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
ウェブサイトまたは Web コードベースの SEO と AI 検索（GEO/AEO）を監査し、独立した 0～100 のスコアを 2 つ（検索 SEO と AI 可視性）算出するとともに、優先順位付きの根拠あるレポートをディスクに保存します。読み取り専用で、プロジェクトへの書き込みは行いません。サイトの SEO、構造化データ/schema、メタタグ、Core Web Vitals、robots.txt、サイトマップ、AI 検出ファイルの監査・分析・確認・評価、Google での順位や AI エンジン（ChatGPT、Perplexity、Google AI Overviews、Gemini、Claude）による引用についてユーザーが尋ねた場合に使用します。
品質を重視してTypeScriptまたはReactコードを作成、レビュー、リファクタリングする際に使用します。命名、関数やコンポーネントの構成、エラー処理、データモデリング、テスト、抽象化を扱います。Robert C. MartinのClean Code原則を現代のTS+Reactの慣用表現（TS 5.x、React 19）に適用し、「適用すべきでない場合」の明確なガイダンスと、原則間の衝突（DRYとSRP、小さな関数と深いモジュール、型安全性と使いやすさ）を扱うMetaカテゴリを備えています。コードレビュー、明瞭さのためのリファクタリング、命名、関数／コンポーネント設計、「これはクリーン？」「もっと読みやすくして」「適切な抽象化？」などで起動します。ユーザーが「clean code」と言わない場合も対象です。React固有のAPI（RSC、hooks API surface）は対象外です。`react`スキルを使用してください。TSコンパイラーのパフォーマンスやtsconfigも対象外です。`typescript`スキルを使用してください。
既存の orca オーケストレーション上で、Karpathy 方式の LLM 評議会（3段階のマルチエージェント評価）を実行します。N席が独立して質問に回答し、回答を匿名化して盲検で相互順位付け（モデルが自分の回答を優遇できないようにする）した後、議長が最終回答を統合します。モデル呼び出しはオーケストレーションが行い、harness/scripts/council.py は匿名化、平均順位集計、意見の相違、アンカーガード、トランスクリプトなどの決定論的なプロトコル計算を行います。ユーザーが「run a council」「llm-council」「panel of models」「blind peer-rank these answers」「ensemble + chairman」と言うか、/council を呼び出した場合に使用します。第4段階では HTML レポートの生成が必須です。council.py 内でレンダリングし、オフラインで動作し、CDN も外部スキルも使いません。各 `rank` は、新しいバージョン付きの自己完結型レポート（llmwiki/html/council/council-report-NNN-seed<seed>.html）を書き出します。レポートには意見カード（ペルソナ名と視点）、盲検投票テーブル、ダッシュボードが含まれます。try/except で分離されているため、レンダリングの不具合でコアのトランスクリプト処理が停止することはありません。
Didit AML Screening のスタンドアロン API を統合し、制裁、PEP、警告、ネガティブメディアの監視リストに照らして個人や企業をスクリーニングします。AML または KYC/AML のコンプライアンスチェック、OFAC/UN/EU 制裁リストとの照合、PEP ステータスの確認、ネガティブメディアの検索、照合とリスクスコアの調整、AML ヒット（Confirmed Match、False Positive、Inconclusive）の確認、Didit による継続的な AML モニタリングの有効化に使用します。POST /v3/aml/（1,300+ の監視リスト、あいまいな名前照合、設定可能な重みとしきい値、冪等な再試行）および AML ヒット確認エンドポイントを扱います。
inference.sh CLI 経由で ElevenLabs を使い、テキストの説明から AI 効果音を生成します。機能：テキストから効果音への変換、カスタム長、ロイヤリティフリーの音声。用途：動画制作、ゲーム音声、ポッドキャスト、映画、プレゼンテーション、ソーシャルメディア。トリガー：sound effects、sfx、sound generation、ai sound effects、generate sound、foley、audio effects、sound design、text to sound、elevenlabs sound、eleven labs sfx、ambient sound、cinematic sound、game sound effects。
Front-door on-demand cho phát triển framework HOẶC distill/author một skill — SELF-CONTAINED, chạy được ở BẤT KỲ project nào (không phụ thuộc file repo-local). Gọi khi đang sửa chính framework, hoặc đang viết/chưng cất một skill trong phiên của dự án khác. KHÔNG dùng cho dev tính năng dự án thường (đó là phần lớn phiên — ADR-004).
