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 99,719 件掲載。コマンド 1 行でインストールできます。
すべて
`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。
Aliyun CLI コマンドラインツールを使って Alibaba Cloud のリソースを管理するようユーザーをガイドします。CLI のインストール、認証情報の設定、プラグイン管理、コマンドの組み立て、エラーシューティングを扱います。ユーザーがターミナルから Alibaba Cloud のサービス（ECS（クラウドサーバー）、Function Compute（サーバーレス）、RDS（データベース）、OSS（オブジェクトストレージ）、SLS（ログサービス）、VPC（ネットワーク）、ESS（オートスケーリング）、その他の Alibaba Cloud 製品）を操作したい場合に使用します。また、ユーザーが "aliyun"、"阿里云"、"阿里云CLI"、"命令行" naires 言及した場合、CLI プラグインのインストールについて尋ねた場合、Aliyun CLI エラー（InvalidAccessKeyId、SignatureDoesNotMatch、Throttling）に直面した場合、または正しいパラメータ構文で aliyun コマンドを構築otypesる支援が必要な場合にも使用します。
SageMaker のモデルデプロイに適した serving コンテナを選び、現在の image URI を特定するスキル。SageMaker エンドポイントへモデルをデプロイする際に image URI の選択が必要な場合に使用します。例えば、ユーザーが「deploy this LLM」「host this HuggingFace model」「serve this fine-tuned model」「deploy this embedding model」「host a reranker」「serve a sentence-transformers model」と言った場合や、デプロイコードにコンテナ URI をハードコードする場合です。HuggingFace が curated した Deep Learning Containers が常に優先されます。HuggingFace vLLM（LLM と生成型 reranker）、HuggingFace vLLM-Omni（マルチモーダル）、TEI（embedding / cross-encoder reranker）、HF Inference Toolkit（その他の transformers）。汎用イメージ（AWS vLLM、DJL-LMI、SGLang）は、対応する HuggingFace イメージが無い場合にのみ使用し、単にバージョンが新しいという理由では使いません。コンテナ URI を記憶からハードコードしたり、TGI を既定にしたりすることはありません。古いイメージによる失敗やリージョン違いの URI を防ぎます。
対抗型のマルチエージェント計画スキル。team-mode を通じて 5 人の容赦ないカテゴリメンバー（unspecified-low、unspecified-high、deep、ultrabrain、artistry）を自ら編成し、容赦ないクロスクリティークの議論を行い、擁護できる洞察のみを蒸集したうえで、蒸集した洞察バンドルを必ず `plan` エージェントに渡して実行可能な計画として形式化します。最大の厳密さが要求される計画や、弱い前提・盲点・オーバーエンジニアリングを洗い出したい場合に使用します。トリガー：'hyperplan'、'hpp'、'/hyperplan'、'adversarial plan'、'hostile planning'、'cross-critique plan'、'하이퍼플랜'、'적대적 계획'、'교차 비평'。
支出で劣勢にあるあらゆる組織のために、草の根を優先するキャンペーンを設計します。スタートアップ対既存企業、NGO対企業広報、運動組織対国家支援の組織、個人ブランド対大予算の競合などを対象とします。認知、ローンチ、資金調達、動員、コミュニティ構築、対抗ナラティブ、紹介、創業者ストーリー、連合キャンペーンを企画します。「campaign plan」「marketing strategy」「ad budget」「should I advertise」「paid vs organic」「launch plan」「grassroots」「low budget marketing」「NGO campaign」「outspent」「competitor has bigger budget」「how do I compete without money」で起動します。「campaign」という語がなくても、支出の不均衡、オーガニックリーチの急減、CPAの上昇、信頼・信用の問題があれば起動します。ユーザーが広告購入、投稿のブースト、インフルエンサー起用を検討している場合は、説得につながらないチャネルに資金を浪費する前に利用を促します。
メモリ安全性検証のための Rust サニタイザーと Miri スキル。Rust コードで AddressSanitizer や ThreadSanitizer を実行する、サニタイザーレポートを解釈する、Miri で unsafe Rust の未定義動作を検出する、unsafe コードの正確性を検証する際に使用します。Rust ASan、Rust TSan、Miri、RUSTFLAGS sanitize、cargo miri、unsafe Rust の UB、Rust サニタイザー出力の解釈に関するクエリで有効化されます
