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 100,696 件掲載。コマンド 1 行でインストールできます。
すべて
ユーザーが「blob store」や「object storage」を求める、「S3」や S3 互換ストアに言及する、「画像／動画／ファイルの保存」が必要、または「multipart upload」「resumable upload」「signed / presigned URLs」「media storage」「unstructured data at scale」「versioning」「tiering」（hot/cold/archive）、耐久性を高める「erasure coding」とレプリケーションの比較について質問する場合に、このスキルを使用します。写真、動画、バックアップ、ログ、ML データセットなどの大規模な非構造化オブジェクトを低コストかつ耐久性をもって保存・提供する設計には、ユーザーが単に「ファイルはどこに置けばいい？」と尋ねた場合でも使用します。
ユーザーが「pantsing」「discovery write」「アウトラインなしで書く」「discovery draft」「write into the dark」「story kernel」「章の整合」「行き詰まり」「執筆スプリント」「執筆ペース」について尋ねる場合、または発見的な執筆で物語を草稿化し、後から設定資料との整合を取りたい場合に使用します。アウトライン先行の執筆、伏線を先に配置する必要があるミステリーなどのジャンル（chapter-writing を使用）、既存の直線的な草稿の逆アウトライン作成、サブプロットの削除、既存章の追加改稿（revision-continuity を使用）には使用しません。
CAPMからFama-Frenchの3ファクターモデル、5ファクターモデル、モメンタムまで、ファクターモデルをポートフォリオ構築やファンド評価に適用します。「Fama-French」「バリューファクター」「スマートベータ」「ファクター傾斜」「モメンタムエクスポージャー」「ファクター動物園」についての質問、ファクター回帰（ロード、ファクター調整後のアルファ、R-squared、t統計量）の実行や解釈、運用者のリターンをファクターエクスポージャーとスキルに分解する依頼、「自分のファンドはクローゼット・インデックスか」という質問に使用します。SMB、HML、RMW、CMA、UMD、サイズ／バリュー／クオリティ／収益性／低ボラティリティのプレミアム、ファクターETFやスマートベータ商品の評価（ファクター純度、回転率、運用容量、手数料）、ファクターの循環性とファクタータイミングの危険性、ファクターの混雑、ロング・ショートの学術的ファクターと実装可能なロングオンリーの傾斜の比較、発表後のファクター減衰にも対応します。
ユーザーが Google Ads のオーディエンスターゲティング、リマーケティングリスト、RLSA（検索広告向けリマーケティングリスト）、Customer Match、類似オーディエンス、購買意向オーディエンス、カスタムインテントオーディエンス、アフィニティオーディエンス、オーディエンスセグメンテーション、オーディエンス入札のレイヤリングについて支援を求める場合に使用する。'audience targeting'、'remarketing'、'RLSA'、'Customer Match'、'lookalike'、'in-market audience'、'custom intent'、'audience list'、'audience signal'、'retargeting list' でトリガーする。PMax のオーディエンスシグナルについては google-ads-pmax を参照。
ipsw CLI で Apple のファームウェアとバイナリをリバースエンジニアリングします。IPSW と OTA をリモートまたはローカルで調査し、kernelcaches、dyld_shared_cache、exclave、SEP、コプロセッサのファームウェアを抽出します。DSC dylibs、KEXT、Mach-O を逆アセンブルして相互参照し、ObjC/Swift ヘッダーをダンプして差分を確認します。サンドボックスプロファイルの逆コンパイルと検索、entitlements の検索、クラッシュやパニックのシンボリケート、リリース間の差分比較も行います。ipsw の指定がなくても、iOS/macOS の内部構造、プライベートフレームワーク、カーネルやファームウェアの調査、Apple のセキュリティ研究に使用します。
