に使用します。従業員の採用や実行、タスクの確認、作業の承認または却下、従業員の一覧表示や一時停止、接続、スケジュール、引き継ぎ、メンバー、使用量、請求、アクティビティ、実行ログの管理が対象です。4つの業務スキルを振り分けるため、最初に読み込みます。全体を統括するスキルで、dze_ APIキー認証とそのレベル、本番環境のベース URL、テナント解決、非同期モデル、人間のみが行う手順を扱います。
公開の `orca` CLI を使用して、Orca が管理する worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、アーティファクト、worktree コメント、および Orca アプリに埋め込まれたブラウザを操作する。ユーザーが「$orca-cli」「use orca cli」「Orca worktree」「child worktree」「cardStatus」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「terminal send」「full handoff」「handover」「give this to another agent」「another worktree」「Orca browser」「orca artifacts」「share HTML/Markdown」「public artifact link」「control the browser inside Orcaoclassroom」と言ったときに使用する。Orca が管理する状態に wortt Involving タスクでは、生の `git worktree`、場しの PTY、Playwright、Computer Use よりこの方法を優先する。Orca の埋め込みブラウザ以外のブラウザウィンドウ、webview、デスクトップ UI には Computer Use を使用してきた。
品質を損なわずに、エージェントパイプライン内のフロンティアモデルをより安価なモデルに置き換えられる箇所を特定します。インストール済みの rightmodeler TypeScript CLI を再開可能なパイプラインで操作し、機械プロトコルを解釈して、モデルファミリーごとの判定を提示します。証拠が裏付ける場合は、レビュー済みのモデル置換プルリクエストを作成します。モデル費用を削減したい場合、タスクごとに適切なモデルを選びたい場合、安価なモデルへの置換をベンチマークしたい場合、またはエージェントパイプラインを分析してコストを最適化したい場合に使用します。
人間が既存の AI 従業員を実行、起動、開始、またはテスト実行したい場合に使用します。たとえば、今すぐ要約ボットを実行する、ゲスト応答ツールを起動する、入力リストのトピックごとに1回実行する、といったケースです。従業員を起動し、ドライランで必要な入力を一覧表示できます。また、処理をブロックせずにタスクハンドルを返します。認証には先に operate-ai-employees を読み込み、結果の確認には monitor-and-review-ai-employee-work を使用します。
リポジトリのドキュメントを実際のコードに合わせて同期します。README.md、CLAUDE.md、AGENTS.md、docs/にあるバージョン、依存関係、コマンド、プロジェクト構成、機能に関する記述を、マニフェスト、ロックファイル、スクリプト、ファイルと照合してから更新します。人が書いた文章、文体、セクション順は維持します。次の場合に使用します。（1）依存関係、フレームワーク、ランタイムのバージョンが変わったのに、ドキュメントに古いバージョンが記載されている。（2）スクリプト、Makefileのターゲット、ディレクトリ構成が変わった。（3）機能が追加、改名、削除され、ドキュメントと一致しない可能性がある。（4）エージェント向け指示ファイルが、存在しない可能性のあるコマンドの実行を指示している。（5）ユーザーが sync docs、update the README、docs are stale、docs out of date、outdated version in README、fix CLAUDE.md、AGENTS.md、package.json、lockfile、pyproject.toml、Cargo.toml、go.mod、「npm run lint」missing script、「docs: sync documentation with codebase state」に言及する。各エコシステムの事実確認表、宣言されたバージョン範囲と解決済みバージョンの比較ルール、検証できない機能の記述は推測せずフラグを付けるルール、変更・検証済み・要確認の3部構成レポートを備えています。Node、Rust、Python、Go、マニフェストのないリポジトリなど、あらゆるプロジェクトに対応し、リポジトリ独自のマニフェストやファイルを接点とします。変更履歴やバージョン更新のツールではなく、存在しないファイルのドキュメント作成や、コードがドキュメントに合っているかの監査も行いません。
redis-iris を使って Redis Agent Memory を既存のエージェントに組み込み、セッションをまたいでユーザーを記憶できるようにします。5 つの質問（何を記憶するか、何を共有するか、何を決して保持しないか、保持期間、ユーザーの記憶を消去できるか）を行い、回答を service.yaml に書き込みます。ターミナルで `iris agent-memory service create` を実行してサービスをプロビジョニングし、任意のフレームワークでエージェントのターンに記憶の呼び出しと書き戻しを組み込みます。エージェントがユーザーを忘れる、InMemoryStore またはチェックポインターだけを使う、辞書やローカル DB に記憶を保存している場合、または長期記憶、想起、消去権について尋ねられた場合に使用します。
