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
サーバーをセットアップせずに、ローカルファイル（parquet/csv/json）、URL、S3 パス、またはリモートデータベース（Postgres、MySQL、MongoDB、ClickHouse Cloud、Iceberg、Delta Lake）で SQL、特に分析用 SQL を実行したい場合に使用します。Python に組み込まれた ClickHouse SQL である chDB を提供します。1000 以上の関数、状態を保持する複数ステップのパイプライン向け Session、パラメーター化クエリ、および `s3()`、`mysql()`、`postgresql()`、`iceberg()`、`deltaLake()`、`remoteSecure()` テーブル関数によるデータソース横断の結合に対応します。次の場合に使用：parquet/csv/ファイル、またはリモート分析データソースで SQL を実行したい場合、ClickHouse SQL の機能（ウィンドウ関数、windowFunnel、geoToH3、JSON パス操作、Session、パラメーター化クエリ）を使う場合、`chdb` をインポートするか `chdb.query()` を呼び出す場合。pandas 形式の DataFrame メソッドチェーン（代わりに chdb-datastore を使用）や ClickHouse サーバー管理には使用しないでください。
動画の中から見どころ —— 面白い会話や、斧の一振り、打撃、投擲、ドラムビートのような反復するインパクト動作 —— を見つけ、単体のクリップとして切り出し、任意で 16:9 ↔ 9:16 に再フォーマットし、タイムワープのパンでよりタイトな見せ方にし、opus 風の単語ごとのキャプションを焼き込みます。ユーザーが \"clipify\"、\"cut clips from this video\"、\"make shorts from this\"、\"find funny moments\"、\"action montage\"、\"cut on each chop/hit/punch\"、\"reframe to 9:16\"、\"vertical clips\" に言及した場合、または動画ファイルのパスを貼り付けて SNS 向けのカットを求めた場合に使用します。
CloudBase CLI（tcb、云开发CLI、Tencent CloudBase命令行）のリソース管理スキルです。tcb を使ったクラウド関数、CloudRun、ストレージ、NoSQL/MySQL、静的ホスティング、権限、CORS／ドメインのデプロイ、CI/CD や一括操作、CLI を希望するユーザーへの対応、CloudBase MCP ツールがまだ読み込まれていない場合の初回セッションでの代替手段（インストール／設定後、IDE の再起動前）に使用します。tcb login とサイト切り替え（--intl または config isIntl による国内サイト／国際サイト）、環境のライフサイクル（env create/modify/renew/delete/apikey/login/domain）、tcb config と cloudbaserc.json の同期、ログ検索（logs search、CLS）、メトリクス監視（monitor）、データモデルと PostgreSQL マイグレーション（db model、db pg migration）、サンドボックス／エージェント／統合管理も扱います。tcb deploy をデフォルトで使用しないでください。
公式の Google 仕様に照らして、`@google/design.md` CLI リンターで DESIGN.md ファイルを検証します。ローカルファイルに対応します。ユーザーが DESIGN.md の lint、仕様への準拠確認、壊れたトークン参照の検索、WCAG コントラスト比の検証、2 つのバージョンの差分比較、トークンの Tailwind または DTCG 形式へのエクスポート、設計システムファイルの構造的な正しさの監査を求める場合に使用します。「validate DESIGN.md」「lint DESIGN.md」「check my design.md」「design.md spec compliance」「WCAG contrast check」「broken token references」「design token validation」「export design tokens」「diff design systems」「design.md audit」「@google/design.md」「npx design.md lint」「design system validation」「frontmatter tokens」や、DESIGN.md ファイルの検証依頼が対象です。
