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
トポロジー、UV マッピング、ゲームおよび映画向けパイプライン、DCC ツールのワークフロー（Blender、Maya、ZBrush、3ds Max、Houdini）、リトポロジー、LOD システム、エクスポートパイプラインに精通した 3D モデリングの専門家です。長年の制作経験を実践的なガイダンスにまとめたスキルです。「3d model、3d modeling、mesh topology、uv unwrap、uv mapping、retopology、retopo、low poly、high poly、subdivision、subdiv、edge flow、edge loops、polygon modeling、box modeling、hard surface、organic modeling、sculpting、zbrush、blender modeling、maya modeling、3ds max、LOD、level of detail、game ready mesh、film ready、baking normals、high to low、fbx export、gltf export、texel density、3d、modeling、topology、uv、game-dev、vfx、blender、maya、zbrush、retopology、lod、hard-surface、organic、sculpting」に言及した場合に使用します。
次の場合にトリガーします。(1) ユーザーが「manim」「Manim Community」「ManimCE」に言及する、(2) コードに `from manim import *` が含まれる、(3) ユーザーが `manim` CLI コマンドを実行する、(4) Scene、MathTex、Create()、または ManimCE 固有クラスを扱う。コミュニティが保守する Python アニメーションエンジン、Manim Community Edition のベストプラクティスです。Scene の構成、アニメーション、LaTeX/MathTex、ThreeDScene による 3D、カメラ制御、スタイル、CLI の使い方を扱います。ManimGL/3b1b 版（`manimlib` のインポートと `manimgl` CLI を使用）には使用しません。
コードベースの分析からプロジェクトドキュメント（ARCHITECTURE.md、API_ENDPOINTS.md、DATABASE_SCHEMA.md）を生成します。ソースコード、スキーマファイル、ルート、設定を読み取り、正確で構造化されたドキュメントを作成します。プロジェクトの開始時、コントリビューターのオンボーディング時、ドキュメントがない場合や古くなった場合に使用します。トリガー：「generate docs」、「document architecture」、「create api docs」、「document schema」、「project documentation」、「write architecture doc」。
Customware SPA向けのConfigure-Price-Quote（CPQ）業種別スキルです。パターン、最低基準、レイアウトパターン、ライフサイクル指標、商品コンフィギュレーターのパターン、ビジネスルールのテンプレート、およびDOMAIN.mdをCPQ形式のアプリケーションに変換するマッピングルールを定義します。スプレッドシートやメールベースの見積もりワークフローから移行する中小企業（従業員5～50人）を対象とします。プロトタイプは、エンタープライズ製品のように過度に複雑に感じさせず、Excelより大幅に使いやすくする必要があります。パターンは既定値であり必須ではありません。実際のワークフローに合わせて調整してください。トリガー：見積もり、価格設定、商品構成、計算ツール、ガイド付き入力フォーム、評価ツール、見積もり作成、提案ワークフロー、適格性チェック、および「項目を入力 → 計算 → 成果物を作成」という形式。
Instagram Reels の脚本を作成するためのもの。ネイティブで、無音であることを前提としたショート動画スクリプトであり、Instagram のディスカバリーエンジン向けに最適化され、3 秒のフック、視聴継続、送信（DM シェア）を軸に構成されます。ユーザーが「Reels script」「Instagram Reel」「Reel を作る」「Reel フック」「試し撮りの Reel Won't…」「Reel を作る再造…」「試し撮りの Reel」などと言ったとき、または Instagram 向けのショート動画を求めたときに使用します。まずブランド情報とトーンを読み込み、音のない版を先に書き、視聴継続と送信のための構成にし、IG 検索キーワードを配置し、オリジナル音源と話題の音源のいずれかを選択します（話題の音源は WoopSocial ではなくアプリ内でネイティブに追加します）。カバーフレームを指示し、制作ドキュメント（ショット - 画面テキスト - セリフ - 音声 - タイミング）と、顔出しなし/B ロール撮影向けの Veo プロンプトパックを出力します。一般的な脚本作成の手法は short-form-video-script にあり、TikTok は tiktok-script、Shorts は youtube-shorts を使います。キャプションは caption-writer、公開は instagram-reels-publishing、スケジュール登録は scheduling-and-queue に引き渡します。
LWR Experience CloudサイトにAgentforce Conciergeポータルをデプロイします。サイトのプロビジョニング、Conciergeコンポーネントとブランディングの設定、エージェントの接続、ゲストアクセスの有効化、公開を行います。独立したHelp Portal / Agentforce Conciergeポータルの構築、またはHelp Agentのセットアップでチャネルを設定する場合に使用します。組織に有効なAgentforce Service Agentが必要です。既存サイトへのチャットウィジェットの埋め込みだけを希望する場合は使用しないでください（代わりにservice-digital-engagement-deployment-configureを使用）。
