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
非推奨 — 新規セットアップでは公式の zentao-cli（https://github.com/easysoft/zentao-cli）とその skills（https://github.com/easysoft/zentao-skills）を推奨します。この skill は既存の @leeguoo/zentao-mcp ユーザーには引き続き機能し、bug resolution stats コマンドも引き続き役立ちます。zentao CLI を使用して、ZenTao のバグ、タスク、ストーリー、ToDo、製品、プログラム、プロジェクト、実行、計画、リリース、テストケース、テストタスク、テストスイート、ドキュメント、ユーザー、部門、課題、リスクを照会・操作します。ユーザーが禅道または ZenTao に言及した場合、バグ／タスク／ストーリー／ToDo／プロジェクト／テスト／ドキュメントの照会や更新を希望する場合、製品または担当者別のバグ解決率の統計やレポート（bug 解决率统计/解决数量统计/bug statistics/bug report）を希望する場合、または禅道インスタンスへのログイン／whoami／セルフテストが必要な場合に使用します。ZENTAO_URL には通常 /zentao が含まれます
ユーザーが提供した依頼、草稿、プロンプト文を、元のタスクを実行せずに、より明確で実行しやすいプロンプトに整えます。ユーザーがプロンプトの改善、書き換え、最適化、簡潔化、明確化、構成、調整を明示的に求める場合、アイデアはあるものの表現方法が分からない場合、または対象読者、制約、形式、実行コンテキスト、成功基準が不足している場合に使用します。システムプロンプト、メタプロンプト、プロンプトフレームワーク、Claude Code のプロンプト、バッチや API 向けプロンプト設計にも使用します。プロンプト改善ではなく、タスクの実行、調査、実装が主目的の場合は使用しないでください。
12-Factor Agents の方法論に照らしてエージェントのコードベースを監査する場合、LLM を活用したシステムアーキテクチャをレビューする場合、またはエージェントアプリの準拠状況を評価する場合に使用します。「エージェントアーキテクチャを分析」「12-factor 監査」「このエージェントの準拠度は？」「この LLM アプリを評価」などの依頼で起動します。フレームワークの比較やエージェントの改善計画にも適用されます。簡易チェックリスト向けではなく、ファイル単位の根拠を示しながら、各要素についてコードベースを詳細に分析します。
Allium を使ってオンチェーンのエンティティ、プロトコル、市場、ウォレットに関する質問を調査します。単発の検索ではなく、根拠のある分析回答が必要な場合に使用します。Terminal で既存のカバレッジを確認し、適切なデータソースを選び、小規模なテストから本番用の手法を構築して結果を検証し、適切に調整した主張を行い、再現可能な Explorer クエリを保存します（必要に応じて Allium Assistant 用のダッシュボード引き継ぎプロンプトも作成）。データソース選択を重複して行わず、`data-matching` の後に続けて実行します。
ページのヒートマップが示す内容を評価し、具体的な変更を提案します。URL のクリック、レイジクリック、スクロール深度のデータを取得し、同じページの自動キャプチャイベントと照合して注目要素を特定します。また、ユーザーが PostHog で開ける保存済みヒートマップを作成し、行動を要約して改善案を提示できます。 起動条件：ヒートマップの内容、クリックされない理由、レイジクリックの場所、スクロール距離、ヒートマップ／クリックデータに基づくページの変更点を尋ねる場合、または URL のヒートマップの分析／評価／レビューを依頼する場合。 起動しない条件：分析なしで保存用のヒートマップ画像だけを作成したい場合（heatmaps-saved-create を直接使用）、またはセッションリプレイ全般について尋ねている場合（investigating-replay を使用）。
Azure Cache for Redis の開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、セキュリティ、構成、デプロイを含みます。geo-replication、永続化、プライベートエンドポイント、Entra 認証、ARM/Bicep ベースのデプロイの構成、およびその他の Azure Cache for Redis 関連の開発タスクで使用します。Azure Managed Redis（azure-managed-redis を使用）、Azure Virtual Machines（azure-virtual-machines を使用）、Azure Kubernetes Service (AKS)（azure-kubernetes-service を使用）、Azure App Service（azure-app-service を使用）には使用しません
