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 101,323 件掲載。コマンド 1 行でインストールできます。
すべて
YouTube の文字起こしを抽出し、複数レベルの要約、重要な概念、要点を含む構造化された概念分析を作成します。youtube-transcript-api を使用し、利用できない場合は yt-dlp にフォールバックします。次の場合に起動します:“analyze youtube video”、“youtube transcript”、“summarize this video”、“extract concepts from video”、“video key points”、または youtube.com/youtu.be の URL
Three.js(WebGL/WebGPU)による 3D Web グラフィックス。機能:シーン、カメラ、ジオメトリ、マテリアル、ライト、アニメーション、モデル読み込み(GLTF/FBX)、PBR マテリアル、シャドウ、ポストプロセス(bloom、SSAO、SSR)、カスタムシェーダー、インスタンシング、LOD、物理演算、VR/XR。操作:3D シーン/モデルの作成、構築、アニメーション、レンダリング。キーワード:Three.js、WebGL、WebGPU、3D グラフィックス、シーン、カメラ、ジオメトリ、マテリアル、ライト、アニメーション、GLTF、FBX、OrbitControls、PBR、シャドウマッピング、ポストプロセス、bloom、SSAO、shader、instancing、LOD、WebXR、VR、AR、製品コンフィギュレーター、データ可視化、建築ウォークスルー、インタラクティブ 3D、canvas。3D ビジュアライゼーションの作成、WebGL/WebGPU アプリの構築、3D モデルの読み込み、アニメーションの追加、VR/XR の実装、インタラクティブグラフィックスの作成、製品コンフィギュレーターの構築に使用します。
ユーザーが文章やレポートの作成、起草、生成を希望する場合はいつでもこのスキルを使用します。対象には、競合分析、市場調査レポート、技術設計書、PRD、プロジェクト提案書、会議の要約、ホワイトペーパー、事業計画書、文献レビュー、デューデリジェンスレポート、業界分析、エグゼクティブサマリー、SOP、メモなど、構造化された文書を出力するあらゆる依頼が含まれます。ユーザーが「写个文档」「做个竞品调研」「写份报告」「产品需求文档」「技术方案」「项目提案」「行业分析」「会议纪要整理成文档」と言った場合も対象です。文書やレポートを作成する必要がある場合は、このスキルを使用します。
心理学、教育学、社会科学、看護学、ビジネス分野の論文、学位論文、参考文献を APA Style 第 7 版で整えます。学生論文と専門論文、タイトルページ、要旨とキーワード、見出しレベル、本文中の引用、参考文献リスト項目(学術誌論文、書籍、章、データセット、ソフトウェア、ウェブページ、AI ツール)、表と図、偏りのない表現、LaTeX(apa7 class + biblatex-apa)、Word、Pandoc/CSL による APA 対応を扱います。APA 形式、APA 引用・参考文献、または APA 準拠の原稿や学位論文が必要な場合に使用します。
ユーザーがアプリケーションコード、バックエンドサービス、webhook ハンドラー、サーバーサイド自動化から Loops を統合したい場合は必ず使用します。Loops HTTP API と、サーバーサイドの連絡先、連絡先プロパティ、メーリングリスト、イベント、API キー検証、トランザクションメールのワークフロー向け公式 SDK が対象です。「Loops API」「Loops SDK」「send a Loops event from my app」「add a contact to Loops in a webhook」「send a transactional email from backend code」などのフレーズや、Loops をアプリ、バックエンド、webhook、自動化に統合したい場合に起動します。CLI または shell のみの依頼では起動しません。
kube-bench ツールを Job、DaemonSet、またはスタンドアロンバイナリとして Kubernetes クラスタに対してインストールして実行し、正しいベンチマークバージョンとターゲット(コントロールプレーン、etcd、kubelet、ワーカーノード)を選択し、パイプライン向けに JSON または JUnit 出力を生成する。kube-bench を初めてセットアップするとき、実行するベンチマークバージョンとノードターゲットを選ぶとき、CI に組み込むとき、スキップされたり誤検出されたチェックをトラブルシューティングするときに使用。キーワード:kube-bench、DaemonSet、--benchmark、--targets、JSON 出力、JUnit、CI 統合。検出結果の解釈や監査レポートの作成には使用しないこと——performing-kubernetes-cis-benchmark-with-kube-bench を使用する。