Go のエラー処理パターン、ラッピング、センチネルエラー、カスタムエラー型、errors パッケージを扱います。Effective Go、Go Code Review Comments、本番環境で実証されたイディオムに基づきます。エラー処理の実装、エラー型の設計、エラーチェーンのデバッグ、エラー処理パターンのレビューに使用します。トリガー例：「エラー処理」「エラーのラッピング」「カスタムエラー型」「センチネルエラー」「errors.Is」「errors.As」。対象外：ミドルウェアの panic/recover（go-api-design）、テストアサーション（go-test-quality）。
Google Ads アカウントの監査とビジネスコンテキストの設定を行います。アカウントの健全性監査やビジネスコンテキストの設定に使用します。「audit my ads」、「ads audit」、「set up my ads」、「onboard」、「account overview」、「how's my account」、「ads health check」、「what should I fix in my ads」がトリガーです。また、ユーザーが NotFair を使い始めたばかりで、まだ監査を実施していない場合にも使用します。
ユーザーが Hugging Face Jobs インフラストラクチャで任意のワークロードを実行したい場合に使用します。UV スクリプト、Docker ベースのジョブ、ハードウェア選定、コスト見積もり、トークン認証、シークレット管理、タイムアウト設定、結果の永続化を扱います。データ処理、推論、実験、バッチジョブ、Python ベースのタスクなど、汎用コンピューティングワークロード向けです。クラウドコンピューティング、GPU ワークロードに関するタスクや、ローカル環境を設定せずに Hugging Face インフラストラクチャでジョブを実行する話題が出た場合に呼び出します。
例外条件の処理不備を調査します。エンドポイントに不正または想定外の入力（型違い、壊れた JSON、サイズ超過フィールド、ヌルバイト）を与え、フェイルオープンや内部情報の漏えいを引き起こします。例として、ORM の内部情報、サーバーのファイルパス、ライブラリのバージョン、言語のトレースバックを開示する詳細なスタックトレースやフレームワークのエラーページが挙げられます。JSON API、フォーム、クエリパラメーターなど、入力を受け付けるすべてのエンドポイントで使用します。より深い攻撃に利用できる内部構造が漏えいする場合、深刻度は中〜高です。
HTML インジェクションを調査します。ユーザー入力がサニタイズされずにレスポンス内で生の HTML として表示されると、攻撃者が任意の HTML タグを挿入できます（必ずしも JavaScript を挿入できるとは限りません）。XSS より深刻度は低いものの、挿入したフォームを使ったフィッシング、UI の操作、認証情報の窃取が可能です。検索結果、プロフィール欄、コメント、エラーメッセージ、フィードバックフォームなど、テキスト表示面のテスト時に使用します。JavaScript を実行するマークアップの場合は hunt-xss にエスカレーションしてください。
Hotwire のフォームワークフロー（フォーム送信のライフサイクル、インライン編集、検証エラー、入力補完／オートコンプリート、モーダルフォーム、外部フォームコントロール）を扱います。中心的な課題がフォーム操作の正確性と UX の場合に、このスキルを優先してください。ページネーション／タブ／フィルターナビゲーションには hwc-navigation-content、WebSocket/Turbo Stream のブロードキャストには hwc-realtime-streaming、画像／動画／音声の動作には hwc-media-content、一般的な読み込み／トランジションの調整には hwc-ux-feedback、フォームに関連しないフレームワークレベルの Stimulus API には hwc-stimulus-fundamentals を使用してください。
Infisical Secret Rotation を構成するためのガイドです。サードパーティシステムにすでに存在する認証情報を一定間隔で自動的にローテーションし、新しい値を Infisical のシークレットに書き戻します。28 個すべてのローテーションプロバイダー（PostgreSQL、MySQL、MSSQL、OracleDB、MongoDB、Redis、AWS IAM ユーザーシークレット、Azure/Okta/Auth0 クライアントシークレット、LDAP パスワード、Unix/Linux および Windows のローカルアカウント、Cloudflare、Datadog、Snowflake キーペア、OpenAI/OpenRouter/LiteLLM/Fireworks API キーなど）、デュアルフェーズとシングルフェーズのローテーションモデル、ローテーション間隔と rotateAtUtc スケジューリング、parameters と secretsMapping、SQL データベース向けの 2 ユーザーパターンを扱います。次のような質問がある場合にこのスキルを使用します：secret rotation、rotating credentials、automatic credential rotation、rotating a database password on a schedule、expiring API keys、rotationInterval、または 'how do I rotate my database password automatically'。タイマーで既存の認証情報を変更するためのものです。リクエストごとにまったく新しい一時的な認証情報を作成する用途（infisical-dynamic-secrets）や、App Connection の認証情報ローテーション（infisical-app-connections）には使用しません。
