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 100,928 件掲載。コマンド 1 行でインストールできます。
すべて
Sliced Bread コードベースの各スライスを深いモジュールとして評価します。クラスト形状を分類し、実装の規模がクラストに対してどこに位置するかを測定し、分解すべきクラストを提案します。ユーザーが「are our slices deep」「review the crusts」「which modules should we break down」「is this facade too fat」と尋ねた場合や、コンプライアンスレビュー通過後もスライスがモノリシックに感じられる場合に使用します。変更セットの境界コンプライアンス（sliced-bread-review）やルール違反の一括確認（sliced-bread-audit）には使用しないでください。このスキルが評価するのは深さであり、コンプライアンスではありません。
x402 経由で 20 以上のプラットフォームのソーシャルメディアプロフィール、投稿、コメント、フォロワーを収集し、検索します。用途：TikTok、Instagram、YouTube、LinkedIn、X/Twitter、Facebook、Reddit のプロフィール取得；ユーザーの投稿、ストーリーズ、ハイライト、動画、文字起こしの取得；投稿へのコメント、返信、リアクションの取得；アカウントのフォロワーとフォロー中の一覧表示；プラットフォーム横断での投稿、ハッシュタグ、プロフィール検索；広告ライブラリ（Facebook、TikTok、Google、LinkedIn）、Facebook Marketplace、Events、Groups の収集；GitHub ユーザー、リポジトリ、トレンド、および Rumble、Threads、Bluesky、Pinterest、Twitch、Spotify など；Lightreel エージェントによる UGC 調査（フック、トレンド、クリエイター検索、スクリプト、ブリーフ）；プラットフォーム横断のソーシャルメディア調査とモニタリング。起動語："tiktok"、"instagram"、"facebook"、"reddit"、"youtube"、"linkedin"、"twitter"；"get followers"、"who follows"、"following list"；"scrape profile"、"get posts from"、"social media data"；"instagram stories"、"tiktok videos"、"facebook page"、"youtube channel"；"ad library"、"facebook ads"、"tiktok ads"、"marketplace"；"ugc"、"hooks"、"creator search"、"content trends"；"cross-platform"、"social media research"。重要：StableSocial は非同期の 2 段階フローを使用します。ステップ 1：POST でデータ収集を開始（有料、$0.06）。ステップ 2：完了するまで GET /api/jobs/{jobId}（または旧形式の GET /api/jobs?token=...）をポーリング（無料）。すべてのエンドポイントは 1 回の呼び出しにつき $0.06 です。
プロジェクトを読み取り専用で調査し（作業ツリー、issue とその優先度、オープン中の PR、未登録の計画、レビュー待ちドキュメント）、最優先で完了すべき次の一手を実行担当の kit に割り当てた、1画面のダッシュボードにまとめます。既定では docs/status/ に使い捨てのスナップショットを保存します。プロジェクトに着手して「次に何をすべき？」「プロジェクトの状態を確認して」と尋ねる場合に使用します。「no file」を追加するとスナップショットを省略します。読み取りと提案のみを行い、実作業は指定された kit が行います。
Agentシステムのツールインターフェース層に特化したスキルです。Agentがルーティングに利用できるツール説明の作成、ツールスキーマと応答形式の設計、命名規則、実行可能なエラー復旧メッセージ、MCPサーバー設計、ツールセットの統合、個々のツールの追加・削除の判断を扱います。作業単位が単一のツールまたはツール群の場合に使用します。プロジェクトの形態、パイプラインアーキテクチャ、タスクとモデルの適合性に関する判断はproject-developmentへ、サブエージェント導入の判断はmulti-agent-patternsへ振り分けてください。
Java の例外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。具体的な例外型の使用、try-with-resources によるリソース管理、例外メッセージの保護、例外チェーンによるエラーコンテキストの保持、フェイルファスト原則に基づく早期の入力検証、スレッド割り込みの適切な処理、@throws による例外の文書化、ログポリシーの適用、API 境界での例外変換、リトライと冪等性の管理、タイムアウトの適用、抑制例外の追加、非同期／リアクティブコードでの障害伝播が対象です。「例外処理」「Java コードで try-with-resources を使う」「Java コードで例外チェーンを作成する」「Java コードにフェイルファスト検証を適用する」「Java の例外分類と伝播を確認する」などの依頼で起動します。Plinth Toolkit の一部です。
