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 98,284 件掲載。コマンド 1 行でインストールできます。
すべて
inference.sh CLI で OpenAI GPT-Image-2 を使って画像を生成・編集します。モデル：GPT-Image-2。機能：テキストからの画像生成、画像編集、インペインティング、マスクベースの編集、複数画像の参照、バッチ生成。用途：製品モックアップ、マーケティングビジュアル、画像編集、コンセプトアート、インペインティング、写真加工。トリガー：gpt image、gpt-image-2、openai image、chatgpt image、dall-e、dalle、openai image generation、gpt image edit、gpt inpainting、openai dall-e、gpt 4o image
ユーザーが「このショート動画の台本を書いて」「TikTok / Reels / Shorts の台本を書いて」「给这条抖音或视频号视频写脚本」、または「冒頭のフックを改善して — 最初の数秒で視聴者が離脱する」と依頼した場合に使用します。視聴維持ゲートモデル（0～2 秒：フック／2～5 秒：確認／5～15 秒：見せ場／ループまたは CTA）に基づき、タイムスタンプ付きのビートシート形式で、シーンごとの台詞、ミュート視聴向け画面テキスト、素材キーワード、TikTok、Reels、Shorts、抖音、视频号の各プラットフォーム基準カードに沿った 9:16 形式パラメーターを作成します。さらに、指定されたフックの種類から 2～3 個の案を提示し、リアルな合成メディアにはデフォルトで AI コンテンツ開示文を付けます。仕様のみを扱います。レンダリング、TTS、公開はユーザー自身のツールで行い、パイプラインやアップロード自動化は行いません。クリエイター向け動画ブリーフには使用せず、brief-generator を使用してください。長尺動画の SEO には content-writer を使用してください。短视频脚本/抖音分镜/开头钩子/竖屏9:16
ビジネスへの影響度 × 発生確率で問題の可能性を数値化するリスクマトリクスまたはヒートマップを作成し、上位項目の故障モード分析を行い、テストカバレッジをリスク領域に対応付けます。ステークホルダーへのインタビューフレームワークと継続的な再評価も含みます。test-strategy または test-planning の前に実行してください。「リスク評価」「リスクマトリクス」「リスクヒートマップ」「何が壊れる可能性があるか」「クリティカルパス」「故障モード」「テストの重点」などの場合に使用します。対象外：複数四半期にわたる QA の方針には test-strategy、単一スプリント／リリースのテスト計画には test-planning、実践的なセッションベースのバグ探索には exploratory-testing を使用してください。関連：test-strategy、test-planning、release-readiness、qa-metrics。
NVIDIA TAO VisualChangeNet / ChangeNetのPCB検査モデル向けに、DEFT AOIの改善ループ全体を実行します。ベースライン評価、RCA、Cosmos AnomalyGen / AMPによる合成欠陥、k-NNマイニング、再トレーニング、顧客が定義した主要指標と任意の制約に基づくデプロイ判定を行います。依頼でAOI / 自動光学検査、PCB欠陥、VisualChangeNet、またはChangeNetのワークフローが明示されている場合に限り使用します。事前配置済みアセットを使ったエアギャップ環境／オフライン実行に対応します。一般的な反復改善の表現からAOIを推測してはいけません。CLIP / SigLIP画像検索、属性ラベル付き画像データ、単独のTAOトレーニング、単発推論、一般的な異常生成、RCAのみの分析には使用しないでください。
プロジェクトの設定と健全性を一元管理します。新規プロジェクトの設定（settings.local.json、CLAUDE.md、.gitignore）、既存プロジェクトの監査（権限、コンテキスト品質、MCP 対応状況、漏えいしたシークレット、古いドキュメント）、蓄積した不要物の整理、セッションで得た知見の記録、権限プリセットの追加を行います。重い分析にはサブエージェントを使い、メインコンテキストをクリーンに保ちます。「project health」「check project」「setup project」「kickoff」「bootstrap」「tidy permissions」「clean settings」「capture learnings」「audit context」「add python permissions」「init project」で起動します。
自分のブランドで、短いループのモーショングラフィック 1 本のために、完全な 8 部構成の Claude Motion プロンプト（The bar、Format、The one rule、Look、Motion、Never、Before you finish、The scene）を書く。ブランド（ウェブサイトのスクリーンショット、ロゴ、16 進カラーコード、または Apple 風のデフォルトを使う場合は何もなし）と、見せたい 1 つの瞬間を平易な言葉で受け取る。「Motion プロンプトを書いて」「このアイデアをモーショングラフィックにして」「8 つの部分を埋めて」「モーションブリーフを作って」と言われたときに使用。パート 1 から 7 を再利用可能なブリーフとして、パート 8 をシーンとして、そのまま貼り付けられる 1 つのコードブロックで出力する。