Infisical Secret Scanning のガイド — ソースコードや開発者システムにおける認証情報の漏えいを検出する。3 つのクラウドデータソース（GitHub Radar 接続経由の GitHub、GitLab、Bitbucket）、フルスキャンとプッシュ時の自動 diff スキャン、検出結果のライフサイクルと重大度、Git 履歴・作業ディレクトリ・ステージ済み変更・CI パイプライン向けの `infisical scan` コマンドライン、`infisical scan install --pre-commit-hook` による pre-commit フックのインストール、infisical-scan:ignore、.infisicalignore、エントロピーしきい値、カスタムルールによるノイズ低減、使用時にアラートを出すおとり認証情報としての AWS honey token を扱う。以下のような質問がある場合にこのスキルを使用する：Infisical のシークレットスキャン、リポジトリ内の漏えいシークレットの検出、Git 履歴の認証情報スキャン、pre-commit のシークレットスキャン、スキャンにおける誤検知、honey token。シークレットを漏えいしないよう保管する（infisical-setup）場合や、漏えいしたシークレットをローテーションする（infisical-secret-rotation）場合は対象外。GitHub のスキャンには github-radar App Connection が必要で、github の接続では不可。
MCP サーバー経由でライブの Infrahub データを分析・関連付けし、運用上の質問への回答、ドリフトの検出、影響の調査を行います。次の場合に発動します：インフラデータの照会、コンプライアンスの確認、変更の影響調査、アドホックレポートの作成。次の場合は発動しません：自動チェックの作成、変換処理の構築、スキーマの設計、データファイルへの入力、Infrahub のバージョンアップグレードの計画（infrahub-planning-upgrades を使用）。ユーザーの質問を必ずそのまま args として渡してください。このスキルはフォークされたコンテキストで実行され、親の会話を参照できません。args を指定せずに呼び出すと失敗します。
UnbounceとOli Gardnerの実証済みフレームワークを用いて、コンバージョン最大化に向けてランディングページを最適化します。「1つの目標、1つのメッセージ、1つのアクション」の原則を、データに基づくデザイン、コピー、CTAのベストプラクティスとともに適用します。次の場合に使用します。キャンペーン用の**新しいランディングページを作成**する。コンバージョンにつながらない既存ページを**最適化**する。公開前に**デザインをレビュー**する。リード獲得ページの**フォームコンバージョン率を改善**する。ランディングページの要素を体系的に**A/Bテスト**する。
EchoTik の新商品ランキングデータを使って、TikTok Shop の 16 の地域市場で人気の新商品を見つけます。TikTok の新商品ランキング、TikTok の売れ筋商品、TikTok Shop のヒット商品、ショート動画コマースの商品選定、TikTok の新商品発掘、越境 TikTok の商品選定、TikTok new product rankings、TikTok bestsellers、short-video product selection、TikTok viral products、new product ranking、TikTok product trends に言及した場合にこのスキルを起動します。「EchoTik」や「新商品ランキング」と明示されていなくても、TikTok Shop の人気新商品や新たな商品トレンドの発見に関する依頼であれば起動してください。
智慧芽の特許データベースから翻訳済みの特許請求項を取得します。ユーザーが特許請求項や請求項の翻訳について尋ねる場合、特定の言語（中国語、英語、日本語）の請求項を確認したい場合、特許 ID または公開番号で請求項を検索する場合、請求項テキストを分析する場合、または claim translation、patent claim translation、PatSnap、patent translation に言及する場合に起動します。「特許請求項の翻訳」と明示していなくても、特定言語の特許請求項の取得に関する要望であれば起動します。
本番トレースから評価器をブートストラップする。デフォルトではオンライン LLM ジャッジ評価器を提案し、確認後に Datadog に無効（disabled）ドラフトとして作成する（自動有効化はしない）。要望があれば Python SDK コード、またはフレームワーク非依存の JSON 仕様を出力する。ユーザーが「bootstrap evaluators」「generate evaluators」「create evals from traces」「eval bootstrap」「write evaluators」「build eval suite」「publish evaluatorsdesk」，あるいは本番 LLM トレースデータから BaseEvaluator／LLMJudge コードやオンラインジャッジ設定を生成したいと言う場合に使用する。ml_app と連携し、RCA レポートや失敗仮説の指定も可能。
