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 101,174 件掲載。コマンド 1 行でインストールできます。
すべて
ターミナルから JVM 依存関係（Scala 3、Scala 2、Java）の公開 API を検索できます。型シグネチャ、メンバー、ドキュメント、Markdown 形式のソースを確認でき、JAR の展開は不要です。不慣れなライブラリメソッドの呼び出し、パッケージの型の調査、依存関係の API の確認に使用します。外部依存関係の API 検索に限り、Metals MCP より cellar を優先してください（`cellar get-external` 対 `inspect`／`get-docs`）。cellar はプロジェクトのインポート不要で、公開済みの Maven アーティファクトを検索できます。
写真、動画、Live Photosを白黒からカラーへ変化するリビール動画にします（单彩渐变 + 动感模糊 + 丁达尔旋焦）。フレームはモノクロで回転した状態から始まり、水平のモーションブラーの下で左から色が広がり、回転が中央から外側へと収まり、柔らかく輝くフルカラーのフレームになります。上色効果、黑白变彩色、丁达尔旋焦、旋焦上色、剪映上色特效、color reveal、colorize transitionを求める場合や、画像、iPhone Live Photos（HEIC/JPG + MOV）、Androidのモーションフォト、動画クリップにこの効果を適用したい場合に使用します。出力はH.264 MP4です。
Route loader オプション、キャッシュキー用 loaderDeps、staleTime/gcTime/defaultPreloadStaleTime による SWR キャッシュ、pendingComponent/pendingMs/pendingMinMs、errorComponent/onError/onCatch、beforeLoad、router context と createRootRouteWithContext DI パターン、router.invalidate、Await コンポーネント、未 await の Promise による遅延データ読み込み
A株セクター調査：市場全体の Top N 上昇銘柄を算出し、2 つの情報源を使って直近 1 週間／1 か月の発表期間を相互確認し、市場センチメントの根拠を評価（L1–L3）します。並列の Agent Team 実行と、新しいコンテキストによる敵対的検証を行います。「XX 行业 Top N/Top 10 标的」「这些标的最近一周/一个月发过哪些公告」「判断 XX 行业/板块现在的市场情绪」「用 Agent Team 做行业投研」や、業界調査結果の敵対的検証に使用します。
基礎となるデザインコンテキストのスキル。ブランドアイデンティティ、カラーシステム、タイポグラフィ、デザインスタイル、対象ユーザーの好みを確立し、他のすべてのデザインスキルが再利用できるよう .agents/design-context.md に保存する。トリガーフレーズ："set up design context"、"define brand style"、"style guide setup"、"initialize design"、"set brand colors"、"use our brand"。完全なトークンシステムとコンポーネントを構築するには design-system を、パレットを生成するには color-palette を、ロゴとアイデンティティを作成するには brand-identity を使用する。
Bright DataのDiscover APIを使用して、意図に基づいて順位付けし、AI関連性スコアを付けた大規模なウェブ検索を実行します。キーワードSERPとは異なります。検索ジョブを開始し、順位付きの結果（リンク、タイトル、説明、relevance_score）を取得します。解析済みページコンテンツも任意で取得できます。セマンティック検索や意図ベースのウェブ検索、目標に合うトピックのページ検索、LLM向けのウェブ根拠付き検索、キーワード順位ではなく関連性による結果の絞り込みに使用します。REST API（POST/GET /discover）、CLI（`bdata discover`）、Python/JS SDK（`client.discover`）を網羅し、standard/zeroRanking/deep/fastモードにも対応します。`live-research`と`rag-pipeline`の基盤となるスキルです。キーワードSERPには`search`、構造化されたプラットフォームデータには`data-feeds`を使用してください。
ローカル開発とテスト用のGitHub REST APIエミュレーターです。GitHub APIエンドポイントとのローカルでのやり取り、GitHub連携のテスト、リポジトリ/Issue/PRのエミュレーション、GitHub OAuthフローの設定、GitHub Appsの構成、Webhookのテスト、実際のGitHub APIに接続せずにactions/checksを扱う場合に使用します。「GitHub API」「emulate GitHub」「mock GitHub」「test GitHub OAuth」「GitHub App JWT」「local GitHub」など、ローカルGitHub APIを必要とするタスクで起動します。
