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
テーブルゲームの設計——コアメカニクスから製造まで、プロトタイピングから Kickstarter まで。"board game、tabletop、card game、worker placement、deck building、area control、playtesting、rulebook、kickstarter game、game balance、asymmetric factions、euro game、ameritrash、party game、dice game、prototype、game publisher、crowdfunding game、board-games、tabletop、game-design、mechanics、playtesting、kickstarter、manufacturing、rulebook、components、balance、player-interaction" が言及されたときに使用する。
ユーザーがすでにブラウザー自動化を使用しており、ブロックを解除したい場合やクラウドで実行したい場合に使用します。Playwright、Puppeteer、Selenium などのドライバー、ローカルでブロック・検出・レート制限されるヘッドレススクリプト、自分でクリック操作するコンピューター操作 AI の実行環境が対象です。CDP、connectOverCDP、browserWSEndpoint、リモート WebDriver、WebSocket ブラウザーエンドポイント、Browser API に関する依頼にも使用します。スクレイパーの構築(scrape を使用)、単一ページの Markdown・HTML・スクリーンショット取得(fetch を使用)、検索クエリ(search を使用)には使いません。
ChatGPT または Claude 内でレンダリングされるインタラクティブ UI —— OpenAI Apps SDK アプリ、MCP Apps(@modelcontextprotocol/ext-apps 標準)、または MCP-UI コンポーネントと、Next.js/React サーバー。MCP ツールとリソースのアーキテクチャ、window.openai / ui-bridge のデータフロー、ウィジェットの状態、サンドボックス/CSP セキュリティ、表示モード、ビジュアルデザイン、ディレクトリへの申請を扱う。このようなアプリを構築・レビュー・設計するときにトリガーする —— ユーザーが特定の SDK を挙げずに "chat app"、"ChatGPT widget"、"Claude app"、"render UI in chat"、"window.openai"、"createUIResource"、"outputTemplate"、"MCP app UI" と言っただけの場合でも。
特定の GitHub コードベースから、焦点を絞ったクエリに基づいてオンデマンドでパターンを抽出する——"how does shadcn/ui implement the design system"、"how does opencode use effect-ts"、"how does base-ui handle composition"——まだ事前に蒸留された静的ルールパックが存在しない場合に。汎用的なパターン抽出の手順を蒸留する——grep の前にクエリを分類し(component / composition / state / effect / error / build / routing)、ファイル全体を読む前に grep し、tests と examples/ を正典的な意図として扱い、imports を外側へたどって公開サーフェスを把握し、usages を内側へたどって変種を把握し、ボイラープレート / レガシー / テスト足場を除外して重要なコードを浮かび上がらせ、発見を /knowledge/libraries/ に記録して再利用する。静的な code-atlas スキル(opencode-ts、openai-codex-rust-patterns、nextjs-ppr-patterns)の動的な軽量版。"show me how <library> implements X"、"find the <pattern> in <repo>"、"distill <library>"、およびアドホックな /distill-<library> 形式の呼び出しでトリガーする。
視覚デザインの意思決定を認知心理学の原理——知覚、注意、記憶、ゲシュタルトのグループ化、視覚エンコーディングの階層——に基づかせ、特定のデザインがなぜ機能するかを説明する。インターフェース、データ可視化、教育コンテンツ、プレゼンテーションを扱う。ユーザーが cognitive load、visual hierarchy、working memory、preattentive processing、Gestalt principles、encoding hierarchy、cognitive design pyramid に言及したときに呼び出す。デザイン評価には `design-evaluation-audit` を使用する。誤謬の防止には `cognitive-fallacies-guard` を使用する。データストーリーテリングには `visual-storytelling-design` を使用する。