決定論的なガード付きエージェントループドライバーです。任意のステップを propose → deterministic-verify →（critique → revise）でラップし、強制終了ガード（max_iter、wall-clock budget、state-hash による進捗なしの検出、人間へのエスカレーション）を適用します。制御ループ、ガード、進捗検出は決定論的で、LLM の critique/revise ステップのみを隔離されたアダプターとして扱います。エージェントの修正ループが無限に回らず、失敗したテストを言いくるめて回避できないようにする必要がある場合に起動します。
ObjectStackのAIスキル、ツール、ナレッジソース、オープンエディションのMCPサーバーインターフェースを設計します。ユーザーが `*.skill.ts` / `*.tool.ts` を追加する場合、LLMプロバイダーを設定する場合、スキルに付与するツールを接続する場合、またはRAG用のナレッジソースとしてObjectStackデータをインデックス化する場合に使用します。エージェント自体はプラットフォーム内部のもの（`ask` / `build`）です。サードパーティは `*.agent.ts` を作成するのではなく、スキルを通じて拡張します。ObjectStackのメタデータに関係しない一般的なLLMプロンプトの質問には使用しないでください。
ObjectStackの自動化（Flows（ビジュアルロジック）、Triggers、Approvals、ステートマシン、および `jobs`（`defineJob`）/ `webhooks`（`defineWebhook`）スタックコレクション）を設計します。ユーザーが `*.flow.ts` を追加する場合、イベント駆動ルールを接続する場合、承認チェーンをモデル化する場合、またはインタラクティブな画面フロー／ウィザードを構築する場合（objectstack-uiはここにルーティングします）に使用します。オブジェクト層のデータライフサイクルフック（objectstack-dataを参照）や、カーネル／プラグインイベント（objectstack-platformを参照）には使用しないでください。フロー条件／エッジガードでCEL式を使う場合は、objectstack-formulaも読み込みます。
ObjectStackの翻訳バンドル（オブジェクト／フィールドのラベル、ビューのテキスト、アプリのナビゲーション文字列、自動化メッセージ）を作成し、ロケールのフォールバック、カバレッジレポート、ソースレイアウトを設定します。ユーザーが `*.translation.ts` ファイルを追加する場合、Studioまたはmetadata APIを通じて `translation` メタデータ項目を作成する場合、パッケージやプラグインから生成済みバンドルを配布する場合、新しいロケールを接続する場合、または翻訳不足の警告を解決する場合に使用します。ObjectStackのバンドルに関係しない一般的なi18nライブラリの質問には使用しないでください。
ObjectQLクエリ（フィルター、ソート、ページネーション、集計、リレーション展開、全文検索）を構築します。ユーザーがクエリDSL式を記述する場合や、ページネーション戦略を選ぶ場合に使用します。オブジェクト／フィールド／リレーションの定義（objectstack-dataを参照）、クエリを公開するAPIエンドポイントの設計（objectstack-apiを参照）、リストビューのフィルタールール／ダッシュボードデータセット（objectstack-uiを参照）には使用しないでください。
AWS、Azure、GCP を対象とするクラウドセキュリティ攻撃手法。認証情報の窃取（IMDS、~/.aws、環境変数、漏洩した CI シークレット、インスタンスロール）、クラウド固有ツール（pacu、ScoutSuite、Prowler、ROADtools、gcp_enum）による列挙、権限昇格パス（IAM PassRole、AssumeRole チェーン、Lambda/Functions の権限反転、Azure Owner-on-self、GCP serviceAccountTokenCreator）、永続化手法（IAM ユーザー/キーの作成、AAD アプリ登録、GCP サービスアカウントキーの作成、EventBridge/Logic Apps バックドア）、データ持ち出し（S3/Blob/GCS、スナップショット共有、RDS/CosmosDB/Cloud SQL からの持ち出し）、クラウドネイティブな横展開（クロスアカウント assume、Azure AD マルチテナント、GCP プロジェクト階層）、サーバーレス攻撃（Lambda 環境変数、レイヤーハイジャック、Step Functions）、クラウド上の Kubernetes（EKS/AKS/GKE 固有のノードおよび AWS メタデータへの経路）、CSPM 回避（CloudTrail の死角、GuardDuty のミュート、Sentinel ルールの調整）を含む。クラウドアカウントが対象範囲の場合、クラウド認証情報を窃取した場合、またはクラウドのセキュリティ態勢を評価する場合に使用。
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。