インタラクティブ体験設計の基礎理論——ループ、動機、手触り、意味のある遊びの技法。「game design、core loop、game feel、player motivation、game mechanics、meaningful choice、progression system、game economy、game balance、playtesting、GDD、game document、fun factor、engagement、flow state、risk reward、player agency、juice、game polish、8 kinds of fun、bartle types、MDA framework、game-design、player-experience、core-loop、motivation、game-feel、MDA、playtesting、GDD、systems-thinking、player-psychology、engagement、flow-state」に言及された場合に使用します。
Amazon SageMaker AI へのモデル展開の計画と調整を行うスキル。ユーザーが SageMaker や AWS でモデルを展開、ホストMOT、配信、公開borg_vals Monetary wanting希望とする場合に使用します。例えば「モデルをデプロイして」「この LLM を AWS でホストして」「この embedding モデルを配信して」「reranker をデプロイして」「text-to-image / diffusion モデルをデプロイして」「非同期推論用にホストして」「エンドポイントを作成して」「ファインチューン済みモデルを配信して」など、AWS 上で推論にモデルを利用可能にするリクエストが該当します。ユーザーが漠然としている場合（例：「とりあえず AWS で動かせるようにzust、你Jenli parfait判断して」）でも使用します。テキスト生成 LLM、embedding モデル、reranker、分類器、text-to-image / diffusion モデルに対応し、適切な serving stack を選び、リアルタイム推論と非同期推論のどちらかを判断します。SageMaker のデプロイ作業のエントリーポイントとなるスキルで、質問で確認し、デプロイ経路を選び、他のデプロイ関連スキルを調整します。
ListenHub CLI のスキルルーター。ユーザーの意図に応じて適切なスキルにルーティングします。トリガー：「make a podcast」「explainer video」「read aloud」「TTS」「generate image」「generate video」「做播客」「解说视频」「朗读」「生成图片」「生成视频」「幻灯片」「slides」「音乐」「music」「generate music」「翻唱」「cover song」「pixverse」「口型」「lipsync」「对口型」「parse URL」「解析链接」「提取内容」。
Hindsight を使って Chromium ベースのブラウザデータベースを解析し、Chrome、Edge、Brave、Opera、Vivaldi から閲覧履歴、ダウンロード、Cookie、キャッシュ内容、自動入力データ、保存済みパスワード、拡張情報を抽出・関連付け、統一されたタイムライン（XLSX、JSON、SQLite 出力）として出力します。インシデントレスポンス、内部脅威の調査、刑事案件で、ブラウザプロファイルからユーザーの Web 活動を再構成する必要があるときに使用します。
AssemblyAI の API または SDK を使って、音声テキスト変換、音声文字起こし、リアルタイムストリーミング STT、ディクテーション（音声メモを整形済みテキストに変換）、テキスト読み上げ（TTS、音声合成）、音声インテリジェンス機能、音声 AI を実装する場合に使用します。AssemblyAI、Blurt（AssemblyAI の Mac 用ディクテーションアプリ）、音声エージェント、文字起こし、ディクテーション、テキスト読み上げ、話者ダイアライゼーション、音声の PII マスキング、音声理解向け LLM Gateway、または文字起こしへの LLM の適用が挙げられた場合にも使用します。音声テキスト変換が必要な LiveKit または Pipecat の音声エージェントを構築する場合や、AssemblyAI の名前が出ていなくても文字起こしが役立つ音声／動画処理パイプラインを扱う場合にも使用します。
構造化された LLM 協議会（hammer：五つの思考レンズのアドバイザー——レッドチーム、第一原理、拡張主義者、アウexecutors、オ-outsider、実行者）、加えて匿名化された相互レビュー、コンセンサスに関する強制議論、异议を保持する共同議長Synthesis、任意の Codex による Decision Science パス——を convene して、重要度の高い意思決定を压力テストする。適応モード（クイック／スタンダード／ディープ）でコストを抑え、永続ジャーナルにより実行をまたぐ学習を可能にする。必須トリガー：/claude-council、"convene the council"、"run this by the council"、"I need the council"、"council this"、"pressure-test this"、"stress-test this"、"war room this"、"debate this"。強トリガー："I'm torn between X and Y"、"this is a big decision"、"help me think this through from multiple angles"、"I need outside perspectives"、"should I X or Y"（ stakes が実際に存在する場合——答えが明らかな二択なら、ステップ 1 ルール 4 に従いトリアージで拒否）。事実質問、コーディング支援、デバッグ、クイックな yes/no 決定、情緒的サポート、答えが一つしかない問題には呼ばない——それらは直接答える。任意のサフィックス："with codex" で Decision Science パスを有効化、"deep" でディープモードを強制、"quick" でクイックモードを強制。副次的呼び出し：/claude-council outcome <sha1> <note> は意思決定結果を記録する。/claude-council meta はジャーナルのメタ分析を実行する。
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。