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
画像を使った Amazon のサイト横断ビジュアル商品検索。8 サイトでの画像検索と、見た目が似た商品の発見に対応します。ユーザーが画像検索、ビジュアル検索、同一商品の検索、見た目が似た商品、画像からの商品検索、競合商品の画像検索、類似商品の発見、image search、Amazon visual search、find similar products、reverse image lookup、visual search、similar items、competitor image search、product image match に言及した場合に起動します。ユーザーが「画像検索」と明示していなくても、画像 URL を提示して Amazon 上で一致または類似する商品を探したい場合は起動します。
マルチモーダル AI を使って商品メイン画像を分析し、視覚的特徴とプロンプトを抽出します。商品画像の分析、商品画像からの視覚属性の抽出、商品リスティングの色・形状・素材・スタイルの識別、画像プロンプトの推定、視覚的特徴の一括抽出、商品画像情報の構造化データへの変換、視覚属性の統計、画像に基づく商品分類、または main image analysis、image feature extraction、visual attribute recognition、product image analysis、image classification、batch image analysis に関する要望があれば、このスキルを起動します。「画像分析」と明示されていなくても、商品メイン画像や補助画像から構造化情報を抽出する要望であれば起動します。
商品タイトルを形態素解析し、単語頻度、シーン語、対象者語、素材語などの属性軸を抽出します。ユーザーが商品タイトルの分析、高頻度語の抽出、タイトルの形態素解析、シーン語や対象者語の発見、商品間でのタイトル内キーワードの使い方の比較、単語頻度に基づく Listing タイトルの最適化、ASIN グループ内の共通属性パターンの特定、title tokenization、word frequency analysis、scene keyword extraction、audience keyword analysis、title optimization、attribute keyword extraction、keyword frequency を求める場合に使用します。ユーザーが「タイトル分析」と明言していなくても、商品タイトルを意味のある語句に分解する、キーワード頻度を集計する、抽出した属性で商品をグループ化するニーズがあれば、このスキルを使用してください。
キーワード、カテゴリー、価格帯などの条件で Walmart の商品リスティングを検索、閲覧します。ユーザーが Walmart の商品検索、商品リスティング、価格比較、競合分析、商品選定の調査、市場データ、Walmart での商品検索、Walmart search、Walmart products、Walmart product selection、Walmart pricing、Walmart competitors、Walmart market に言及した場合に、このスキルを発動します。ユーザーが「Walmart search」と明示していなくても、Walmart での商品検索、販売状況の確認、価格比較、商品リスティングの分析に関する依頼であれば発動します。
Scenario MCP を通じて参照動画を 3D キャラクターアニメーションに変換する場合に使用します。スマートフォンの動画または生成した演技からのマーカーレスモーションキャプチャ、アップロードした FBX、GLB、OBJ キャラクターの自動リギングとキャプチャしたモーションの適用、Mixamo または MetaHuman スケルトン上の生モーションを使ったリターゲット、インプレース歩行、ループクリップ、顔のキャプチャ、Blender、Maya、Unreal、Unity、Roblox 向けの FBX エクスポートに対応します。キーワード：mocap、video to motion、video23d、animation from video。
DESeq2、edgeR、limma-voom を使用した RNA-seq の差次的発現解析。DEG リスト、倍数変化、分散推定、共変量を含むデザイン式、多条件コントラスト、グループ間のベン図集合演算に対応します。DESeq2（デフォルト）、edgeR（QL-F／反復数が少ない場合の正確検定）、limma-voom（大きな n／複雑なデザイン）を使い分けます。カウント行列とメタデータから DEG を特定したい場合や、分散／PCA／クラスタリング解析が必要な場合に使用します。RULE ZERO の優先規則を含みます（存在する場合は executed.ipynb を読み取ります）。