事実に基づく証拠の段階を明示し、実体験を捏造せずに誠実な製品レビューや購入ガイドを作成します。証拠の段階には、検証済みの仕様、大規模な購入者体験の統合、専門家による相互検証、実際に行った場合に限る実機検証が含まれます。ユーザーが実機検証なしで製品レビューや購入ガイドを作成したい場合、レビュー方法を整備したい場合、レビュー内容に証拠の開示を加えたい場合、Google のレビューシステムや FTC のアフィリエイト開示要件に沿わせたい場合、または Review と Product schema を誠実に使える状況を判断したい場合に使用します。製品レビュー、購入ガイド、ベスト製品リスト、レビュー方法、証拠の根拠、実機テスト、テストしました、アフィリエイトレビューサイト、レビュー開示、方法論ブロック、独自調査、レビューシステムなどをきっかけに作動します。実際には行われていないテストをレビューが主張している場合や、アフィリエイトサイトに精査に耐える信頼の仕組みが必要な場合も対象です。
MCP 経由で PostHog APM（OpenTelemetry span）データを使用し、分散アプリケーションのパフォーマンスを調査します。サービスのトレース、遅い HTTP／データベース span、エラー span、エラー率の傾向や急増、レイテンシ分布、トレース ID、span 属性について尋ねられた場合に使用します。AI オブザーバビリティのトレースやプロダクトログには使用しません。posthog:apm-service-health、posthog:query-apm-spans、posthog:apm-trace-get、posthog:apm-spans-sparkline、posthog:apm-services-list、posthog:apm-attributes-list、posthog:apm-attribute-values-list を使用します。
パーティーゲーム向けのエキスパート設計図。ミニゲームのリソースシステム（.tresファイルで定義）、ローカルマルチプレイヤー入力（4人分のコントローラー管理）、非対称ゲームプレイ（1対3のバランス）、シーン管理（ミニゲームの適切な読み込み／アンロード）、スコアの永続化（ラウンドをまたいだ勝利数の記録）、画面分割レンダリング（プレイヤーごとにSubViewport）を扱う。Mario Party風のゲームやWarioWareコレクションに使用。トリガーキーワード：party_game、minigame_collection、local_multiplayer、asymmetric_gameplay、split_screen、dynamic_input_mapping。
自然言語の質問を安全に実行できるSQLに変換し、Ascend PyTorch Profiler / msprofデータベースから演算子の処理時間、通信、ディスパッチ、その他の性能データをクエリします。公式ドキュメントからテーブルスキーマを抽出できます。ユーザーが（1）Ascend profilingデータベースの分析、（2）演算子性能データのクエリ、（3）通信やディスパッチのボトルネック分析、（4）profilingデータのテーブルスキーマ確認を希望する場合に使用します。トリガー：「profiler db」「sqlite」「sql」「table」「schema」「ascend-pytorch-profiler」「msprof」「operator time」「communication time」「dispatch analysis」「性能分析」「算子耗时」「数据库查询」「性能数据」「性能瓶颈」。
Amazonの逆引き商品選定：過去のビジネス洞察レポートをもとに蓄積した指標データプールを使用し、市場規模と成長、価格帯と価格帯別シェア、競争密度と上位企業への集中度、年齢・性別・収入などの顧客層プロフィール、レビューでの訴求点や課題など、30以上のビジネス指標からAmazonの市場分野やキーワードを絞り込みます。逆引き商品選定、指標による絞り込み、ニッチ市場の逆引き、ブルーオーシャンニッチの発掘、低競争ニッチ、初心者向けニッチ、ブランドが分散した市場、課題を切り口にした選定、訴求点の逆引き、価格帯の機会、顧客層プロフィールに基づく商品選定、Amazon niche reverse search、niche metrics filter、low-competition niche、blue ocean niche、demographic-based selection、pain-point niche、price tier opportunity、sweet spot pricing、brand fragmentationに言及した場合に起動します。「逆引き商品選定」と明言していなくても、ビジネス指標に基づいて条件に合うAmazonの市場分野を絞り込みたい場合は起動します。
PubMed、arXiv、bioRxiv、Semantic Scholar（および parallel-cli によるウェブ検索）を検索し、研究の選別、データ抽出、テーマの統合を行い、verify_citations.py で引用を検証して、系統的文献レビューを実施します。PRISMA 形式のフロー図と APA、Nature、Vancouver 形式の参考文献を含む、Markdown および PDF のレビューを作成します。系統的レビューやスコーピングレビューの実施、特定テーマの研究の統合、論文や学位論文の文献レビュー執筆、研究ギャップの特定、レビュー内の引用確認に使用します。単一の論文やデータベースレコードの検索には使用せず、該当するデータベース用スキルを使ってください
