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 100,344 件掲載。コマンド 1 行でインストールできます。
すべて
PubChem と ChEMBL から化合物データを取得し、曖昧性の解消、相互参照、立体化学処理に対応します。化合物名を SMILES/InChI/CID/ChEMBL ID に解決する場合（OPSIN による IUPAC 名から構造への決定論的な解析を含む）、分子特性の取得、異性体／立体異性体の識別、データベース間での同一性の相互検証に使用します。化合物名は必ず英語を使用し、曖昧なクエリ（例：複数の形態がある Vitamin D）にフラグを付けます。
Javaの並行処理に関するベストプラクティスを適用する際に使用します。スレッドセーフの基礎、ExecutorServiceのスレッドプール管理、Producer-Consumerなどの並行設計パターン、CompletableFutureによる非同期プログラミング、不変性と安全な公開、デッドロック回避、仮想スレッド、構造化並行処理、スコープ付き値、バックプレッシャー、キャンセルの規律、並行システムの可観測性を扱います。Javaコードの並行性やスレッドセーフのレビュー、競合状態の修正、ExecutorServiceと仮想スレッドの選択、同期や共有可変状態の扱いの改善、関連するJavaのサブタスクへの構造化並行処理の適用などの依頼で使用します。Plinth Toolkitの一部です。
Railcode CLI で Railcode 管理エージェントを構築、テスト、公開、呼び出し、スケジュール設定、更新します。組織または個人の管理エージェントの作成、エージェントマニフェスト（JSON または YAML）の編集、下書きまたは保存済みエージェントの実行、実行状況の調査、cron スケジュールの管理、Slack（@Railcode $agent）からの実行、コンパニオンアプリとの連携、サンドボックス内のファイル処理、個人所有のコネクター（本人の Gmail、Slack、Granola など）を通じた操作に使用します。静的な Railcode アプリ、アプリ内の LLM ツールループ（llm.generate({ tools }) — create-railcode-app を参照）、一般的な組織管理には使用しないでください。
暗号実装を監査します。アルゴリズムの選択、鍵長、KDF パラメーター、IV／nonce の扱い、署名検証、乱数性、TLS 設定、鍵ローテーションを確認します。owasp-audit A04 より詳細な監査です。「暗号レビュー」「暗号監査」「暗号化レビュー」「KDF」「PBKDF2」「Argon2」「bcrypt のコスト」「IV の再利用」「nonce の再利用」「AES モード」「AES-GCM」「AES-ECB」「署名検証」「TLS 設定」「暗号スイート」「鍵ローテーション」「libsodium」「BoringSSL」に言及した場合、または暗号実装が適切か尋ねられた場合に使用します。
Databricks SQL（DBSQL）の高度な機能と SQL ウェアハウスの機能。このスキルは、ユーザーが「DBSQL」「Databricks SQL」「SQL warehouse」「SQL scripting」「stored procedure」「CALL procedure」「materialized view」「CREATE MATERIALIZED VIEW」「pipe syntax」「|>」「geospatial」「H3」「ST_」「spatial SQL」「collation」「COLLATE」「ai_query」「ai_classify」「ai_extract」「ai_gen」「AI function」「http_request」「remote_query」「read_files」「Lakehouse Federation」「recursive CTE」「WITH RECURSIVE」「multi-statement transaction」「temp table」「temporary view」「pipe operator」に言及した場合、必ず呼び出してください。Databricks の SQL のベストプラクティス、データモデリングのパターン、高度な SQL 機能について質問された場合も呼び出してください
グローバル状態管理、シーン遷移、シグナルベースの通信、依存性注入、AutoLoad の初期化順序、避けるべきアンチパターンなど、Godot AutoLoad（シングルトン）アーキテクチャの専門的なパターン。ゲームマネージャー、セーブシステム、オーディオコントローラー、シーン間リソースに使用。トリガーキーワード：AutoLoad、singleton、GameManager、SceneTransitioner、SaveManager、global_state、autoload_order、signal_bus、dependency_injection。
要件の詳細化からエンドツーエンドの生成・受け入れまで、React / HiUI ページを対象とします。曖昧な製品要件からのページ生成と受け入れ、HiUI ページのテスト前確認、ページ生成後のユーザー体験レビュー、要件から実装、UX 受け入れまでの一連の作業に使用します。hiui-refine、hiui-design、ux-walkthrough を編成し、requirementGate、generationInputGate、uxGate によって要件確認、ページ生成入力の確認、エンジニアリング受け入れ、段階的な UX 受け入れ、before/after のスクリーンショット、修正完了、レポート出力を制御します。