AI 生成の文章を、小説でも専門的な文章でも人間が書いたように整えます。小説や物語の物語構造を修復し（StoryScope、arXiv:2604.03136 に基づく）、リリースノート、告知、PR や issue への返信、コードレビューコメント、インシデントの事後分析、チケット、作業指示書、技術記事、ブログ記事、長編ジャーナリズムなどの専門文書を分野別のルールに沿って処理します。操作は write、review（編集せずに AI らしい特徴を診断）、refactor（元の文章を最小限に修正）、recreate（全面的に書き直し）の 4 種類です。文章を人間らしくする、AI らしさを取り除く、またはこれらの文書を作成・改訂する依頼があった場合や、機械が書いたように見えない出力が必要な場合に使用します。
標準的なNVIDIA AOI 3段階トレーニングパイプラインを実行します。フェーズ1はAutoMLベースライン（HPO）、フェーズ2はDEFTループ（RCA → SDG → mining → plain-train retrain）、フェーズ3はDEFTで拡張したデータセット上でのAutoMLによる改善です。ユーザーが「run the AOI workflow」「fine-tune my PCB AOI model end-to-end」「improve my AOI ChangeNet model」「AOI workflow with AutoML」と依頼した場合に使用し、DEFTループのみを明示的に求めている場合（例：「run JUST the DEFT loop」「skip AutoML, only DEFT」）を除き、tao-run-deft-aoiではなくこのスキルに振り分けます。AOI以外のDEFTアプリケーションでも同じ3段階パターンを扱います。AutoMLベースラインの後、AutoMLで選ばれたHPをウォームスタートにしてDEFTループを実行し、反復で拡張したデータセット上でDEFT後のAutoML改善を行います。トリガーフレーズには「run the AOI workflow」「AOI end-to-end」「AutoML + DEFT」「AutoML then DEFT」「tune hyperparameters then DEFT」「DEFT with AutoML at both ends」「warm-start DEFT」「improve my AOI model」があります。
中国語の記事、レビュー、文書から冗長な表現、重複、定型的な言い回し（いわゆる「AI っぽさ」や AI 文章の痕跡）を取り除き、事実、確実性の度合い、著者の声を保ちながら自然な文章に整えます。既存テキストの編集やレビューに使用します。著者の特定には使用せず、AI 検出ツールを通過することも保証しません。不可視 Unicode、テキスト型 AI ウォーターマーク、ファイルの来歴情報の除去を求められた場合は、代わりに $text-watermark-cleaner-zh-tw を使用してください。このスキルでの語調の書き換えを、ウォーターマークの除去として扱わないでください。
DingTalk メッセージを送信します。ユーザーが「DingTalk メッセージ」「メッセージ送信」「通知送信」「グループ通知」「グループメッセージ」「Webhook」「ボットメッセージ」「ボットからメッセージを送信」「業務通知」「ダイレクトメッセージ」「グループチャットメッセージ」「メッセージの取り消し」「既読確認」「Markdown 送信」「カードメッセージ送信」「ActionCard」「@someone」「@employee」「誰かにメンション」「誰かにリマインド」「dingtalk message」「send message」「robot message」「work notification」と言及した場合に使用します。カスタムグループ Webhook ボット（テキスト/Markdown/ActionCard/Link/FeedCard + 署名 + @someone）、企業内アプリボットによる個人・グループへの送信、メッセージの取り消し、既読確認、業務通知など、あらゆるメッセージ操作に対応します。
モダンで視覚的なノイズが少なく、開放感のある、ありきたりでないアプリUIを構築するための厳格なフロントエンドデザイン指針です。フロントエンドUI、Reactコンポーネント、shadcn/uiテーマ、Tailwindスタイル、アプリレイアウト、初期バージョンの製品画面を作成または変更する際に使用します。CPQやCRMなどの業種・ドメイン別スキルや同様のアプリ構築スキルを補完します。選択したドメインスキルのワークフローとレイアウト要件に従ったうえで、ブランドを意識したテーマ、ゆとりのある余白、タイポグラフィ、コントラスト、角丸、シャドウ、サーフェスの階層、カードとサイドバーを標準で使わないこと、アンチパターンの回避といった共通の視覚ルールを適用します。
