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 99,064 件掲載。コマンド 1 行でインストールできます。
すべて
Markdown ファイルからインポートして飞书（Feishu）ドキュメントを作成します。ネストされたリスト、Mermaid/PlantUML 図のキャンバス自動変換、大きな表のスマート処理（9 行超は insert_table_row API で追記して単一ブロックを維持、9 列超は分割して先頭列を保持）、数式、Callout ハイライトブロックに対応します。Feishu 側のレンダリング仕様（`references/doc-guide.md` と `references/mermaid-spec.md`）を内蔵し、ダイアグラムの波括弧/par などの構文制限、表の 9 行/列のしきい値、Callout の 6 色のマッピングなど Feishu 互換性のルールを網羅しています。ユーザーが「Markdown をインポート」「md からドキュメント作成」「md ファイルからドキュメント作成」「Markdown を Feishu に変換」「Markdown をアップロード」「Markdown から Feishu へ」「md インポート」「一括インポート」と依頼した場合や、「Feishu の Mermaid レンダリングが失敗する」「Callout の色が違う」「Feishu の表が分割される」「Feishu ドキュメントのインポートの互換性」などの问题时使用します。注意: Markdown ソースファイルを Feishu ドキュメントとしてインポートする場合のみ対応しています。Markdown の表からスプレッドシートを作成する場合は feishu-cli-toolkit の `sheet import-md` を使用してください。DOCX/XLSX をクラウドドキュメントとしてインポートする場合は feishu-cli-drive の drive import を使用してください。
ユーザー自身の映像から作成した編集内容を、元ファイルを参照するFCPXML、XML、またはEDLとしてプロの編集者に渡し、Adobe Premiere Pro、Final Cut Pro、DaVinci Resolveで仕上げられるようにします。Reelaryを使用（ローカル、MacまたはWindows）。「Premiereに書き出し」「Final Cutに書き出し」「DaVinci Resolveに送る」「FCPXML」「EDL」「XMLタイムライン」「NLEとの往復」「AIでラフカットしてResolveで仕上げる」などで起動します。既存のNLEプロジェクトを別形式に変換する用途には使用しません。
Sentry のセッションリプレイを分析し、対象のプロダクトfebrero域における UX パターン、痛点、ユーザージャーニーを明らかにします。任意の Sentry のプロダクト画面に対して「show me how users use」「day in the life」「UX research」「replay research」「how do customers use」「what's the user experience like for」「watch replays of」「analyze replays for」「user behavior on」「replay UX audit」といった依頼がなされたときに使用します。
apidojo の Twitter Profile Scraper（Apify 上）を用いて、特定の Twitter/X プロファイルからツイート、返信スレッド、エンゲージメント指標を抽出します。次の依頼時にトリガーされます：Twitter アカウントのすべてのツイートを取得する、特定ユーザーのプロファイルからツイートをスクレイプする、Twitter ハンドルのツイート履歴をエクスポートする、エンゲージメント統計付きのアカウントの最近のツイートを取得する、特定ユーザーのツイートタイムラインを取得する、ユーザー名から Twitter プロフィールの投稿を収集する。ツイートごとに本文、いいね、リツイート、返信、表示数、ブックマーク、著者の情報を返します。ソーシャルメディア監視、ジャーナリスト、競合インテリジェンスチームに最適です。
ユーザーが明示的に「系統的レビュー/文献レビュー/related work/関連研究/文献調査」を求めたときに使用します。AI が検索語を自行設定し、多元的に検索→重複排除→AI が論文ごとに精読して評価（1〜10 点の 의미的関連性とサブテーマ別グループ分け）→高得点優先の比率で論文選定→「綜/述」の文字数を自動算出→해당分野の senior expert による自由記述（要約/序論/サブテーマ/考察/展望/結論を固定）、本文の字数と参考文献数の厳格チェックを維持し、PDF と Word の出力を必須とします。多言語翻訳とスマートコンパイル（en/zh/ja/de/fr/es）に対応しています。