1 枚または複数の画像を PSD レイヤーファイルに整理する作成・変換 skill です。ユーザーが image2psd、画像から PSD への変換、複数画像の PSD への結合、ポスター/デザインの複数レイヤーへの分割、白背景の透明化、色クラスタリングによるレイヤー分割、Codex/AI 生成画像の要素画像への分割と PSD への再合成、または layered PSD や Photoshop/Photopea で編集できるレイヤー化されたラスターファイルの出力を必要とする場合に、この skill を使用してください。Codex で使用する場合、デフォルトで imagegen skill と組み合わせます。まず Codex の視覚/画像生成能力で要素を理解・補完・再構築し、次に本 skill のスクリプトで PSD を生成します。
ウェブページを高精度で複製します。Playwright を使ってページデータ(DOM 構造、スタイル、スクリーンショット、リソース)を段階的に収集し、その後、完全な HTML/CSS の再現を段階的に構築します。高速再現と高精度再現の2つのモードに対応します。ユーザーがウェブページの複製、再現、復元、模倣を求める場合に使用します。ユーザーが URL を提示して「同じページを作って」「このページを複製して」「このサイトのデザインを参考にして」「このページを再現して」と依頼した場合は、必ずこのスキルを使用します。
CI + Gistパイプラインを通じて、コードトークンとページ構造をFigmaに同期。依頼が「Figma同期パイプラインのセットアップ」「コードをFigmaに同期」「デザイントークンをFigmaにエクスポート」「ページウォーカーの更新」「tokens-sync-to-figmaプラグインの接続」の場合、パスに `figma-sync.config.json`、`figma-export.json`、`scripts/tokens-to-figma/`、`.github/workflows/figma-sync.yml` が含まれる場合、またはfigma-syncのGistやCIの状態を確認する場合に使用。変数の作成やノードの編集(`figma-use`を使用)など、エージェントによる単発のFigma書き込みや、画面の生成(`figma-generate-design`を使用)には使用しない。
ユーザーが既存のマーケティングコピーを編集、レビュー、改善したい場合に使用します。「このコピーを編集して」「コピーをレビューして」「コピーのフィードバック」「校正」「仕上げて」「もっと良くして」「コピーの一括見直しIAC Ozone ... など... " No, avoid garbage. ja: 「このコピーを編集して」「コピーをレビューして」「コピーのフィードバック」「校正」「仕上げて」「もっと良くして」「コピーの一括見直し」などの言及-keys ... ja: ユーザーが既存のマーケティングコピーを編集、レビュー、改善したい場合に使用します。「このコピーを編集して」「コピーをレビューして」「コピーのフィードバック」「校正」「仕上げて」「もっと良くして」「コピーの一括見直し」と言及された場合も使用します。このスキルは、複数の集中したパスを通じてマーケティングコピーを編集する体系的なアプローチを提供します。
COLA v5 アーキテクチャ(菱形架构)の包括的なガイダンス — Alibaba の COLA フレームワークで、adapter/application/domain/infrastructure 層を備える。完全なプロジェクトスキャフォールディング、アーキテクチャ検証(cola-creator + cola-validator の組み合わせ)、ArchUnit による依存関係ルールのチェック、CQRS 統合、マルチモジュールの Maven/Gradle プロジェクト生成をカバーする。ユーザーが COLA アーキテクチャ、菱形架构、cola-creator、cola-validator、创建 COLA 项目 について尋ねる場合、または Alibaba の DDD フレームワークを必要とする場合に使用する。
アーキテクチャ選定の意思決定ガイド——5 つの DDD アーキテクチャ(Layered/Onion/Hexagonal/Clean/COLA)から選択できるよう支援する。意思決定マトリクス、チーム規模のマッピング、ドメイン分類(コア/汎用/支援)、マイクロサービス分割の推奨、CQRS レベルの提案を含む。ユーザーがアーキテクチャ選定、COLA vs 六边形、cleaner architecture vs onion、マイクロサービス分割、どのアーキテクチャを使うべきかを尋ねたときに使用。
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。
