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
トークンとアドレスのリスク評価。ユーザーの問い合わせがトークン／コントラクト／アドレスのセキュリティだけに限定され、他の分析要素を含まない場合にのみ、このスキルを使用します。トリガーフレーズ：「このトークンは安全か」「コントラクトのリスクを確認」「このアドレスは安全か」「ハニーポット」「ラグ」。問い合わせにファンダメンタルズ、テクニカル、ニュース、センチメント、その他の分析要素も含まれる場合は、代わりに gate-info-research を使用してください。複数の分析要素を単一のレポートで扱います。アドレスリスクモード（「このアドレスは安全か」）はこのスキル専用であり、gate-info-research に振り分けてはいけません。
ユーザーが Google Ads のキーワード調査、キーワード戦略、マッチタイプ、検索語句分析、キーワード計画、キーワード整理、キーワード監査の支援を求める場合に使用します。トリガー語句は「keyword research」「keyword strategy」「match types」「search terms」「keyword planner」「keyword audit」「broad match」「phrase match」「exact match」「keyword expansion」「keyword list」です。詳細な除外キーワード最適化、無駄な広告費の削減、カニバリゼーション防止については google-ads-negative-keywords を参照してください。検索キャンペーンの作成については google-ads-search、キーワードの入札管理については google-ads-bidding を参照してください
ユーザーが GTM 指標の定義、指標ダッシュボードの構築、パイプライン効率の測定、AI 製品のパフォーマンス追跡を希望する場合に使用します。「GTM metrics」「revenue latency」「pipeline metrics」「TTFV」「time-to-first-value」「data health」「attribution」「conversion rate」「CAC」「LTV」「NRR」「GTM dashboard」「magic number」「pipeline velocity」「funnel metrics」に言及した場合も使用します。このスキルは、指標の選定からダッシュボード設計までの GTM 測定を扱い、AI 固有のコスト指標、アトリビューションモデル、週次レビューの運用も含みます。技術的な実装、コードレビュー、ソフトウェアアーキテクチャには使用しないでください。
HPK 形式（独自の医療メッセージ形式）に対応する包括的なパーサー兼解説ツールです。患者管理（ID、MV、CV）、サプライチェーン（PR、FO、MA、CO、LI、RO、FA）、在庫（SO、IM）、組織構造（ST、UT）、財務処理（RD、DD）を網羅する 100 種類以上のメッセージに対応します。信頼できる情報源として @erp-pas/hpk-dictionary を使用します。構造の検証、フィールドの抽出、業務コンテキストの説明、HL7 v2.5/IHE PAM へのマッピング、統合に関する問題のトラブルシューティングを行います。ユーザーが HPK 形式のメッセージを提示または分析を依頼した場合、HPK メッセージの種類の特定、フィールドの抽出、HPK の業務コンテキストの説明を求めた場合に使用します。標準的な HL7 v2.5 / IHE PAM メッセージには、代わりに hl7-pam-parser を使用してください
OWASP ZAP（Zed Attack Proxy）を GitHub Actions と GitLab CI のパイプラインに統合します。稼働中のアプリケーションに対するベースライン、フル、API スキャンの設定、ZAP の検出結果の解釈、スキャンポリシーの調整、DAST 品質ゲートを扱います。稼働中のウェブアプリや REST/GraphQL API における XSS、SQLi、CSRF、認証・認可の不備をテストする場合や、SAST だけでは不十分で、コンプライアンスまたはリリース判定に実行時 DAST が必要な場合に使用します。
イスラエルの不動産にかかる市税（arnona）を計算し、減免資格を確認して、arnona 委員会への異議申立書を作成します。自治体、区域、不動産の用途別に arnona の支払額を見積もる場合、減免資格（新移民、兵士、高齢者、障害者、低所得者、学生、ひとり親）を確認する場合、または法的根拠を添えた正式な異議申立てを準備する場合に使用します。テルアビブ、エルサレム、ハイファ、ベエルシェバなど、イスラエルの主要自治体を対象とします。所得税（mas hachnasa）、VAT（maam）、国民保険（bituach leumi）の計算には使用しないでください。これらは別のイスラエル税務当局の管轄です。
LLM を活用した個人のナレッジベースまたは wiki を構築・維持する。ユーザーが研究ノートを整理したい、セカンドブレインを構築したい、LLM コンパイル付きの Obsidian vault をセットアップしたい、論文や記事を自動で取り込みたい場合、または "personal knowledge base"、"LLM wiki"、"second brain"、"knowledge management"、"ingest papers"、"obsidian + LLM" に言及した場合にこのスキルを使用する。Karpathy Gist と 59k いいねの投稿に基づく。
明示的な戦略をシステムプロンプトに書き込み、学習メカニズムとして機能させる — 「プロンプトを教科書として扱う」アプローチにより、LLM の動作をより予測可能で教えやすくする。システムプロンプトを通じて特定タスクにおけるエージェントや LLM の性能を向上させたい、戦略やワークフローをプロンプトにエンコードしたい、一貫した LLM の動作を実現したい、あるいは「システムプロンプトを改善」「この戦略をエンコード」「プロンプトエンジニアリング」「エージェントにこのワークフローを守らせる」「プロンプトを教科書として」と言う場合にこのスキルを使用。Karpathy のシステムプロンプト学習の記事に基づく。
16 の TikTok Shop サイトを対象に、販売数、インフルエンサーによる販売データ、価格、コミッション率などの TikTok 商品データを検索・分析します。ユーザーが TikTok 商品検索、TikTok Shop 商品分析、TikTok 販売データ、インフルエンサー販売、TikTok 商品選定、TikTok コミッション率、TikTok 商品ランキング、EchoTik データ照会、TikTok product search、TikTok sales、influencer sales、TikTok commission、TikTok product selection、short-video e-commerce、TikTok data に言及した場合にこのスキルを起動します。ユーザーが「EchoTik」や「TikTok」を明示していなくても、TikTok Shop での商品検索や TikTok 商品のパフォーマンス指標の分析がニーズに含まれる場合は、このスキルを起動します。
