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 97,222 件掲載。コマンド 1 行でインストールできます。
すべて
Phaser 4 ゲームのセットアップとデバッグを行います。Game の設定、Scene のライフサイクル（init/preload/create/update）、アセットローダー、カメラ、シーン間通信が対象です。Phaser、Phaser.Game、Phaser.Scene、preload/create/update、this.load、this.add、シーン遷移について言及された場合など、Phaser ゲームの構築やデバッグに使用します。Arcade Physics の移動／衝突には phaser-arcade-physics を使用してください。
sf project retrieve start で組織のメタデータをローカルプロジェクトに取得する際は、常にこのスキルを使用する。すべての変更、ソースディレクトリ、メタデータタイプ（ワイルドカード）、マニフェスト（package.xml）、パッケージ名での取得に対応し、ソース形式またはメタデータ（ZIP）形式Advances選択できる。ユーザーがメタデータ、Apex クラス、カスタムオブジェクトの取得、プル、同期、ダウンロードを求めた場合_CALLBACK。メタデータのデプロイ（platform-metadata-deploy を使用）、メタデータの一覧表示、package.xml の生成（platform-manifest-generate を使用）にはトリガーしない。MCP ツールは絶対に使用しない。
Cargo ワークスペースを監視し、何かがおかしくなったら通知します。ワークフローテレメトリ（span、run、record）に対するスケジュール済みのしきい値アラート、ストレージモデルの鮮度や行数の監視、任意の SQL クエリを対象とし、指標がしきい値を超えたときにコネクター、ツール、エージェントを起動します。トリガー例：「何かあったら教えて」「〇〇_libFuzzer」のような条件付き発話、「エラー率が上がったら通知して」「このワークフローを監視して」「同期が止まったら教えて」「クレジットが残り少ないときに警告して」「デッドマンのスイッチ」「まだ動いているか」「監視を設定して」。加えて、アラート発火履歴の一覧、プレビュー、編集、レビューも行えます。適用しない場合：すでに発生した問題を診断するとき——cargo-diagnostics を使ってください。
複数ステップの AI エージェントタスクに対する、ファイルベースの永続的なプランニング。task_plan.md、findings.md、progress.md をディスク上に保持し、ライフサイクルフックがプロジェクトから選択したプランニングコンテキストを注入します。自動復旧はプロジェクトのプランニングファイルのみを読み込みます。明示的に要求された場合に限り、session-catchup.py --metadata は同一プロジェクトのローカルセッションメタデータを調べられ、--replay は nonce で枠付けされた限定的な抜粋を出力できます。オプションのゲートモードは、ホストが対応している場合にのみホストに継続を求めることがあり、Markdown 内で宣言されたコマンドを実行することはありません。このスキルにはネットワーク経由のロード経路がありません。5 回以上のツール呼び出しが必要な調査や作業に使用します。
Agent Platform における agents-cli のオンボーディング用エントリーポイント。ユーザーが「新しいエージェントを作成」「エージェントを開発」「ADK でエージェントを構築」「エージェントをローカルで実行」「エージェントコードをデバッグ」「エージェントをテスト」「エージェントを評価」「エージェントをデプロイ」「エージェントを公開」「エージェントを監視」したい場合や、ADK（Agent Development Kit）の開発ライフサイクルが必要な場合に使用します。
n8n の式構文を検証し、一般的なエラーを修正する。n8n の式を書く、{{}} 構文を使う、$json/$node 変数にアクセスする、式のエラーを調査する、ノード間でデータをマッピングする、ワークフローで webhook データを参照する場合_CALLBACK。前のノードのデータを参照するノードフィールドを設定する際は常にこのスキルを使う — 式は n8n がノード間でデータを渡す仕組みであり、構文の間違いはワークフローエラーの最も一般的な原因である。複雑な式がパフォーマンスを損なうかを聞かれた場合にも使う。
規律的な命名、小さな関数、明快なエラーハンドリングで、読みやすく保守しやすいコードを書く。「このコードを整理して」「この関数が長すぎる」「コード悪臭」「命名規約」「ボー Scout ルール」「単一責任」「ユニットテストの質」と言われたときに使う。プルリクエストの可読性レビュー、まとまらない関数の整理、コメントスタイルの議論、エラーハンドリングの改善 時にも作動する。SRP、コメントの規律、フォーマット、ユニットテストを扱う。手法については refactoring-patterns、アーキテクチャと依存のルールについては clean-architecture を参照。
Input System パッケージを使って Unity 6.3 LTS のプレイヤー入力を設定します。Input Actions、action maps、PlayerInput コンポーネント、コールバックまたはポーリングによる値の読み取りを扱います。プロジェクトに .inputactions アセットまたは com.unity.inputsystem がある場合や、ユーザーが Unity Input System、InputAction、action maps、PlayerInput、control schemes、再バインドに言及した場合に使用します。