注意：呼び出しのたびに、タンパク質配列と取得した MSA アラインメントが NVIDIA ホストの外部 API（health.api.nvidia.com）に送信されます。機密または専有の配列には、ローカルの NIM コンテナを使用してください。NVIDIA BioNeMo NIM を使用して、完全なタンパク質構造予測パイプラインを実行します。MSA-Search（ColabFold）で MSA アラインメントを検索し、取得したアラインメントを使って OpenFold3 で構造を予測します。ユーザーが MSA コンテキストを用いた最高精度のタンパク質構造予測、AlphaFold3 形式の完全なパイプラインの実行、MSA 情報に基づく構造予測の生成、または進化情報による予測精度の向上を希望する場合に使用します。トリガー：MSA structure prediction pipeline、structure prediction pipeline、MSA-informed prediction、OpenFold3、ColabFold MSA、AlphaFold3 pipeline、protein structure、homology search、a3m alignment、UniRef30、NIM microservice。このパイプラインでは MSA-Search と OpenFold3 を連続して実行します。
VTEX Sales App での店頭（POS）決済向けに VTEX Payment Provider Protocol コネクタを実装するときに適用。Venda Direta Credito と Venda Direta Debito の manifest メソッド、2 段階の Payment App チャレンジ（まず端末コネクタ、次に確認待ち）、Create Payment 時のカードデータ null、非同期の undefined ステータス、secondsWaiting と delayToCancel のタイムアウトのペアリング、cardBrand、firstDigits、lastDigits を含むコールバックペイロードを扱う。決済端末で物理カードを課金する PPP + POS 統合の構築やデバッグに使用。
@polar-sh/sdk パッケージを使用して、TypeScript／JavaScript アプリに Polar の課金機能を追加します。ユーザーが Polar の Checkout エンドポイント、Customer Portal エンドポイント、または Webhooks エンドポイントを、Next.js、Express、Hono、Astro、SvelteKit、Remix、TanStack Start、Nuxt、Fastify、Elysia、Deno、Supabase Edge Functions、Cloudflare Workers、Bun などのフレームワークに追加したい場合は、必ずこのスキルを使用してください。
ユーザーが価格決定、パッケージ設計、収益化戦略について支援を求めている場合に使用します。「pricing」「pricing model」「pricing tiers」「freemium」「free trial」「packaging」「price increase」「value metric」「Van Westendorp」「willingness to pay」「monetization」「pricing strategy」「pricing experiments」「price anchoring」「enterprise pricing」「GTM pricing」「price setting」「value-based pricing」「revenue optimization」「pricing psychology」に言及した場合に適用します。このスキルは、価格調査、料金プランの構成、パッケージ戦略、割引の枠組み、アップセルの仕組み、価格実験を扱います。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
連続した非誘導的なインタビューを通じて、まだ明確に語られていない経験、気づき、知識、判断を、検証・再利用可能な知識として整理します。完全なインタビュー記録と一貫性のある知識原稿を必ず納品し、原稿末尾に個別に展開できるテーマと、今後探るべき素材をそれぞれ列挙します（テーマは副産物であり、テーマ選定のみのサービスは提供しません）。ユーザーが AI インタビューで経験や未整理の考えを明確にしたい場合、または完成済みのインタビュー記録を知識原稿にまとめたい場合に使用します。トリガー例：インタビューして、考えを話して整理したい、経験を明確にしたい、/qws-interview、このインタビュー記録を整理して。文字起こし、テーマ選定のみ、既存原稿の推敲には使用しません。
weapp-vite monorepo 向けの repoctl release、pnpm change intent、issue のデリバリーワークフローです。`weapp-vite`、`wevu`、`@weapp-vite/react`、mpcore、テンプレート、公開 skills、AI コントラクトの変更、change intent の判断、`create-weapp-vite` との連携、クロスプラットフォーム検証、issue worktree から中国語の PR/CI までの一連のデリバリーに対応します。
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。