Amazon 商品の価格推移、BSR（ベストセラーランキング）の推移、評価の変化、出品者数、月間販売数などの時系列履歴データを取得します。複数の Amazon マーケットプレイスの任意の ASIN に対応します。価格履歴や追跡、BSR 履歴や推移、過去の価格、価格変動、Keepa データ、ランキング履歴、値下げ通知、Lightning Deal の過去価格、Buy Box 価格推移、クーポン価格、FBA／FBM 価格比較、出品者数の変化、評価の推移、販売履歴に関する依頼で起動します。「Keepa」や「時系列データ」が明示されていなくても、価格、ランキング、販売数など Amazon 商品単位の履歴推移を調べる依頼で起動します。
SellerSprite のデータを使って Amazon の競合を検索・分析する。12 のマーケットプレイスを対象とし、販売数、BSR、価格、評価、成長傾向などの商品指標を扱う。ユーザーが競合検索・分析、ASIN 逆引き、競合商品の調査、類似商品の検索、市場競合の発見、商品ベンチマーク、競合販売数の推定、競合 Listing の分析、competitor analysis、ASIN reverse lookup、competitor sales、competitor research、SellerSprite、market competitor discovery、competitor trends に言及した場合に起動。ユーザーが「SellerSprite」や「競合検索」と明示していなくても、ASIN、キーワード、販売者名、ブランド、カテゴリーを使った Amazon 競合の発見・分析に関する依頼であれば起動する。
MaaFramework Custom の認識/アクションの作成・登録・デバッグ——Custom を使うべき判断基準、ホストと登録パス、binding の実装と登録、パラメータの解析と検証、pipeline ノードの再利用、Agent 子プロセスモードとエンジニアリング規約。MaaFW の Custom 認識やアクションのロジックを実装するとき、自分のホストの登録パスを決めるとき、Custom を登録するとき、custom_action_param/custom_recognition_param を解析するとき、Custom コード内で pipeline ノードを再利用するとき、Agent 子プロセスモードを設定するときに使用。
PostHog で再利用可能なデータモデルを構築するための共通基盤です。2 種類のスタックに対応します。PostHog ネイティブのデータウェアハウスビュー／マテリアライズドビュー（HogQL、view-* MCP ツール経由）、または独自もしくは PostHog 管理のウェアハウスで実行する外部 dbt プロジェクト（sources.yml + staging/marts + schema tests）。具体的な業務モデルを作成する前に読みます。PostHog と dbt の選択、view-create → view-materialize → sync_frequency ワークフローと HogQL の列エイリアス規則、dbt プロジェクトのひな型と「ネイティブ dbt 統合なし」の状況、ウェアハウスの結合とスタースキーマのディメンション、convertCurrency() による通貨換算、再利用に向けたデータカタログでのモデル確認・登録を扱います。modeling-revenue-metrics、modeling-conversion-metrics、modeling-activation-metrics、modeling-product-usage-metrics、modeling-dimension-tables と連携します。PostHog でビュー、マテリアライズドビュー、dbt モデルを構築する方法、またはどちらのスタックを使うべきか尋ねられた場合に使用します。
Motion（旧称 Framer Motion）を使った React 向け Web アニメーション。ジェスチャー、スクロール効果、スプリング物理、レイアウトアニメーション、SVG、マイクロインタラクション、読み込み状態を扱います。ドラッグ＆ドロップ、スクロールアニメーション、モーダル、カルーセル、パララックス、ページ遷移、ホバー効果、段階的なリスト表示、ローディングスピナー、数値カウンターに使用します。AnimatePresence の終了アニメーション、リストのパフォーマンス、Tailwind の競合、Next.js の "use client"、拡大縮小されたコンテナ内のレイアウト問題を解決します。
エージェントが実行する前に実装計画を審査し、誤字ではなく架空のパスや誤った再利用を見つけます。計画の Markdown 全文と付属の JSON を読み、実際のリポジトリに照らして各ファイルパスと再利用の主張を検証し、スコープ、アーキテクチャ、依存関係グラフ、リスク、テストカバレッジを精査したうえで、各セクションを採点し、APPROVE / REVISE / REJECT の判定を出します。独自の推論予算を持つ分岐型レビューのワークフローとして実行され、メインの実行フローから分離されています。判定は証拠に基づく指摘のみから導きます。重要な計画を安易に承認せず、指摘を捏造しませんが、実際に問題のないセクションは合格できます。読み取り専用で、計画は編集しません。実行前の計画レビューや審査をユーザーが求めたときに使用します。
Lauren Tan の pstack（poteto-mode）から移植された厳密なエンジニアリングオーケストレーター：タスクを読み取り、23 のプレイブック（bug fix、feature、refactoring、perf、investigation、prototype、babysit、shipping、autonomous run、orchestrate など）から 1 つを選び、同梱の手順（how、why、architect、arena、swarm、interrogate、unslop、technical-writing、show-me-your-work、tdd など）にルーティングし、24 のエンジニアリング原則を適用する。自己完結型：プラグインのインストール不要、同梱外の skill も不要で、skills.sh 形式の SKILL.md ファイルを読める任意のエージェントで動作する。厳密さが求められるあらゆるタスクに使用：非自明なコード変更、アーキテクチャ判断、デバッグ、レビュー、PR、長時間の自律実行、または「work like poteto」「poteto-mode」「pstack」。
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。