ユーザーが「MCP アプリ」の作成、MCP サーバーへの「インタラクティブ UI」または「ウィジェット」の追加、チャット内での「コンポーネントのレンダリング」、「MCP UI リソース」の構築、会話内に「フォーム」「ピッカー」「ダッシュボード」「確認ダイアログ」を表示するツールの作成、MCP の文脈での「apps SDK」の言及を求めた場合、このスキルを使用します。build-mcp-server スキルでデプロイモデルが確定した AFTER に使用するか、ユーザーが UI ウィジェットを必要だと既に分かっている場合に使用します。
S3 のファイル、ローカルアップロード、JDBC データベース（Oracle、SQL Server、PostgreSQL、MySQL、RDS、Aurora）、Amazon Redshift、Snowflake、BigQuery、DynamoDB、または既存の Glue カタログテーブル（移行）から AWS データレイクへデータをインポートします。デフォルトの宛先は S3 Tables で、S3 Tables を採用していない場合は汎用バケット上の標準 Iceberg もサポートしています。ワンタイムのロード、定期的なパイプライン、移行に対応します。キーワード：import data、load data、ingest、sync database、migrate table、move data to AWS、set up pipeline、ETL、pull from Snowflake、query BigQuery into S3、export DynamoDB、CTAS、convert to Iceberg。Glue 接続の設定やトラブルシューティング（connecting-to-data-source を使用）、空テーブルの作成（creating-data-lake-table を使用）、クエリの実行（querying-data-lake を使用）、おсон松 names によるテーブルの検索（finding-data-lake-assets を使用）、カタログの監査（exploring-data-catalog を使用）、Salesforce、ServiceNow、SAP、MongoDB、Kafka などの SaaS プラットフォームには使用しないでください。
ScriptableObjects を使用して Unity 6.3 LTS のデータ設計と疎結合化を行います。構成／データアセット、共有ランタイム変数、イベントチャネル、ランタイムセット／レジストリに対応します。データ駆動システムの設計、シングルトン／マネージャーの置き換え、CreateAssetMenu による .asset データの作成、またはユーザーが ScriptableObject、SO アーキテクチャ、データアセットに言及した場合に使用します。
AWS Amplify Gen2（TypeScript コードファースト）でフルスタックの Web・モバイルアプリを構築しデプロイします。auth（Cognito）、data（AppSync/DynamoDB）、storage（S3）、functions、API、AI（Bedrock を用いた Amplify AI Kit）をカバーします。React、Next.js、Vue、Angular、React Native、Flutter、Swift、Android に対応しています。Amplify Gen2 の話題では、自认为分かっている内容であっても必ずこのスキルを使用してください。検証済みのバージョン固有のパターンが含まれており、よくある間違いを防げます。発動条件：ユーザーが Amplify Gen2 に言及した場合、プロジェクトに amplify/ ディレクトリや amplify_outputs がある場合、コードが @aws-amplify パッケージをインポートしている場合、ユーザーが defineBackend、defineAuth、defineData、defineStorage、defineFunction、npx ampx について尋ねた場合。スキップ条件：Amplify Gen1（amplify CLI v6）、Amplify を使わない単独の SAM/CDK（aws-serverless を使用）、Amplify AI Kit を介さず直接 Bedrock を使う場合（bedrock を使用）。
inference.sh CLI で Pruna P-Video および WAN モデルを使って動画を生成します。モデル：P-Video、WAN-T2V、WAN-I2V。機能：テキストからの動画生成、画像からの動画生成、音声対応、720p/1080p、高速推論。Pruna は品質を損なわずにモデルを高速化します。トリガー：pruna video、p-video、pruna ai video、fast video generation、optimized video、wan t2v、wan i2v、economic video generation、cheap video generation、pruna text to video、pruna image to video
3 つの次元で Design DNA を抽出・定義・適用します：デザインシステム（トークン）、デザインスタイル（定性的な質感）、ビジュアルエフェクト（Canvas、WebGL、3D、パーティクル、シェーダー、スクロール効果など）。次のいずれかのときにこのスキルを使用します：(1) 3 次元全体のデザイン構造／スキーマを確認したい、(2) 参考デザインの画像・スクリーンショット・URL を 3 次元すべてをカバーする構造化された JSON プロファイルに分析したい、(3) Design DNA の JSON とコンテンツがあり、そこからデザインConformを生成したい、(4) これらのフェーズの任意の組み合わせ。トリガー：「design DNA」「デザインスタイルを抽出」「设计中を解析」「参考からデザイントークン」「JSON からデザインを生成」「スクリーンショットからデザインシステム」「デザインプロファイル」「スタイルガイド JSON」「ビジュアルエフェクト分析」「エフェクト付きデザイン」「3D デザイン分析」。