ユーザーが「スタイルシートを作成」「スタイルガイド」「ハウススタイル」「語り口を統一」「語り口の揺れ」「イギリス英語またはアメリカ英語の綴り」「キャラクターの声」「文章を lint」「文章チェック」「フィルターワード」「said-bookism」「多用される語」「繰り返しの表現」「似たキャラクター名」「声の特徴」などを求める場合、またはストーリー作品の語り口や表記上の慣習を記録し、徹底したい場合に使用します。全員の話し方が同じに聞こえる会話を書き直して声を区別する場合（line-editing を使用）、またはキャラクターのプロフィールや成長軌跡を扱う場合（character-management を使用）には使用しないでください。
PostHog 実験の分析部分を設定します。露出条件（サーバーが解決するデフォルトの露出イベントとカスタム露出イベント）、主要指標と副次指標、対応する指標タイプ（カウント、合計、`math` と `math_property` を使う比率、`retention_window_start` と `start_handling` を使うリテンション）、多変量ユーザーの扱い（「分析から除外」と「最初に確認したバリアントを使用」）、実験開始後の結果の読み方を扱います。ユーザーが主要指標や副次指標を追加・編集する場合（例：「ユーザーごとに 'downloaded_file' を追跡する副次指標を追加」）、比率指標を設定する場合（例：「purchase_completed の収益 / pageviews」）、リテンション指標を設定する場合（例：「$pageview → uploaded_file、7 日間のウィンドウ」）、カスタム露出を設定する場合（例：「/checkout にアクセスしたユーザーのみをカウント」）、多変量の扱いを変更する場合、または「分析対象は誰？」「影響をどう測る？」「勝っている？」「信頼度は？」「リリースすべき？」と尋ねる場合に使用します。
PostHog 実験のロールアウト方法を設定します。バリアントの分割比率（50/50、80/20、A/B/C 比率）、実験に参加するユーザー数を制御する全体のロールアウト率、「25% にロールアウト」のような表現がどちらの意味にも取れる場合の確認を扱います。ユーザーがロールアウト率、バリアント分割、トラフィック配分に言及する場合、60/40、70/30、80/20 などの比率を示す場合、「誰がテストバリアントを見るのか」と尋ねる場合、下書きまたは実行中の実験のロールアウト率や分割の変更を求める場合、均等／不均等な分割を検討する場合、または実験中の分割変更を提案する場合に使用します（多くの場合アンチパターンであり、リセットまたは終了後の再開が必要です）。
DirectionalLight3Dのシャドウカスケード、OmniLight3Dの減衰、SpotLight3Dのプロジェクター、VoxelGIとSDFGIの比較、LightmapGIのベイクなど、Godot 3Dライティングの専門的なパターンを紹介します。リアルな3Dライティングの実装、シャドウの最適化、グローバルイルミネーション、ライトプローブに使用します。トリガーキーワード：DirectionalLight3D、OmniLight3D、SpotLight3D、shadow_enabled、directional_shadow_mode、directional_shadow_split、omni_range、omni_attenuation、spot_range、spot_angle、VoxelGI、SDFGI、LightmapGI、ReflectionProbe、Environment、WorldEnvironment。
Python アプリケーションを Claude Agent SDK から Pydantic AI に移行します。必要な場合に限り、Pydantic AI Harness も対象とします。ソースコードが `claude_agent_sdk` をインポートする場合、または Claude Code のエージェントループ、セッション、組み込みツール、フック、権限、スキル、サブエージェントに依存する場合に使用します。Anthropic Messages SDK または Claude Managed Agents には使用しないでください。
RenderでカスタムドメインとTLS証明書を設定します。DNS設定、CNAMEレコード、apexドメイン、ワイルドカードドメイン、証明書のトラブルシューティングを扱います。カスタムドメインの追加、DNS設定、HTTPS/TLSの設定、証明書発行の問題の調査、onrender.comサブドメインの無効化、ワイルドカードドメインの追加が必要な場合に使用します。トリガー語：custom domain、DNS、CNAME、TLS、SSL、HTTPS、certificate、apex domain、wildcard domain、onrender.com、domain verification。