有料メディアのダッシュボードを誤解なく読み解く方法を解説します。アトリビューションモデル、プラットフォームレポートの特性、複数プラットフォーム間の照合、ROAS と LTV の期間に関する落とし穴、パフォーマンス指標の統計的ノイズ、インクリメンタリティテスト、そして高い代償を伴う失敗パターンを扱います。有料メディアダッシュボードの分析、アトリビューション分析、ROAS と LTV、複数プラットフォーム間の照合、広告のインクリメンタリティ、地域ホールドアウト、コンバージョンリフト調査、ゴーストビディング、有料メディアレポート、取締役会資料の有料メディア指標、ブレンデッド CAC、MMM、MTA、ラストクリックアトリビューションで起動します。プラットフォーム指標に基づいてキャンペーンの拡大、停止、予算再配分を行おうとしている場合や、プラットフォームのレポートとデータウェアハウスの売上を照合する場合にも起動します。
ビジネス目標からレビュー可能なドラフトまで、AE A/B 実験を設計します。実験仮説の作成、指標の準備状況の評価、指標や Features の選択・作成、グループやトラフィックの設計、サンプルサイズや期間の見積もり、実験ドラフトの作成、準備状況や競合の確認を求められた場合に使用します。SDK のガイダンスは条件付きの分岐です。ユーザーが A/B 実験 SDK、クライアント SDK の統合、実験 SDK のコード生成、または SDK のトラブルシューティングを明示的に求めた場合に限り対応し、通常の実験設計やドラフト作成には SDK の作業を含めません。
設定に基づいて AE A/B 実験を診断・解釈し、根拠を報告して妥当な判断につなげます。実験の意味、リリース可能か、結果が有意でない理由、グループサイズや露出の異常、処置結果の不一致、レポートの信頼性、次の対応について尋ねられた場合に使用します。SRM、期間の十分性、新奇性効果、指標の不一致、データの欠落や異常、設計の妥当性、データの信頼性、指標の解釈、トレンドとセグメントの分析、根本原因の仮説、リリースの推奨事項を扱います。プラットフォームの検出と読み取りには、必ず ae-cli を使用します。
Claude Code、Codex、OpenClaw、Cursorにおけるマルチエージェント連携、エージェントチーム、スウォームオーケストレーション、並列タスク分配、機能の検出、品質ゲートに対応するクロスランタイムのプレイブックです。「多agent」「agent协作」「agent编排」「并行agent」「分工协作」「拉团队」「多代理协作」、または独立した役割とレビューを必要とする複雑な作業に使用します。6段階のワークフローをアクティブなホストの実際の機能に対応付け、並列エージェントを利用できない場合は逐次実行への縮退を報告します
装着者の会話を記録して文字起こしするウェアラブル AI、Bee からリアルタイムのコンテキストと生活の履歴にアクセスします。関連性の高い支援に最も役立つ、直近10時間の会話全文を取得するため、必ず最初に 'bee now' を実行してください。次の場合に使用します：(1) 今まさに起きていること（最近の会話、現在の状況、直前に話した内容）を知る必要があるとき、(2) 直近に起きたことや、ユーザーが話した相手について尋ねられたとき、(3) 装着者の人物像、人間関係、仕事、好み、訪問先、写真など生活の背景が必要なとき、(4) 過去の会話／日次要約／事実の検索、装着者の居場所の想起、インサイトの確認、事実や ToDo の管理、(5) Bee データの同期や監視。
個々の長文コンテンツ向けのパターンです。ケーススタディ、ホワイトペーパー、調査レポート、決定版ガイド、マニフェスト、電子書籍、長編チュートリアルを扱います。ブログの水増しや学術的な冗長さとは異なる、出版品質の長文を実現する構成技法を紹介します。ハブ構造を扱う pillar-content-architecture とは異なり、個々の深掘り記事を対象とします。長文コンテンツ、ケーススタディ執筆、ホワイトペーパー、調査レポート、決定版ガイド、電子書籍、マニフェスト、長編チュートリアル、深掘り記事、中核記事、基礎記事、構成類型などに対応します。3,000 語を超える記事の構成に迷う場合、長文の草稿が冗長またはまとまりに欠ける場合、主要コンテンツに長さに見合う深みが必要な場合にも使用します。