Gary Vaynerchuk の jab-jab-jab-right-hook フレームワークを、X と LinkedIn での個人ポートフォリオのローテーションに適用します。Jabs = ビルドインパブリック + 教育的な価値提供。Hooks = 宣伝（呼びかけ）。ユーザーが設定したポートフォリオ内の各プロパティ（`~/.config/makerskills/jab-hook/properties.yaml` を参照）には、約 3 週間に 1 回以上 hook を割り当て、残りを jabs で埋めます。下書きは MCP 経由でユーザーの Typefully ワークスペースに保存します。モード — plan（7 日間の計画）、pick-next（投稿 1 件）、audit（カバレッジレポート）、draft（特定の投稿）。トリガー：「/jab-hook」「何を投稿すればいい？」「SNS の計画を立てて」「次のプロモ」「次の jab」「次の hook」「SNS ローテーション」「[property] を宣伝」「BIP 投稿」「SNS を監査して」「まだ何について投稿していない？」。
Syncfusion Blazor DataFormコンポーネントを実装して、検証やフィールド管理に対応したデータバインド可能な動的フォームを作成します。BlazorでSyncfusionコンポーネントを使ったフォーム構築、フォーム検証、モデルのバインド、編集可能なフィールドの作成、フォームイベントの管理に使用します。フォームレイアウトのカスタマイズ、データバインディング、FormItemsの設定、FormAutoGenerateItemsのセットアップ、テンプレート、イベント、データ注釈による検証を扱います。
展開可能なノードとネストされた行構造を備えた階層データまたは自己参照データ向けに、Syncfusion Blazor TreeGrid（SfTreeGrid）を実装します。Blazor Server、WebAssembly、Web App、MAUIアプリケーションでツリービューワークフローを構築する際に使用します。GraphQLバインディング、テンプレート、ソート、フィルタリング、編集、ページング、集計、検索、エクスポート、仮想化、クリップボード操作、状態管理に対応し、豊かな階層データ体験を実現します。
agent-desktopのPlatformAdapter向けC-ABIバインディング。利用側（Python ctypes、Swift、Node ffi-napi、Go cgo、C++、Ruby fiddle）はlibagent_desktop_ffi.{dylib,so,dll}をリンクし、呼び出しごとにCLIバイナリを起動する代わりに`ad_*`関数を直接呼び出します。標準的な観察・操作ワークフローは、ad_init → ad_adapter_create[_with_session] → ad_snapshot → 修飾参照（@s8f3k2p9:e5）を読み取る → ad_execute_by_ref → ad_free_string → ad_adapter_destroyです。
計画、機能リクエスト、会話コンテキストに基づいて、Claude Code のエージェントチーム向けの極めて詳細なプロンプトを生成する。ユーザーがエージェントチーム用のプロンプトを作成したい、コーディングエージェント向けのタスクを準備したい、チームプロンプトを生成したい、自律的なエージェントワークフローを構築したい場合、または "create a prompt for agent teams"、"prepare a task for a fresh session"、"generate a team prompt"、"build me an agent prompt"、"I want to hand this off to an agent team"、"create agent team instructions"、"write me an autonomous coding prompt" などと言った場合にこのスキルを使用する。ユーザーが複雑な機能を説明して委任を求めるとき、並列エージェント向けに作業を準備したいとき、"fresh context"、"copy-paste prompt"、"autonomous implementation" に言及したときにも起動する。
Alba シリアライザーと Typelizer により、型安全な Inertia Rails props と TypeScript 型の自動生成を実現します。Inertia レスポンス用のモデルのシリアライズ、Alba リソースの設定、Ruby からの TypeScript 型生成、Alba 属性を使った Inertia prop オプション（defer、once、merge、scroll）の使用時に利用します。as_json を、構造化され自動で型付けされた ApplicationResource、ページリソース、共有 props リソースに置き換えます。有効時は、他のスキルの `render inertia: { ... }` パターンを上書きします。代わりに、規約に基づくインスタンス変数のレンダリングを使用してください。