DataStoreService を使って Roblox でプレイヤーデータを永続化します。GetDataStore、pcall でラップした GetAsync/ SetAsync/UpdateAsync/IncrementAsync、参加時の読み込みと退出時の保存および BindToClose、再試行、OrderedDataStore によるランキングを扱います。Roblox エクスペリエンスで永続データを保存または読み込む場合、ユーザーが DataStore、DataStoreService、GetAsync、SetAsync、UpdateAsync、プレイヤーデータの保存、ランキングに言及したときに使用します。一般的な Luau スクリプトには roblox-luau を使用してください。
AI エージェントによる多段階作業のための永続的なファイルベース計画。task_plan.md、findings.md、progress.md をディスク上に保持し、ライフサイクルフックが選択されたプロジェクトの計画コンテキストを注入します。自動復旧はプロジェクトの計画ファイルのみを読み込みます。ローカルセッションのメタデータを確認できるのは、明示的に session-catchup.py --metadata を呼び出した場合のみで、同じプロジェクトに属するものに限られます。--replay は nonce で枠付けされた限定的な抜粋を出力できます。任意の gate モードは、ホストが対応している場合のみ続行を要求でき、Markdown に書かれたコマンドを実行することはありません。このスキルにネットワークアップロード経路はありません。調査、または 5 回以上のツール呼び出しが必要な作業に使用してください。
Glue Data Catalog、S3、S3 Tables、Redshift 間でデータレイクやレークハウスのアセット参照を解決します。トリガー: find the table、where is our data、which table has、locate dataset、find data for、search catalog、what tables match、Redshift table、lakehouse table、data lake table、warehouse table、reverse lookup S3 path。 次の場合に使用しないでください: カタログ全体の監査（exploring-data-catalog を使用）、クエリの実行（querying-data-lake を使用）、テーブルの作成（creating-data-lake-table を使用）。
inference.sh CLI で OpenAI GPT-Image-2 を使って画像を生成・編集します。モデル：GPT-Image-2。機能：テキストからの画像生成、画像編集、インペインティング、マスクベースの編集、複数画像の参照、バッチ生成。用途：製品モックアップ、マーケティングビジュアル、画像編集、コンセプトアート、インペインティング、写真加工。トリガー：gpt image、gpt-image-2、openai image、chatgpt image、dall-e、dalle、openai image generation、gpt image edit、gpt inpainting、openai dall-e、gpt 4o image
inference.sh CLI 経由で Pruna P-Video-Avatar を使い、トーキングヘッドアバター動画を生成します。ポートレート画像を、TTS 内蔵のリアルな発話動画に変換します。競合製品より 18 倍高速、6 倍低コストです。モデル：P-Video-Avatar、P-Image（ポートレート生成用）。機能：テキストからアバター動画生成、音声駆動アバター、30 種類の音声、10 言語、720p/1080p、TTS 内蔵、動的背景、全身制御。用途：AI プレゼンター、製品デモ、解説動画、バーチャルインフルエンサー、マーケティング、教育、多言語コンテンツ、UGC、ゲームアバター。トリガー：avatar video、talking head、ai avatar、p-video-avatar、pruna avatar、video avatar、ai presenter、digital human、virtual presenter、lipsync、talking avatar、ai spokesperson、heygen alternative、synthesia alternative、veed alternative、fabric alternative、omnihuman alternative
`package:path` と `package:file` を使用した、クロスプラットフォームのファイル／ディレクトリパス操作、セグメント分割、拡張子抽出、コンテキスト変換。ファイルパス、ディレクトリ名、拡張子の作成、確認、結合、分割、リファクタリングや、生の文字列によるパス操作（`.split('/')`、`'$dir/$file'`、`.endsWith('.ext')`、`.replaceAll('\\', '/')`）の置き換えに使用します。HTTP ネットワーク URI のルーティング、データベースクエリ文字列、パス以外の文字列処理には使用しないでください。
編集可能な `.drawio` ファイルとして draw.io/diagrams.net の図Insets作成・編集します。説明から作成、またはコード、IaC、SQL、API スキーマから変換したアーキテクチャ、UML/ERD/シーケンス、BPMN、ネットワーク、スイムレーンのビューに対応し、既存図の同期、照会、テスト、レビュー、エクスポート、公開も行います。ユーザーが draw.io/diagrams.net または編集可能な図を求めたときに使います。diagrams-as-code で十分な場合は Mermaid/PlantUML を優先してください。
inference.sh CLI で Pruna P-Image モデルを使って画像を生成します。モデル：P-Image、P-Image-LoRA、P-Image-Edit、P-Image-Edit-LoRA。機能：テキストからの画像生成、画像編集、LoRA スタイル、複数画像の合成、高速推論。Pruna は品質を損なわずにモデルを高速化します。トリガー：pruna、p-image、pruna image、fast image generation、optimized flux、pruna ai、p image、fast ai image、economic image generation、cheap image generation