redis-iris を使って、既存エージェントが使用する MCP サーバーを 1 つの Redis Iris Context Gateway の背後にまとめます。エージェントは各サーバーとそのシークレットを個別に設定せず、1 つのエージェントキーで 1 つの MCP エンドポイントに接続できます。まず Gateway が Redis Cloud 上にあるかセルフマネージドかを尋ね、次に 5 つの質問（現在エージェントが使用する MCP サーバーとシークレット、認識しているツール数、キャッシュ可能な読み取り専用ツール、大きな結果を返すツール、フレームワーク自体が MCP に対応しているか）を行います。セルフマネージドの場合は、ターミナルで `iris context-gateway` を実行して Gateway と Upstream をプロビジョニングし、キャッシュと圧縮のポリシーを設定します。Redis Cloud では開発者がコンソールで作成します。その後、任意のフレームワークでエージェントの接続先を Gateway に変更し、`tools list` と `tools call` で検証します。エージェントが複数の MCP サーバーを個別に設定している、サーバーごとにシークレットを持つ、プロンプトに読み込むツールスキーマが多すぎる場合や、Context Gateway、単一の MCP エンドポイント、ツールキャッシュ、結果ハンドルについて尋ねられた場合に使用します。
redis-iris を通じて、既存エージェントの手書きルーティング（キーワードによる if/else の連鎖、正規表現、またはルート選択だけを行う LLM 呼び出し）を Redis Iris Intent Router に置き換えます。例示表現とスコア閾値に基づき、メッセージを定義済みのインテントとその振り分け先に対応付けます。5 つの質問（現在のルート、各ルートで実際に使われる表現、各ルートの振り分け先、どれにも一致しない場合の動作、使用する埋め込みモデル）を行い、回答を intents.yaml に書き込みます。ターミナルで `iris intent-router service create` を実行して Router をプロビジョニングし、`iris intent-router intents add` でインテントを読み込んだ後、現在エージェントが判断している箇所に `router.match()` を組み込みます。エージェントがキーワードや追加の LLM 呼び出しでルーティングしている場合、またはインテント検出、インテントルーティング、セマンティックルーティングを求められた場合に使用します。
redis-iris を通じて既存の AI エージェントに Redis Iris Lens のトレーシングを追加します。エージェントの各ターンを Lens UI 上の 1 つのトレースとして記録し、LLM 呼び出し、トークン、ツール呼び出し、メモリ、ドキュメント検索、およびそのうちプロンプトに含まれたものを確認できます。エージェントの実行方式（LangGraph または ADK attach、workflows.turn、別のフレームワーク、通常のループ）を検出し、redis-iris[llm-tracing] をインストールして lens.init(agent_id=...) を呼び出します。Iris がすでに開いていない場合は各ターンで lens.turn() を開き、既存の OpenTelemetry 設定やアプリ内の LLM インストルメンテーションとの共存にも対応します。エージェントに Lens、トレーシング、可観測性、ターンごとのトレースを追加したい場合や、Lens のトレースが表示されない理由を尋ねられた場合に使用します。
任意のフレームワーク（LangGraph、LangChain、OpenAI Agents SDK、Google ADK、Pydantic AI、CrewAI、通常のループ）で、既存の AI エージェントに Redis Iris を追加します。エージェントに Iris、Redis Agent Memory、Agent Playbooks、Context Gateway、Intent Router、Lens を追加したい場合や、どの Iris 製品が必要かを尋ねられた場合に使用します。フレームワークを検出し、該当する製品 Skill に振り分けます。
純粋なコードで動画（mp4、16:9、9:16）を制作します。ナレーション、字幕、音楽付きの解説動画や、ビートに同期した音楽と効果音を使ったウェブサイト、アプリ、ソフトウェアのプロモーション／ローンチ動画を作成します。ユーザーが選ぶのはスタイルのみです。ホワイトボード、リソグラフ、水墨、ローンチモーション、折り紙、ポップアート、オプアート、Matisseの切り絵、ASCIIアート、影絵、バウハウス、ピクセルアート、チャットログ、おもちゃ風3D、昔のニュース映画、映像分析、サスペンスミステリー、アイソメトリックなミニチュア世界、映画予告編、新聞の切り抜き、漫画（日本の漫画）、アニメーションマップ。科学・概念の解説、問題の解説、語彙、歴史、場所や地図、操作手順、ニュース・データ、URLからの製品プロモーションに使用します。ユーザーが「解説動画」「ホワイトボードアニメーション」「このウェブサイト／アプリのプロモーション／ローンチ動画」を依頼した場合、中国語で「做个科普视频」「把这道题做成讲解视频」「白板动画」「讲个历史故事的视频」「给这个网站 / App 做个宣传片」「产品发布视频」と依頼した場合、またはスタイル名（孔版印刷、水墨、折り紙、ポップ、オプ、切り絵、文字絵、影絵、バウハウス、ピクセル、チャットログ、おもちゃ風3D、昔のニュース映画、映像分析、サスペンス探検、アイソメトリックなミニチュア世界、映画予告編、新聞切り抜き解説、日本の漫画、地図アニメーション）を挙げた場合に使用します。