Go のパフォーマンス上のアンチパターンを検出し、最適化手法を適用します。メモリ割り当て、ベンチマークと benchstat、pprof とトレース、GC と GOMEMLIMIT の調整、PGO、HTTP クライアントの再利用を扱います。パフォーマンスの確認、遅いコードの特定、メモリ割り当ての削減、プロファイリング、ホットパスのレビューに使用します。トリガー例：「check performance」「find slow code」「reduce allocations」「benchmark this」「profile」「optimize Go code」。対象外：並行処理の正しさ（go-concurrency-review）、一般的なスタイル（go-coding-standards）。
特定のデータだけを扱う使い捨て HTML エディターを作成します。ドラッグ＆ドロップボード、フォームベースの設定エディター、左右並列のプロンプト調整ツール、データセット整理ツール、アノテーションツールなどが対象です。結果をエージェントに返せるよう、必ず Submit ボタン（`submitToClaude` を呼び出す）で終わらせます。秘密情報（API キー、トークン、パスワード）をそのまま埋め込むことはありません。参照に置き換えてマスクし、成果物と送信ペイロードにはキー名とマスク済みプレビューのみを含めます。
ユーザーの作品を Huawei Cloud University Operations Platform（华为云高校运营平台／作品陈列馆）に公開します。ユーザーがプラットフォーム上のギャラリーやイベント（活动）にプロジェクト／作品を公開、提出、アップロードしたい場合は常にこの skill を使用します。「把作品发布上去」「投稿到陈列馆」「传作品到平台」「提交作品/项目」「报名发布作品」のようなカジュアルな表現や、「publish to work gallery」「submit to an activity」「upload work to the platform」のような正式な表現も含みます。一般的な開発の質問、GitCode のみに対する git push、公開の意図がないプラットフォームの閲覧には使用しないでください。トリガーには「把作品发布上去」「投稿到陈列馆」「传作品到平台」「提交作品/项目」「报名发布作品」「publish to work gallery」「submit to an activity」「upload work to the platform」が含まれます。
『高性价比人生指南』(github.com/eternity4719/HowToLiveBetter) の本文を使って、具体的な人生の判断に答えます。すべきか、価値があるか、どう選ぶか、問題が起きたときにまず何をするか、どの給付を受けられるか、違法かどうかなどが対象です。回答前に関連項目を調べ、費用（金銭／時間／忍耐力）、利益の規模、証拠レベル A/B/C で順位付けし、各項目の節と番号を明記します。起動語：「すべきか」「価値があるか」「する必要があるか」「割に合うか」「どう選ぶか」「決めるのを手伝って」「これは違法か」「何を受給できるか」「まず何をすべきか」「費用対効果」。
macOS launchd ウォッチドッグを設計・監査します。LaunchAgent/LaunchDaemon の設定、plist の編集、定期的な自己修復、通知の繰り返し、終了後にアプリが再度開く問題、クラッシュ/修復ループ、Script Editor のアラート、停止/無効化/再起動、クールダウン/バックオフ、通知のスロットリング、アラート判断、スケジュールの読み戻し、WatchPaths/FSEvents のイベントトリガーに対応します。定期オブザーバーをサポートします。launchd デーモン、常駐タスク、起動時の自動実行、バックグラウンド監視、定期的な自己修復、通知元のトラブルシューティング、イベント駆動型監視。
ユーザーが心理学の原則、メンタルモデル、行動科学をマーケティングに応用したい場合に使用。また、「psychology」「mental models」「cognitive bias」「persuasion」「behavioral science」「why people buy」「decision-making」「consumer behavior」「anchoring」「social proof」「scarcity」「loss aversion」「framing」「nudge」に言及した場合も使用。マーケティングの文脈で、人々の思考や意思決定の仕組みを理解または活用したい場合は常に使用。
数値シミュレーションのメッシュ生成を計画・評価します。物理スケール（界面幅、境界層、波長）から格子解像度を推定し、品質しきい値に照らしてアスペクト比とスキューを確認し、構造格子・非構造格子・適応メッシュ細分化の戦略を選択し、1D/2D/3D領域の格子サイズを計算します。新しいメッシュの設定、メッシュ品質に起因するソルバーの収束不良の診断、フェーズフィールド界面や境界層に配置する点数の決定、メッシュ収束性の検討に使用します。「必要な解像度は？」や「なぜソルバーが失敗するの？」とだけ尋ねられた場合にも対応します。
ObjectStack ランタイムのブートストラップ、設定、拡張、運用を行います。プロジェクトのセットアップ（`defineStack`、ドライバー、スキャフォールディング）、プラットフォーム機能の宣言（`requires:` — 起動するサービスプラグイン）、プラグインとサービスの開発（PluginContext、DI、`kernel:ready` などのカーネルフック）、運用（CLI コマンド、マイグレーション、デプロイ、LiteKernel によるテストハーネス）を扱います。ユーザーが `objectstack.config.ts` を作成する場合、プラグインやドライバーを構築する場合、プラットフォーム機能を有効にする場合、Hono HTTP レイヤーをマウントする場合、`os` CLI コマンドを実行する場合、またはデプロイを計画する場合に使用します。データスキーマ設計（objectstack-data を参照）やクエリパターン（objectstack-query を参照）には使用しないでください。データライフサイクルフック（beforeInsert / afterUpdate）は objectstack-data の対象で、ここではカーネル／サービスレベルのイベントのみを扱います