Codex、Claude Code、Agy、Kimi、またはカスタム CLI ワーカーを調整し、「大きく計画し、小さく実行する」などのプレイブックに従って、前提コンテキストとプロバイダーの使用量を最小限に抑えながら作業を完了します。ユーザーが調整、委任、エージェントの比較、エージェントのトークンやクォータの節約、ワーカーの復旧、調整の内容とコストの報告を求める場合、MCP や Python なしで作業する場合、/alethe や「alethe report」「alethe stop」などの短いコマンドを入力した場合、今後常に有効にすることを希望する場合、タスクの途中で使う場合、または他のスキルと併用する場合に使用します。また、複数ファイルのリファクタリング、移行、監査、多数のファイルにわたる調査など、依頼を範囲の限られた独立した単位に分割できるほど大規模な場合は、依頼がなくても積極的に使用します。明示的に求められない限り、単純な機械的作業には使用しないでください。
フロントエンド UI を監査・書き換え、一般的な AI デザインパターン（「AI slop」）を取り除きます。紫のグラデーション、Inter、3 枚のカード上に中央配置されたヒーロー、手を加えていない shadcn などの第一段階の定番パターンと、クリーム色にテラコッタ、ほぼ黒に酸性グリーン、全大文字の等幅フォントのクローム、見出しの単語 1 つだけを強調、装飾的な 01/02/03 などの第二段階の「気の利いた AI」パターンが対象です。「UI の AI 臭さをなくす」「AI 生成らしさを減らす」「ページやコンポーネントの AI デザインの兆候を監査する」「Claude/Codex が生成したありきたりなフロントエンドを直す」と依頼された場合や、複数ページのサイトでデザインシステムを統一する場合に使用します。HTML/CSS、React/Tailwind/shadcn に対応します。検出のみのモードと、コードで確実に判断できる特徴を検出する依存関係不要のスキャナー（scripts/detect.mjs）を備えています。
ユーザーが Inngest REST API v2、生の HTTP、OpenAPI、API ドキュメント、API 認証、または Inngest CLI が公開していないエンドポイントを明示的に求めたときに使用します。api-docs.inngest.com、llms.txt、OpenAPI v2 仕様、API キーや署名キーを使う Bearer 認証、プロダクションとローカルのベース URL、生の curl/fetch リクエスト、リクエスト構造の调查、ページング、シークレットのマスキング、および `inngest-api-cli` スキルを優先すべき場合を扱います。
Apify 上の apidojo の YouTube Channel Scraper を使用して、YouTube チャンネルのメタデータ、登録者数、動画数、概要を抽出します。ユーザーが次を求めたときに発動します：YouTube チャンネル情報の取得、YouTube チャンネルの統計情報のスクレイピング、YouTube チャンネルの登録者数の取得、チャンネルメタデータの一括エクスポート、キーワードによる YouTube チャンネルの検索、チャンネル概要とタグの取得、YouTube チャンネルが認証済みかどうかの確認、分野ごとの YouTube チャンネルの調査。チャンネルごとにチャンネル名、登録者数、動画数、概要、認証ステータス、キーワードを返します。インフルエンサー研究者、競合分析者、YouTube マーケティング担当者向けに最適です。
apidojo の Apify 上の Instagram スクレーパーを用いて、Instagram のインフルエンサーエンゲージメント率をベンチマークと比較します。次の依頼で発動します：Instagram アカウントのエンゲージメント率の比較、インrestaCleanSellHot_ITERStrivialdaily_flux規Influencer側のフォロワーが本物か偽物かの確認、Instagram アカウントのパフォーマンス指標の分析、クリエイターと競合を Instagram 上でベンチマーク比較、エンゲージメントが異常に高いまたは低い Instagram アカウントの検索、有料パートナーシップの前にインフルエンサー統計を検証、Instagram アカウントの投稿パフォーマンスの監査。フォロワー数、平均いいね数、平均コメント数、エンゲージメント率、最近の投稿パフォーマンスを返します。インフルエンサー代理店、ブランドマーケティングチーム、キャンペーンパフォーマンスアナリストに最適です。
本番環境のクラッシュ切り分けのための coredump 分析スキル。GDB や LLDB で core ファイルを読み込む、Linux/macOS で coredump の生成を有効にする、debuginfo や debuginfod でシンボルを対応付ける、プログラムを再実行せずにクラッシュからバックトレースを取り出す、といった場面で使用します。core ファイル、ulimit、coredumpctl、debuginfod、クラッシュ切り分け、本番バイナリからのセグフォルトの解析などに関する問い合わせで発動します。
Apify 上の apidojo の TikTok スクレーパーを使用して、あらゆるニッチやトピックの TikTok クリエイターを発見しランキング付けします。次のリクエストで発動します：特定のニッチの TikTok インフルエンサーを探したい、キャンペーン向けにクリエイターを発見したい、カテゴリ内で TikTok 上で最も成長しているクリエイターを特定したい、フォロワー数が一定以下の TikTok マイクロインフルエンサーを探したい、ブランド提携向けに TikTok クリエイターのリストを作成したい、縦領域の TikTok クリエイターのエンゲージメント率を比較したい、伸びてきている TikTok スターを特定したい。クリエイターのユーザー名、フォロワー数、平均再生数、エンゲージメント率、略歴、プロフィール URL を返します。インフルエンサーマーケター、ブランド提携チーム、タレントマネージャーに最適です。