他のソーシャルメディアスキルより先に使用して、ブランドプロファイルを読み込むか作成します。これはBusiness が誰で、誰に何を届けますか|How 話すか、何を言い何を言わないかを記録する永続的な資料です。「ブランド構築」「ブランドプロファイル」「ブランドガイドライン」「ブランドボイスの定義」「オンボーディング」「始めて」の依頼や、新しいBusiness やクライアントの仕事が始まる時、他のソーシャルスキルがブランド情報を必要とする場合に実行します。あらゆるBusiness に対応します：B2B SaaS、E コマース、地域・小規模Business、代理店とそのクライアント、個人ブランドとクリエイター、非営利団体。実際の投稿を書く場合はコンテンツ系のスキルを、既存の文章からボイスを抽出する場合は voice-builder を使ってください。このスキルはすべてのスキルが参照する共通コンテキストのみを構築します。
Appium 3.x、Detox、Maestro、Patrolを使って、ネイティブ、React Native、ハイブリッド、Flutterのモバイルアプリをテストします。デバイスファームの設定（BrowserStack、Sauce Labs）、ジェスチャーのシミュレーション、ディープリンクとコールドスタートのテスト、プッシュ通知、生体認証（Face ID）、オフライン／低速ネットワークのシミュレーション、iOS／Androidの権限ダイアログ処理を扱います。「モバイルテスト」「Appium」「Detox」「Maestro」「Patrol」「Flutterテスト」「iOSテスト」「Androidテスト」「デバイスファーム」「ディープリンク」「生体認証」「Face ID」「権限ダイアログ」「React Nativeテスト」に使用します。対象外：抽象的なデバイス／ブラウザーのマトリックス戦略にはcross-browser-testing、アプリの起動／メモリ／バッテリーの詳細なプロファイリングにはperformance-testing、モバイルのスクリーンショット差分比較にはvisual-testingを使用してください。関連：ci-cd-integration、cross-browser-testing、performance-testing、test-data-management、test-reliability。
React クライアントコンポーネントから next-safe-action アクションを実行するときや、楽観的 UI を構築するときに使用します。useAction、useOptimisticAction、useStateAction、useOptimisticStateAction、状態／コールバック（onSuccess/onError/onSettled）、execute と executeAsync、formAction、reset、およびドラッグによる並べ替え、カンバンボード、重複する保存、変更の蓄積、共有の保留中変更リストなどのキュー処理または直列化されたミューテーションが対象です
Apify の TikTok Scraper を使って、追跡対象アカウントの高パフォーマンスな TikTok 動画を調査します。突出したコンテンツを特定し、上位 5 本の動画を AI で分析して、実行可能なフックの形式を含むレポートを作成します。以下の依頼で使用します。- 特定分野のトレンド TikTok コンテンツを探す - TikTok で成果を上げているコンテンツを調査する - 高パフォーマンス動画のパターンを特定する - 競合の TikTok コンテンツを分析する - TikTok のトレンドからコンテンツ案を作成する - TikTok 調査を実施する - バズった TikTok を探す - フックとコンテンツ構成を分析する。トリガー：「tiktok research」「tt research」「find trending tiktoks」「analyze tiktok accounts」「what's working on tiktok」「content research tiktok」「tiktok analysis」「tiktok trends」
次の場合に起動します：(1) ユーザーが「manimgl」「ManimGL」「3b1b manim」に言及する、(2) コードに `from manimlib import *` が含まれる、(3) ユーザーが `manimgl` のコマンドラインコマンドを実行する、(4) InteractiveScene、self.frame、self.embed()、ShowCreation()、または ManimGL 固有のパターンを扱う。ManimGL（Grant Sanderson による 3Blue1Brown 版）のベストプラクティスです。インタラクティブ開発に対応した OpenGL ベースのアニメーションエンジンで、InteractiveScene、t2c を使った Tex、カメラフレーム制御、インタラクティブモード（-se フラグ）、3D レンダリング、checkpoint_paste() のワークフローを扱います。Manim Community Edition（`manim` のインポートと `manim` コマンドラインを使用）向けではありません。
vite-flare-starter テンプレートからフルスタック Cloudflare アプリのひな形を作成します — React 19 + Hono + D1+Drizzle + better-auth + Tailwind v4+shadcn/ui + TanStack Query + R2 + Workers AI。setup.sh を実行してクローン、設定、デプロイします。すぐに使える Cloudflare フルスタックアプリ、vite-flare-starter のひな形、または認証、データベース、Workers AI を備えた React + Cloudflare アプリをユーザーが求める場合に使用します