AI エージェントによる多段階作業のための永続的なファイルベース計画。task_plan.md、findings.md、progress.md をディスク上に保持し、ライフサイクルフックが選択されたプロジェクトの計画コンテキストを注入します。自動復旧はプロジェクトの計画ファイルのみを読み込みます。ローカルのエージェントセッションのメタデータを確認できるのは、明示的な session-catchup.py --metadata コマンドで、同じプロジェクトに属するものに限られます。--replay は nonce で枠付けされた限定的な抜粋を出力できます。任意の gate モードは、ホストが対応している場合のみ続行を要求でき、Markdown に記載されたコマンドを実行することはありません。このスキルにネットワークアップロード経路はありません。調査、または 5 回以上のツール呼び出しが必要な作業に使用してください。
ユーザーが Salesforce のカスタムフィールドメタデータを作成、生成、検証するときに使う。カスタムフィールド、フィールドタイプ、Roll-Up Summary、Master-Detail/Lookup 関係、数式フィールド、picklist、依存（コントロール）picklist、フィールドから値セットを参照する、レコードタイプごとに picklist の値を限定する、といった場合や、フィールドのデプロイエラー（ビジネスプロセスがないためデプロイできないレコードタイプなど）で発動する。値セット自体の作成・カスタマイズ（新しい GlobalValueSet や Industry のような StandardValueSet カタログ）には発動しないこと——その場合は platform-value-set-generate を使う。このスキルが扱うのは値セットを参照するフィールドであって、値セットの定義ではない。
GLTFLoader で three.js に glTF/GLB モデルを読み込み、AnimationMixer でスキンアニメーションを再生します。DRACO/Meshopt 圧縮メッシュと KTX2 テクスチャにも対応します。three.js に 3D モデルをインポートする際、ユーザーが glTF、GLB、GLTFLoader、AnimationMixer、アニメーションクリップ、DRACOLoader、「3D モデルを読み込む」に言及した場合に使用します。シーン／カメラ／レンダラーの設定には threejs-scene-setup、マテリアルとライトには threejs-materials-lighting を使用してください。
inference.sh CLIを介してAlibaba HappyHorse 1.0モデルで動画を生成・編集します。モデル：HappyHorse T2V、I2V、R2V、Video Edit。機能：テキストから動画、画像から動画、参照動画からの生成、自然言語による動画編集、キャラクターの一貫性維持、720P/1080P、最長15秒。物理的にリアルな動画、動画編集、キャラクターの一貫性を保ったコンテンツ、製品デモ、ソーシャルメディア向けに使用します。トリガー：happyhorse、happy horse、alibaba video、happyhorse 1.0、dashscope video、alibaba happyhorse、video editing ai、ai video editor
コード差分とファイルを解析し、バグ、セキュリティ脆弱性（SQL インジェクション、XSS、安全でないデシリアライズ）、コード/Login臭、N+1 クエリ、命名問題、設計上の懸念を特定したうえで、優先度付きの実行可能なフィードバックを含む構造化されたレビューレポートを作成します。プルリクエストのレビュー、コード品質監査、リファクタリング機会の発見、セキュリティ問題の調査に使用します。PR レビュー、コード品質チェック、リファクタリング提案、コードレビュー、コード品質チェックのために呼び出します。専用スキル（security-reviewer、test-master）を補完し、正当性、性能、保守性、テストカバレッジを一度に広い範囲でレビューできます。
xAI がオープンソース化した For You アルゴリズムで広まった 6 段階の Source→Hydrator→Filter→Scorer→Selector→SideEffect フレームワークを使い、組み合わせ可能なレコメンドnesses、ランキング、フィードのパイプラインを設計します。「(ユーザー, コンテキスト) に対する上位 K 件を選ぶ」システムを構築している場合は常にこのスキルを使用してください。ソーシャルフィード、コンテンツ CMS、RAG リランカー、タスク優先順位付け、通知の分別、検索のリランキング広告ランキングなどです。
Salesforce 公式ドキュメントの取得スキル。developer.salesforce.com、help.salesforce.com、architect.salesforce.com、admin.salesforce.com、lightningdesignsystem.com から权威な Salesforce ドキュメントが必要な場合に使用します。特に、ページが JS に依存している、シェルで描画される、または単純な取得では抽出しにくい場合に適しています。第三者のブログや要約ではなく Salesforce の公式情報源に基づいて回答cessiveできます。トリガー: ユーザーが Salesforce の公式ドキュメント、Apex や API リファレンス、LWC ドキュメント、Agentforce ドキュメント、設定やヘルプ記事、Salesforce 所有ドメインのドキュメントを求めた場合。トリガーしない場合: コード変更、デプロイタスクなどドキュメント取得を必要としない依頼には、適切な sf-* スキルを使用してください。
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。