inference.sh 経由の ElevenLabs テキスト読み上げ：Eleven v4 と v4 Turbo（最新、最も表現力が高く、音声タグ、リアルタイムストリーミング）、Eleven v3、Multilingual v2、Flash v2.5 を、それぞれ 22 種類以上のプレミアム音声を備えた独立したアプリとして提供。機能：テキスト読み上げ、リアルタイムのテキスト読み上げストリーミング、感情と話し方を制御する音声タグ、音声の選択、安定性の制御、カスタム音声とクローン音声。用途：ナレーション、オーディオブック、動画ナレーション、ポッドキャスト、音声エージェント、アクセシビリティ、IVR。トリガー：elevenlabs、eleven labs、eleven v4、eleven v4 turbo、eleven v3、elevenlabs tts、premium tts、realtime tts、streaming tts、professional voice、ai voice、high quality tts、multilingual tts、voice generation、natural speech、realistic voice、voice over、speech synthesis
apidojo の TikTok コメントスクレーパーを Apify 上で使用して、任意の動画やクリエイターの TikTok コメントを抽出・分析します。次の要望がある場合にトリガーします：動画から TikTok コメントをスクレイピングする、視聴者が TikTok 投稿について何と言っているか分析する、感情分析用にコメントデータを抽出する、 바이ラルな TikTok 動画SALOM人気コメントを抽出する、コメントから TikTok のユーザーフィードバックを収集する、TikTok コミュニティの反応データセットを構築する、TikTok コンテンツの受众の感情を調査する、TikTok コメントからターゲット層が何Isa uninterested—in short:調査する。返却するのは、コメント者のユーザー名、コメント本文、コメントへのいいね数、返信数、タイムスタンプです。市場調査担当者、マネージャーestimateuras、コンテンツクリエイター、学術研究者に最適です。
キャラクターとアニメーション — Humanoid のプロパティ/状態、スポーン（LoadCharacterAsync）、体力とダメージ、HumanoidDescription の外見、Animator/AnimationTrack の再生、優先度とマーカー、デフォルトアニメーションの置き換え、Tools、TweenService、IKControl、Character Controller Library（beta）。移動、能力、ダメージ、リスポーン、アバター、アニメーション、トゥイーン、ツール/武器を変更する際に使用。
許可されたターゲット URL 1 つ、またはアプリケーション 1 つから、テスト可能な攻撃対象領域を描き出します。ユーザーが 攻击面、供给面、画攻击面、map the surface、application recon、find the business host、JS inventory と言う場合や、ログインページしか見えない場合に使用します。アプリがすでに公開している情報から、ホスト、API、キー、オブジェクトグラフを導き出します。ディレクトリ総当たりやペイロードの大量送信から始めないでください。ユーザーが /attack-surface-mapping を実行した場合にも使用します。
apidojo の Twitter Search スクレーパーを用いて、公開前のスタートアップや製品を発見します。次の依頼で発動します: Twitter で公開前のスタートアップを探す、X でステルスモードで開発中の企業を見つける、Twitter でベータ版やウェイトリスト段階の製品が見つける、公開前の初期段階のスタートアップを特定する、リリース前に公開で構築している創業者を見つける、Twitter のスタートアップのウェイトリストやベータ招待を発見する、ある領域でどの新しい企業が開発中かを調査する。返す情報は startup のハンドル、製品説明、ウェイトリスト／リリースのシグナル、ステージ、ニッチです。VC の案件発掘、アクセラレーターのスカウト、競合インテリジェンスチームに最適です。
Managed Service for Apache Airflow（MSAA、旧称 Cloud Composer）環境の作成、設定、調整、最適化に関する推奨事項とベストプラクティスを提供します。Managed Airflow 環境の設定、Airflow 環境のスケーリング、ワークロードの再起動防止、システムヘルスの分析について、ガイダンス、推奨事項、ベストプラクティスを求められた場合に使用します。個別の DAG やタスク実行の失敗のトラブルシューティング、DAG の作成、新しい Airflow バージョンへの DAG の移行には使用しません
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。