ユーザーが複数のチャネルにわたるコンテンツマーケティングを計画したい場合、コンテンツの種類や形式を定義したい場合、またはコンテンツ再利用戦略を作成したい場合に使用します。「content marketing strategy」「content types」「content formats」「content repurposing」「content calendar」「content mix」「owned content」「content distribution」「content funnel」「content planning across channels」という語句がある場合も使用します。SEO カレンダーには content-strategy を使用します。
MAX で実行中のモデルをプロファイリングし、処理時間の内訳と GPU が飽和しているかを調べます。ユーザーが「profile my model」「where is my model spending time」「why is inference slow」「is my GPU being utilized」「how much GPU am I using」「get a kernel breakdown」「capture an nsys/rocprof/ncu trace of max serve」と尋ねる場合、または MAX の推論性能を測定したい場合に使用します。MAX で実行可能な任意のモデルに対応します。組み込みアーキテクチャと、--custom-architectures で読み込んだカスタムアーキテクチャが対象です。pip または pixi によるインストール環境（max generate、max serve、または Python スクリプト）で、NVIDIA または AMD GPU 上で動作します。最も低コストな方法から選びます。まず GPU 使用率を確認し、次にカーネルの内訳を調べ、単一のカーネルが支配的な場合に限り詳細分析します
ReactJS、NextJS、NodeJS、Express、React Native、Swift、Kotlin、Flutter、Postgres、GraphQL、Go、Python を使用して、スケーラブルで保守しやすいシステムを設計する包括的なソフトウェアアーキテクチャスキル。アーキテクチャ図の生成、システム設計パターン、技術スタックの意思決定フレームワーク、依存関係分析を含みます。システムアーキテクチャの設計、技術的な意思決定、アーキテクチャ図の作成、トレードオフの評価、統合パターンの定義に使用します。
Service Cloud ITSM のインシデント管理セットアップを調整します。機能を提示し、進捗を追跡し、各項目を設定します。インシデント設定、Incident persona PSG の割り当て、Priority Matrix、SLA と Milestones、Incident ダッシュボード、Email-to-Incident、Major Incident Management（承認グループ + MIM 設定）、Broadcast Communications、Manage Incidents with AI、Service Management Privilege（権限昇格）、監査追跡が対象です。インシデント管理のセットアップまたは設定、手順説明、設定可能なインシデント機能の確認、インシデント設定の切り替え項目（デフォルトのフィールド検証、子インシデントの自動クローズ、自動トリアージ、Einstein による割り当て、割り当てグループの制限、リッチテキストの説明）、Incident Fulfiller または Incident Manager persona PSG の割り当てに使用します。次の場合は使用しないでください。マスタースイッチのみ（IncidentMgmt SOR を使用）、Priority Matrix、SLA、フィールド履歴追跡のみ、Major Incident Manager PSG、PSG の作成/編集、Problem/Change/Case Management。
拡張機能内の Prisma Next をアップグレードします。すべての `@prisma-next/*` 依存関係を指定されたターゲット（または npm `latest`）に更新し、拡張機能 SPI の各移行段階のアップグレード手順（ミドルウェアのライフサイクル、codec / migration-tools / framework-components の変更、seed-migration のディスク上の形式）に従います。`prisma-next-check-pins` でバージョン固定が正確であることを確認し、拡張機能独自の型チェックとテストを実行して、各マイナーバージョンの手順を個別にコミットします。拡張機能パッケージ内の「Prisma Next をアップグレード」する依頼や、拡張機能の `@prisma-next/*` 依存関係を新しいマイナーバージョンに更新する依頼で使用します。
dtctl CLI を使って Dynatrace でインシデントを調査し、パフォーマンスの問題をデバッグし、ログを分析して可観測性リソースを管理します。ユーザーがエラー率、レイテンシの急増、サービスの健全性、クラッシュループする Pod、Web Vitals、SLO の状態、未解決の問題、根本原因分析、ログパターン、トレース分析、ダッシュボードの作成について尋ねた場合は、Dynatrace の名前が出ていなくても使用します。DQL クエリ、ワークフロー管理、ノートブックやダッシュボードの作成、設定の構成、Dynatrace 環境に対するあらゆる操作も対象です。
Elastic Observability でサービス信頼性目標を設計・運用する。SLI の種類と妥当な目標値を選び、時間窓とバジェット方式を決め、Kibana API を介して SLO を作成し管理し、バーンドレートのアラートルールを関連付け、SLO が適さない場面では閾値ルール、異常検出ジョブ、Synthetics écriv... → 監視を使うべきかを判断する。SLO とエラーバジェットの定義・レビュー、バーンレートアラートの調整、アラートのノイズ削減、ユーザー向けエンドポイントの可用性監視の設定で使う。
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。