Godot 4.7 のシェーダーを書くまたは修正する場合に使用する：.gdshader コード（spatial、canvas_item、particles、sky、fog）、コードで構築する VisualShader グラフ、スタイライズドまたはトゥーンの水面、ディゾルブや燃焼エフェクト、ヒットフラッシュ、アウトライン、ステンシルバッファを使った X 線やポータル、深度やスクリーンテクスチャのポストプロセス、グローバルまたはインスタンス単位の uniform、コンピュートシェーダーと Texture2DRD、シェーダーベイカー；「シェーダーはコンパイルできるが表示がおかしい」「ポストエフェクトで画面が黒くなる」「Godot 3 のシェーダーが壊れる」「色が淡く見える」「初回起動時のシェーダーカクつき」といった場合にも使用する。
セキュリティ修正の完全なワークフロー。Snyk を使ってコードの脆弱性をスキャンし、修正して、その修正を検証し、必要に応じて PR を作成します。単一の問題と複数の脆弱性の一括処理の両方に対応します。次の場合に使用します：- ユーザーがセキュリティ脆弱性の修正を求めている - 「snyk fix」「security fix」「remediate vulnerabilities」に言及している - 特定の CVE、Snyk ID、または脆弱性の種類（XSS、SQL インジェクション、パストラバーサルなど）の修正を求めている - 脆弱な依存関係のアップグレードを求めている - すべての脆弱性、またはすべての高/重大な問題の修正を求めている（一括処理モード）
型設計の品質向上を目的に Java コードをレビュー、改善、リファクタリングする際に使用します。明確な型階層の構築、一貫した命名規則の適用、ドメイン固有の値オブジェクトによるプリミティブ型偏重の解消、ジェネリック型パラメーターの活用、型安全なラッパーの作成、流暢なインターフェースの設計、精度に適した数値型（金融計算では BigDecimal）の使用、インターフェースとメソッドシグネチャの整合による型の対比強化などが含まれます。「Java コードの型設計をレビューする」「Java の型設計を改善する」「Java コードのプリミティブ型偏重を解消する」「Java で値オブジェクトを作成する」といった依頼で起動します。Plinth Toolkit の一部です
Spring Boot 4.0.x アプリケーションのレビュー、改善、構築に使用します。@SpringBootApplication、コンポーネントアノテーション（@Controller、@Service、@Repository）の適切な使用、Bean の定義とスコープ、設定クラスと @ConfigurationProperties（@Validated を併用）、コンポーネントスキャン、条件付き設定とプロファイル、コンストラクターインジェクション、同じ型の複数の Bean に対する @Primary と @Qualifier、Bean の最小化、グレースフルシャットダウン、仮想スレッド、Jakarta EE 名前空間の一貫性、スケジュールタスクを扱います。次のような依頼で起動します：Spring Boot アプリケーションの Java コードをレビューする、Java コードに Spring Boot のベストプラクティスを適用する、Spring Boot の設定プロパティと Bean を改善する、Spring Boot のコンポーネントスキャンとプロファイルをレビューする、Spring Boot のグレースフルシャットダウンや仮想スレッドを調整する。Plinth Toolkit の一部です。
Catalyst QuickML — ノーコード/ローコード ML、生成 AI、すぐに使える AI プラットフォーム。（1）Prediction：ML パイプライン、分類/回帰、テキスト分析、レコメンデーション、予測、クラスタリング、異常検知、AutoML、予測エンドポイント；（2）生成 AI：LLM Serving（チャット、VLM）、RAG、ナレッジベース、GenAI エンドポイント；（3）Zia Model Library：トレーニング不要の構築済みモデル；（4）QuickML の価格 — サブスクリプションプランと従量課金の料金。'QuickML'、'AutoML'、'ML pipeline'、'train a model'、'model endpoint'、'LLM Serving'、'RAG'、'Knowledge Base'、'no-code ML'、'MLOps'、または QuickML の価格/コスト/請求/プランに関する質問でトリガー。DC の可用性：Prediction モデルはすべての DC；生成 AI（LLM Serving、RAG、ナレッジベース）は AU、SA、CA では利用不可；Zia Model Library は IN のみ。
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。