OpenAI GPT Image 2.5、Azure OpenAI、Google、OpenRouter、DashScope、Z.AI GLM-Image、MiniMax、Jimeng、Seedream、Replicate、Agnes の API による AI 画像生成。テキストからの画像生成、参照画像、アスペクト比、保存済みプロンプトファイルからの一括生成に対応。デフォルトでは順次生成。ユーザーが複数のプロンプトを用意している場合や、複数画像を安定して生成したい場合は、並列一括生成を使用。画像の生成、作成、描画を依頼されたときに使用。
stix2、mitreattack-python、spaCyを使ってサイバー脅威インテリジェンスレポート（Mandiant、CrowdStrike、Talos、Microsoft）を解析し、攻撃者の行動を抽出してMITRE ATT&CKの手法IDに対応付け、検出テンプレートを備えた検索可能なSTIX 2.1攻撃パターンライブラリを構築します。脅威インテリジェンスに基づく検出エンジニアリングのためにCTIレポートから攻撃パターンを整理する場合や、記録された行動からSigma/YARAテンプレートを生成する場合に使用します。
デザインシステムの多地点点検を実行する——10 のステーション（カバレッジ、ベストプラクティス、アクセシビリティ、共有言語、テスト、オーケストレーション、ガバナンス、フィードバック、機械可読ドキュメント、エージェントアクセス）でデザインシステムを評価し、優先順位付きの作業指示を含む赤/黄/緑の点検レポートを生成する。ユーザーがデザインシステムの点検、評価、監査、ヘルスチェックを求めたり、点検や特定のステーションの実行を求めたり、「なぜ私のデザインシステムのチェックエンジンランプが点灯しているのか？」と尋ねたりしたときに使用する。
リアルタイムの Hotwire 動作を実装します。WebSocket/SSE 経由の Turbo Streams、カスタムストリームアクション、インラインストリームタグ、リストのライブ更新、タブ間の状態同期に対応します。問題の中心がプッシュ型の更新やストリームアクションのオーケストレーションである場合に、このスキルを優先してください。プル型のページネーション/タブ/遅延ナビゲーションには hwc-navigation-content、フォームのライフサイクルとバリデーションには hwc-forms-validation、メディアのアップロード/再生には hwc-media-content、一般的な読み込み/進行状況/トランジションには hwc-ux-feedback、ストリーム以外の Stimulus の基礎には hwc-stimulus-fundamentals を使用してください。
Icons8 MCP を通じてアイコンを選択・取得し、プロジェクト全体でばらばらなアイコンではなく、一貫したセットを使用する。プロジェクト全体を 1 つのパックに統一し、不適切な比喩（設定は Apple ロゴではなく、普通の歯車）を避ける。無料の PNG URL でプレビューし、最終セットのみ SVG を取得する。UI、プロトタイプ、ランディングページ、スライド、ドキュメントにアイコンが必要な場合、ユーザーが Icons8、アイコンセット、特定のアイコンに言及した場合、ファイル内のアイコンの置き換えや監査を行う場合、またはホバー、クリック、読み込み中にアイコンを動かす場合に使用
ランダム初期化された cMIM decoder + latent_dist を追加して、grover_base checkpoint（encoder のみ、または encoder + vocab heads）をハイブリッド checkpoint に変換し、その後、ユーザーのコーパスでハイブリッド（vocab + contrast）として事前学習を続けます。実質的には、kermt-continue-pretrain の前に一度だけ ckpt-conversion を行います。
AI で強化された関係知識のためのナレッジグラフを実装します。オントロジー設計、グラフデータベースの選定（Neo4j、Neptune、ArangoDB、TigerGraph）、エンティティ抽出、ハイブリッドなグラフ・ベクトルアーキテクチャ、クエリパターン、AI 連携を扱います。ナレッジグラフの実装、オントロジー設計、エンティティと関係の抽出、グラフデータベースの選定、ハイブリッドなグラフ・ベクトル検索の構築に使用します。ナレッジグラフ、オントロジー設計、エンティティ解決、グラフ RAG、ハルシネーション検出にも使用します。アーキテクチャの選定とガバナンスには knowledge-base-manager スキルを、ドキュメント検索パイプラインには rag-implementer スキルを使用してください。
Allium で DeFi レンディングプロトコルのデータを分析するための方法論ガイドです。Aave、Morpho、Fluid、Euler、Maple、Compound 系フォーク、チェーン別のレンディング市場を扱います。レンディングプロトコルの預け入れ、借入、清算、担保スワップ、利用率、TVL、レバレッジに関する質問で使用します。プロトコル／資産名だけが挙げられた場合や、2つのレンディング指標テーブルの比較を求められた場合も対象です。SQL を書く前に頻出する、イベント種別ごとのテーブル結合の注意点、列名の不整合、清算約定の二重計上を解説します。
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。