ソフトウェア機能、研究ワークフロー、イベント、学習計画など、構造化して分解すると効果的なあらゆる複数ステップのタスクについて、構造化された計画を作成します。サブエージェントの調査結果を対話形式でレビューし、既存の計画を深めることもできます。「これを計画して」「計画を作成して」「技術計画を書いて」「実装を計画して」「どう構築すればよいか」「どのようなアプローチがよいか」「分解して」「旅行を計画して」「学習計画を作成して」とユーザーが言った場合、またはブレインストーミングや要件文書が計画段階に進める状態になった場合は、計画作成に使用します。「計画を深めて」「自分の計画を深めて」「深掘りレビュー」とユーザーが言った場合、または計画に関して「深める」と言及した場合は、計画の深化に使用します。
リポジトリの GitHub Actions ワークフローを監査し、CI の最適化機会を特定します。キャッシュ不足、冗長なセットアップ、sleep に依存した準備完了判定、分割されていない長時間のテストジョブ、全履歴のチェックアウト、不要な環境変数、ビルドキャッシュの設定ミスなど、キャッシュ、冗長性、並列化、条件付き実行、トリガー範囲、隠れた失敗に関する約 60 のパターンを確認します。次の場合に使用します。（1）リポジトリの CI 最適化機会を分析する、（2）実測した経過時間と Runner 分数の削減量を含む優先順位付きレポートを作成する、（3）上流の CI 変更後に再監査する。一般的な CI 設定の支援、新しいワークフローの一からの作成、GitHub Actions 以外の CI システム、セキュリティ／態勢監査には使用しないでください。後者には `ci-secure` を使用します。
意見が分かれている MEL/SRHR の設計判断について、正式な多視点ディベートを実施します。実際の専門家の視点に対応するペルソナエージェントが、判断対象を独立かつブラインドで調査し、1ラウンドの議論を行います。その後、合意点と実質的な意見の相違を明確にした、意思決定メモ形式の統合結果を作成し、Ane の判断に委ねます。Ane が提示された選択肢の間で決められず、独立した視点からの論証を求める場合に使用します。設計上トークンを多く消費するため、本当に重要な決定に限って使用してください。すでに傾いている設計の磨き込み（/grill-mel）、新規構築（brainstorming）、単なる選択肢文書（/decision-memo）には使用せず、何かを構築する目的では決して使用しません。
v3 Video Agent パイプラインで HeyGen のアバター動画を作成します。アバターの解像度調整、アスペクト比の補正、プロンプト設計、音声選択を自動処理します。HeyGen API（api.heygen.com）の使用には必須です。非推奨の v1/v2 エンドポイントを、最適化された v3 パイプラインに置き換えます。使用例：(1) HeyGen API エンドポイント（api.heygen.com）の呼び出し、(2) 写真から HeyGen アバターまたはデジタルツインを作成、(3) パーソナライズされた動画メッセージ（アウトリーチ、ピッチ、更新、告知、知識共有）の作成、(4)「自分の動画を作って」「自分の HeyGen アバターを作成して」「この動画に自分を登場させたい」、(5)「見込み客に動画を送って」「チーム向けの更新を録画して」「Loom 風のメッセージを作って」、(6) プレゼンターがユーザーまたはエージェント本人である、アイデンティティ重視の動画の作成。対象：HeyGen API、api.heygen.com、動画生成、アバター作成、音声リスト、トーキングフォト、HeyGen アバター作成、音声デザイン、写真 → デジタルツイン、HeyGen 動画生成、アイデンティティ重視の動画、メッセージ重視の動画、AI プレゼンター、トーキングヘッド動画。対象外：シネマティックな B ロール、動画翻訳、TTS のみ、ストリーミングアバター。
한글 글에 AI 티가 얼마나 있는지 재고, 실제로 고치면 어떻게 되는지 표본으로 보여주는 정찰 스킬. 실측 판별력 상위 6개만 본다. 워크스페이스·진단·게이트·서브에이전트 없이 이 대화 안에서 끝낸다(파일 0개, 서브에이전트 0회). 손볼 게 많다고 나오면 전수 윤문은 humanize-korean(=/humanize)으로 넘긴다. 트리거 — "이 글 AI 같아?", "AI 티 있나 봐줘", "스캔해줘", "윤문 돌릴 값어치 있나", "AI 티 점수", "quick humanize", "/humanize-scan".
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。