`hiui-page-workflow` などの大規模なページワークフローにおける標準的な S0 前提スキルです。B2B バックオフィスおよび HiUI ページの生成前に、要件を具体化します。曖昧または抽象的なバックオフィス／管理画面／運用画面／設定画面／承認フローの要件を、実行可能なプロダクト計画、MVP の範囲、ユーザーフロー、業務ルール、追跡可能なページ一覧、プロダクト PRD、全体の生成コンテキスト、ページ単位のプロンプト、HiUI 引き継ぎパッケージに具体化します。バックオフィス製品のアイデアの明確化、概略要件の PRD やプロダクト計画への変換、一覧／詳細／編集／設定などの作業領域の分解、ロール権限／データ権限／状態マシン／監査ルールの定義に使用します。必要に応じて、権限マトリクス、状態遷移表、フィールド辞書、例外・監査マトリクス、一括処理・インポート／エクスポート仕様、既存システムの改修・リリース戦略も補完します。さらに、ビジネス価値の分析、優先順位の提案、選択肢のトレードオフ、マルチテナント／バージョン／プロビジョニングモデル、マスターデータとシステム境界、アンチパターンの特定、リスク提示など、B2B プロダクトの専門的な判断も担い、曖昧な要件を継続的に実行可能な入力へと変換します。既存のプロジェクトやリポジトリに関する要件では、リポジトリ内のページ、モジュール、API、型、ドキュメントを踏まえ、コンテキストに即して要件を具体化します。
Bailian CLI (`bl`) を使って、「データ→ファインチューニング→エクスポート→デプロイ→呼び出し」の一連のワークフローを実行します。学習を省略してベースモデルを直接デプロイすることもできます。テキストモデル（SFT/DPO/CPT）、音声 TTS モデル（CosyVoice）、画像生成モデル（Wan2.7）、動画生成モデル（Wan i2v/kf2v）のファインチューニングに対応します。データセットの検証・アップロード、ファインチューニングジョブの作成と学習完了待ち、最良の checkpoint のエクスポート、推論デプロイの作成と起動待ち、呼び出し例の提示を行います。ユーザーが Bailian / DashScope / Alibaba Cloud Model Studio での「モデル学習」「ファインチューニング」「fine-tune」「finetune」「モデルのデプロイ」「モデルの公開」「ファインチューニング済みモデルの実行・呼び出し」「推論モデルの学習」「継続事前学習」「LoRA/SFT/DPO 学習」「音声合成モデル」「TTS ファインチューニング」「CosyVoice」「音声クローン」「画像生成のファインチューニング」「テキストから画像生成」「画像から画像生成」「Wan2.7」「画像モデルの学習」「動画生成のファインチューニング」「画像から動画生成」「最初のフレームから動画生成」「最初と最後のフレーム」「kf2v」「i2v」「Wan 動画」「動画エフェクトの学習」などに言及した場合に起動します。「bl の使用」と明言していなくても、Bailian での学習またはデプロイが目的なら使用し、コマンドを独自に組み立てないでください。
企業の公式サイト、検証済みのブランド情報源、またはユーザーがアップロードした製品画像から、インパクトの強い 15～30 秒のブランド・製品マーケティング動画をすばやく作成します。ローンチ動画、ウェブサイトのモーション動画、AI/SaaS デモ、製品プロモーションのほか、正確なロゴ、本物の画像、英語優先のコピー、製品機能のストーリー表現、強いビジュアルインパクト、滑らかなトランジション、決定論的なフレームベースのアニメーションが必要な Vibe Motion/Remotion 制作に使用します。
GitHub Actions の代替として、ワークフローを完全に Depot 内で実行する Depot CI を設定・管理します。GitHub Actions ワークフローの Depot CI への移行、`depot ci migrate` の実行、Depot CI のシークレットと変数の管理、`depot ci run` によるワークフロー実行、`depot ci run list`、`depot ci status`、`depot ci logs`、`depot ci diagnose`、`depot ci ssh` による実行のデバッグ、`depot tests` によるテスト結果や `depot ci artifacts` による実行成果物の確認、ワークフローの互換性確認、Entire リポジトリでの Depot CI 実行、Depot CI の機能の把握に利用します。.depot/ ディレクトリや depot ci コマンドへの言及、または GitHub ホストランナーを使わずに Depot のインフラ上で GitHub Actions ワークフローを実行する方法についての質問にも利用します。
Hugging Face Jobs インフラストラクチャ上で TRL（Transformer Reinforcement Learning）を使い、言語モデルをトレーニングまたはファインチューニングする場合に使用します。SFT、DPO、GRPO、報酬モデリングのトレーニング手法と、ローカルデプロイ向けの GGUF 変換を扱います。TRL Jobs パッケージ、PEP 723 形式の UV スクリプト、データセットの準備と検証、ハードウェアの選択、コスト見積もり、Trackio による監視、Hub 認証、モデルの永続化に関するガイダンスも含みます。クラウド GPU トレーニング、GGUF 変換、またはローカル GPU 環境なしで Hugging Face Jobs を使ったトレーニングに言及した場合に使用します。
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。