802.11 ネットワークに対する脱認証・解除アソシエーション攻撃 — ハンドシェイク取得のための特定単一クライアントへの deauth、DoS のためのブロードキャスト deauth（許可を得た場合）、802.11w（PMF）を回避する action frame 攻撃、beacon フラッディング、mdk4 / aireplay-ng のツール、レート制限／PMF を考慮した運用。クライアントの再接続を強制する（ハンドシェイク取得、evil-twin ローミング）、標的型 DoS、PMF の態勢テストに使用する。
Evil Twin / KARMA / Mana アクセスポイントの手法 — hostapd-mana / wifiphisher / airgeddon による不正 AP の構築、KARMA のユニバーサルプローブ応答、Mana の選択的プローブ応答、キャプティブポータルフィッシング、deauth によるクライアントの攻撃者 AP への誘導、PNL リーク分析による MAC ランダム化の無効化、関連付け後の MITM（DNS、ARP、透過プロキシ）、ポータル／Web／SMB の認証情報窃取、検知回避の戦術。クライアントデバイスを攻撃者が制御する AP に誘導し、通信を傍受し、認証情報を収集し、キャプティブポータル経由でペイロードを配信するために使用する。
LoRaWAN および sub-GHz（433 / 868 / 915 MHz）の攻撃手法 — LoRaWAN の ABP/OTAA ジョイン攻撃、ネットワーク／セッションキーの再利用、フレームカウンタのリプレイ、TTN/Helium 系ネットワークへのダウンリンク注入、sub-GHz プロトコルのリプレイ（KeeLoq のガレージドア、固定コードのリモコン、TPMS のなりすまし、スマートプラグのテレメトリ）、HackRF / RTL-SDR / Flipper Zero のワークフロー、Inspectrum / Universal Radio Hacker による信号解析、独自パケット形式の再構築。LoRaWAN の導入（スマートシティ、資産追跡、産業テレメトリ）、または未認可の 433/868/915 MHz 帯を使用するあらゆる無線デバイス（ガレージ開閉器、ドアベル、IoT センサー、RC 機器）に使用する。
ユーザーのワークロードとプロファイリング目標に基づき、`rocprof-sys-run --preset=<name>` または `rocprof-sys-sample --preset=<name>` に渡す rocprofiler-systems のランタイムプロファイリングプリセット（balanced、trace-gpu、trace-hpc、sys-trace、workload-trace など）を推奨し、そのまま実行できるコマンドを返す。「どのプリセットを使えばよいか」という質問、ワークロード（GPU カーネル、MPI、OpenMP、AI/ML トレーニング、本番環境の概要）の説明とプロファイリングの相談、またはプリセットを選ばずに `rocprof-sys-run`/`rocprof-sys-sample` を実行した場合に使用する。rocprofiler-systems 自体の設定・コンパイルに使う CMake ビルドプリセット（`cmake --preset debug|release|ci`）には使用しない。これはプロファイリング実行ではなくビルド設定の問題である。
rocprofiler-systems の設定オプションの種類と使い方に関する質問に答える。たとえば「自分のシステムで利用できるハードウェアカウンターは？」「どの ROCm API をトレースできる？」「サンプリングや出力を制御する設定は？」「設定を永続化するには？」などの質問を、適切な `rocprof-sys-avail` または `rocprof-sys-run --help=<topic>` コマンドに対応付ける。ROCPROFSYS_* 設定、Timemory コンポーネント、ハードウェアカウンター、ROCm API トレースドメイン、GPU メトリクスを適用するのではなく、調べたり確認したりする場合に使用する。ワークロードに使う最初の `--preset` の選択には使用しない（`choosing-a-profiling-preset` を使用）。
`rocprof-sys-instrument` によるインストルメンテーションを案内する。実行時インストルメンテーションとバイナリ書き換え（`-o`）の選択、正規表現オプションによる関数やモジュールの包含・除外、ドライラン（`--simulate`、`--dump-info`、`--print-*`）による対象のプレビュー、粒度の調整（`--min-instructions`、`--min-address-range`、`--instrument-loops`）、ライブラリの書き換え、関数がトレースに含まれない、または多すぎる理由の診断を扱う。rocprof-sys-instrument、バイナリ書き換え、共有ライブラリのインストルメンテーション、関数やモジュールの包含・除外正規表現、ドライラン、関数とモジュールの違いについての質問に使用する。`--preset` の選択（`choosing-a-profiling-preset` を使用）、設定・カウンター・ROCm ドメインの一覧（`discovering-profiling-options` を使用）、実行中プロセスへのアタッチ（別ツール `rocprof-sys-attach`）には使用しない。
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。