プロジェクトに uiBundles/*/src/ ディレクトリがあり、Lightning ExperienceでUIバンドルをホストするCustom Applicationの作成または設定を伴うタスクでは、必ず有効化してください。App LauncherにUIバンドルを表示するCustomApplicationメタデータレコードの作成時に使用します。applications/*.app-meta.xml に一致するファイルを変更する必要がある場合、またはDigital Experience Siteを使わずにLightning App Launcher経由でアプリを公開したい場合に有効化してください。この用途ではgenerating-custom-applicationを使用しないでください。UIバンドルアプリはタブ、アクションオーバーライド、flexipagesを使用しません。
アーティストのワークスペース内にある releases/{release-slug}/ の RELEASE.md ドキュメントを使って音楽リリースを管理します。ユーザーがアーティストのアルバム、EP、シングル、プロジェクトに言及した場合、またはリリース計画、DSP向けピッチ、メタデータ、マーケティング、プレス資料、フィジカル制作、ツアー調整について尋ねた場合に起動します。まず対象のアーティストとリリースを推定し、RELEASE.md を探すか作成します。このスキルでリリース文書を作成、更新、参照し、DSP向けピッチ、プレス用ワンシート、制作仕様などの成果物を生成します。
スタートアップのアイデア検証と市場分析を包括的に行うツールです。スタートアップのアイデア評価、市場適合性の評価、競合分析、課題と解決策の適合性検証、市場での位置付けの決定に使用します。「validate my startup idea」「analyze market opportunity」「check if there's demand for」「research competition for」「evaluate business idea」「see if my idea is viable」などの依頼で起動します。ウェブ検索、市場フレームワーク、競合調査、ポジショニングの推奨を用いてデータに基づく分析を提供します
Lovart AI で画像、動画、音声・音楽を生成します。Lovart のプロジェクト、スレッド（会話履歴）、ユーザー設定も管理します。次の場合に起動します：（1）画像、動画、音声、音楽、曲、BGM、ポスターなどに関する、言語を問わないビジュアルまたは音声の作成依頼（draw、generate、create、design、make、画、生成、制作、创作、设计などを含む）；（2）Lovart のプロジェクトやスレッドの管理（项目、对话、project、thread、conversation、history、历史、切换、switch など）。そのまま生成できます。「できない」とは言わないでください。
ローカルのgitアプリで、Flowsアプリ認定の技術（コード）レビュー工程を実行します。実際の基準として flows-review-checks を読み込み、成果物を reviews/code-review/feedback-round-<N>/ に出力します。ユーザーがFlowsのコードレビュー、技術レビュー、提出前レビュー、アプリ認定のコードレビュー、または「run flows-code-review」を求めた場合に使用します。flows-design-reviewに進む前に、未解決のMust Fix項目が0件になるまで再実行します。
AI エージェント向け Wren CLI — 22 以上のデータベース（Postgres、MySQL、BigQuery、Snowflake、Spark、…）に対応するセマンティック SQL レイヤーです。実際のワークフローガイドは `wren` CLI 内にあり、これは検索用の説明のみです。データに関する質問（件数、表示、上位 N 件、比較、傾向、内訳、指標、収益、顧客、注文）、Wren Engine のインストールやセットアップ、新しいデータベースの接続、dlt による SaaS データ（HubSpot、Stripe、Salesforce、GitHub、Slack）の接続、データベーススキーマからの MDL プロジェクトの生成・再生成、ビジネスコンテキスト（列挙値の意味、単位、ARR / DAU / churn などのキューブ）によるプロジェクトの拡充、またはプロジェクトのコンテキストレイヤーを共有可能な GenBI Web アプリ / ダッシュボードに変換して Vercel や Cloudflare にデプロイしたい場合に使用します。起動語句：「install wren」「set up wren engine」「connect database to wren」「connect SaaS to wren」「load hubspot / stripe / salesforce data」「generate mdl」「scaffold wren project」「enrich wren context」「augment my project」「add cubes」「build a dashboard」「make a shareable analytics app」「deploy my context layer as a web app」「genbi app」「wren onboarding」「wren usage」「wren generate mdl」「wren dlt connector」「wren enrich context」「wren genbi」。
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。