Binance Agentic Wallet に関する 100 の質問。中国語の Q&A で、エージェントが Binance のオンチェーンウォレットを理解し、公式 baw ルートを選び、取引の承認とリスク範囲を確認し、制約付きの自動化拡張を設計できるよう支援します。ミームコインのリスクとハニーポットの識別、rug pull 対策、スマートマネーシグナルの真偽確認を扱います。製品に関する質問、操作のトラブルシューティング、取引戦略の制約、ミームコインのリスク管理、ウォレットのワークフローに使用します。公式ウォレット skill の代替ではなく、Binance 取引所の先物注文には使用しません。
各レベルを遭遇（部屋、ウェーブ、敵の一団、時間区間）の順序付きリストとして構成します。戦闘とステータス予算で使用するものと同じ敵ステータスから各遭遇の脅威度を算出し、ステージとロールごとの脅威予算曲線と比較します。単体撃破時間とステージ長の関係を示し、配置した敵と戦闘ステージ、撃破数と経済設計を照合します。また、敵がいない区間、経済ステージの長さや購入に対する遭遇時間、休憩地点と報酬の間に蓄積する負荷、強力な遭遇の連続など、ペース配分も整理します。ジャンルやエンジンを問わず、レベル、ウェーブ、部屋の構成、遭遇規模の調整、休憩や報酬の配置、レベルが戦闘と経済の前提に合っているかの確認に使用します。
MLX サービング、mlx_lm.server、oMLX、Apple Silicon での LLM サービング、または Mac でのローカル LLM 実行についてユーザーが尋ねた場合に使用します。モデルの読み込み失敗、読み込み時または推論時の OOM、batch>1 でのサーバーの停止やクラッシュ、ツール呼び出しがプレーンテキストで返される問題、スループットの低下、mlx-lm と oMLX の選択に関するトラブルシューティングにも対応します。oMLX の機能フラグ調整（turboquant_kv、dflash、MTP、specprefill、thinking_budget、max-concurrent-requests、force_sampling）、RAM を超えるモデル向けの OptiQ プロキシ、Llama-4 の ChunkedKVCache バッチ処理、Llama-3 のツール呼び出し JSON 形式、ベンチマークに基づくサービング設定の検証も扱います。対象は Apple Silicon M シリーズのみです。クラウド LLM ホスティング、llama.cpp、Ollama、vLLM などの非 MLX バックエンド、モデルのトレーニングは対象外です。
Claude Code（または Codex）でコードからモーショングラフィックス動画を作成するための環境を整え、その後、適切な動画プロンプトの作成を支援します。HyperFrames、Remotion、Tesseract のいずれかをインストールするか、何もインストールしないかを確認します。希望に応じて画像、動画、音声、音楽用に Higgsfield を接続し、長さ、形式、目的、ブランディング、参考資料、成功基準について簡単な聞き取りを行います。「Motion Fabrik」と言った場合、このリポジトリへのリンクを送った場合、Claude で動画、解説動画、広告、ショート動画、モーショングラフィックスを作りたい場合、または HyperFrames、Remotion、Tesseract、Higgsfield を設定したい場合に使用します。コードを使った AI 動画制作の設定を希望する場合も、英語でこのスキルを使用します。
アプリのオンボーディングまたは web2app ファネルの中核を設計します。すべての質問と回答、順序、分岐、質問間の説明文や解説画面、画像の説明、各トランジションの意味を定め、ユーザーが完了して購入するよう促し、収益を予測する回答を収集します（411 アプリの ARPU データに基づく）。App Store URL（存在する場合はウェブサイトも）を起点にアプリを調査し、Superwall surface として最速で実装できる仕様を提供します（superwall フレームワーク：画面ごとに1ページ、回答はユーザー属性として送信）。デザイン、UI、コードには依存せず、ペイウォール、価格設定、決済は扱いません。ユーザーが「オンボーディングで何を尋ねるべきか」「オンボーディングの質問を書いて」「クイズ／アンケートファネルを設計して」「誰が支払うかを予測する質問はどれか」「オンボーディングのコンバージョンを高めて」と尋ねる場合や、オンボーディング画面のアイデアを求める場合に使用します。
`orca` CLI を通じて、Orca 管理の worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、成果物、スキル共有、worktree コメント、Orca 内蔵ブラウザーを操作します。ユーザーが「$orca-cli」「Orca worktree」「child worktree」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「handoff」／「handover」／「give this to another agent」「Orca browser」「orca artifacts」「share skills」と言った場合に使用します。Orca の状態が関係する場合は、通常の git worktree、臨時の PTY、Computer Use より優先します。CLI、ファイルシステム、API では操作できない可視ウィンドウの GUI 操作が必要な場合に限り、Computer Use を使用します。
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。