Meteor 3 で React インターフェースを構築またはデバッグする際に使用します。meteor create --react、createRoot、JSX または TSX エントリーポイント、Rspack の React 検出、Fast Refresh、react-meteor-data、useTracker、useSubscribe、useFind、withTracker、Suspense、Tracker.withComputation を扱います。isLoading をブール値として扱う、useFind に fetch() が渡される、クロージャー入力が古い、Tracker の副作用が重複する、Suspense キーが不安定、await 後にリアクティビティが失われる、更新後に状態がリセットされる、React テストで計算処理がリークする、といった場合が対象です。React スケルトン、React Compiler、React 固有の rspack.config ルール、リアクティブデータフック、従来型と Suspense の統合について質問された場合にも使用します。一般的なバンドラー設定は meteor-modern-build-stack に、Meteor 2 のアップグレードは migrate-to-meteor-3 に振り分けます。
本番環境向けの ML パイプライン基盤を設計・実装します。MLflow または Weights & Biases による実験トラッキングの設定、トレーニングをオーケストレーションする Kubeflow または Airflow の DAG 作成、Feast によるフィーチャーストアのスキーマ構築、モデルレジストリのデプロイ、再トレーニングと検証のワークフローの自動化を行います。ML パイプラインの構築、トレーニングワークフローのオーケストレーション、モデルライフサイクルの自動化、フィーチャーストアの実装、実験トラッキングシステムの管理、データのバージョン管理のための DVC の設定、ハイパーパラメーターの調整、Kubeflow、Airflow、MLflow、Prefect などの MLOps ツールの設定に使用します。
モーション、アニメーション、タイミング、イージング、時間経過に伴う構成がテーマの場合に使用。「animate」「motion」「easing」「timing」「keyframe」「transition」「stagger」「loop」「bounce」「overshoot」「follow-through」「anticipation」「12 principles」「motion hierarchy」「composition for motion」で起動。静止画のデザイン、静的なレイアウト、色彩理論、タイポグラフィ単独では起動しない。ツール名が挙がった場合は aftereffects-motion または blender-motion と組み合わせる。まずこのスキルを読み込み、その上に専門スキルを追加する
Okta を IdP とするレッドチーム攻撃チェーン。テナントの発見、複数の手法によるユーザー列挙、認証フロー分析（要素の列挙、プッシュ通知疲労攻撃、SMS バイパス）、ロックアウトに配慮したパスワードスプレー、Okta 固有のフィッシング手法（キット、FastPass の悪用、OIDC redirect_uri の改ざん）、MFA の列挙、侵害後の管理 API 攻撃面を扱います。多くの企業組織は Entra ID の代わりに、または併用して Okta を使用します。エンドポイント、レート制限、認証要素のフローはそれぞれ異なります。偵察で `<tenant>.okta.com`、`<tenant>.okta-emea.com`、`<tenant>.oktapreview.com`、または Okta IdP を指す autodiscover 形式のレコードが見つかった場合に使用します。
Supabaseがメンテナンスする、あらゆる環境で稼働するPostgres向けのベストプラクティスです。Postgresデータベース内の内容を作成または変更する前に、このスキルを読み込んでください。対象は、テーブルや列の作成・変更（列型の選択を含む）、スキーマ設計、マイグレーションと宣言的スキーマファイル、RLSポリシーと検証テスト、インデックス、トリガー、データベース関数、キューとスケジュールジョブ（pg_cron、pgmq）、ベクトル／セマンティック検索（pgvector）、ダンプの復元（pg_restore）やデータのインポートです。遅いクエリ、CPU使用率の高さ、タイムアウト、EXPLAINプラン、接続枯渇、ロック、肥大化、または誤ったユーザーやテナントに表示される行の診断時にも読み込んでください。これは単なるパフォーマンスガイドではありません。スキーマ、マイグレーション、セキュリティ、SQL作成の作業にもこのルールが必要です。列を1つ変更する場合や単一のクエリでも同様です。
ユーザーリサーチの計画と実施を支援します。調査計画、参加者募集、インタビュー設計、定性分析、調査結果の製品判断への反映を扱います。ユーザーがユーザーリサーチの計画、インタビュー設計、参加者募集、探索調査や形成的調査の実施、定性調査結果の統合を希望する場合に使用します。ユーザーリサーチ、UXリサーチ、ユーザーインタビュー、探索調査、生成的調査、形成的調査、定性調査、ユーザーインサイト、調査結果の統合、募集、インタビューガイド、ジョブ理論などに対応します。ユーザーの意見なしに製品判断が行われており、それを改善したい場合にも対応します。
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。