断片的な会社・製品・ブランドのブリーフから、独自の ImageGen 製品画像を用いて、型破りでブランド固有のショッピング体験として EC サイトを構築または変革する。奇抜で大胆、実験的、非テンプレート、アートディレクションされた、または強く記憶に残るオンラインストアをユーザーが求める場合、Codex にビジネス詳細から EC のビジュアル方向性を考案させたい場合、またはクリエイティブな構想、生成した製品写真、レスポンシブ実装、カート操作、検証、任意の公開を組み合わせた実用的なストアフロントを求める場合に使用する。
ドメイン駆動設計(DDD)の概念、戦略的設計、戦術的設計、アーキテクチャパターンに関する包括的なガイダンスを提供する。DDD 適用性評価、パターン境界表(各パターンが何であり、何でないか)、複雑度ラダー(各レベルをいつ採用するか)、Entity/ValueObject/Aggregate パターンを含むコア概念クイックリファレンス、アーキテクチャ全体像の概要、修正方法付きのアンチパターン、多言語のリファレンス実装、完全な一次資料の参照を含む。ユーザーが DDD の基礎を尋ねる場合、DDD の概念を理解する必要がある場合、DDD の適用性を評価する場合、ドメイン駆動設計の入門を求める場合に使用する。
CockroachDB 向けに正確で高性能なトランザクション パターンを設計するようアプリケーション開発者をガイドします。トランザクションのライフタイム、暗黙的トランザクションと明示的トランザクション、指数バックオフによる再試行処理、不変条件の SQL への押し込み、選択的な悲観ロック、集合ベースの操作、コネクション プーリング、プリペアド ステートメント、keyset ページネーション、follower reads、ビジネス ロジックとデータベース ロジックの分離を扱います。CockroachDB 上でのアプリケーション構築、トランザクション ワークフローの設計、再試行の処理、アプリケーション層のデータベース相互作用の最適化、コネクション プールの構成に使用します。
標準的なマネジメントツールキットに当てはまらない高リスクのエッジケース向けの状況別プレイブックを提供 — 不適切なチーム行動、あなたの上司を悪く言うエンジニア、状況が厳しい人を手放すこと、マネージャーが辞める際の罪悪感、レイオフの対応(去る人と残る人の両方)について段階的な指針を生成。ユーザーが「don't know how to handle this」「someone said something inappropriate」「engineer said something offensive」「developer talks badly about my manager」「letting someone go when their situation is hard」「I feel guilty about leaving my job」「handling a layoff」と言ったときに使用。標準的な低パフォーマンスのマネジメント(performance-reviews を使用)や直接的なフィードバックの提供(feedback を使用)には使用しない。
レコメンドサービス(AWS Personalize、Databricks Model Serving、社内マイクロサービス)および OpenSearch を基盤とする検索/フィードエンドポイント向けの Django バックエンドパターン。ファンアウトのオーケストレーション(asyncio.gather、デッドライン伝播、部分結果、非同期クライアントの再利用)、外部サービスの保護(タイムアウト、サーキットブレーカー、ジッター付きリトライ、バルクヘッド、レート制限)、OpenSearch のクエリパターン(search_after、_source フィルタリング、function_score、エイリアス、ルーティング、bool.filter)、結果のブレンド(スコア正規化、MMR、重複排除、コールドスタート)、Redis キャッシュ(スタンピード対策、モデルバージョン付きキー、2 層、ネガティブ)、レジリエンス(部分レスポンスエンベロープ、エラー時の古いデータ返却、グレースフルデグラデーション)、非同期(sync_to_async、非同期 ORM、uvicorn、contextvars、切断時キャンセル)、DRF のレスポンス形状(カーソルページネーション、ETag、スロットリング)を扱う。このような Django バックエンドの構築、レビュー、リファクタリング時に使用。明示的な「スケール」の手掛かりがなくてもトリガーされる。5 つのスキャフォールディングテンプレートを含む。
ユーザーが既存の DPDK アプリケーションを持ち、データプレーンを DOCA ネイティブ形式で書き直すことなく DOCA 機能をインプレースで追加している場合 — 最も一般的には DOCA Flow ハードウェアステアリング — にこのスキルを使用します:DPDK ポート id を `doca_dev` にバインドする(`doca_dpdk_port_probe` / `doca_dpdk_port_as_dev`)、`rte_mbuf` ↔ `doca_buf` を変換する、`doca_dpdk_cap_is_rep_port_supported` をクエリする、またはブリッジ呼び出しからの `DOCA_ERROR_*` をデバッグする。「DOCA DPDK Bridge」と言及されなくてもトリガーします:「how do I add DOCA Flow to my DPDK app」、「make a DPDK port visible to DOCA」、「the bridge loads but every operation returns errors」、「pkg-config --exists doca-dpdk-bridge fails」、「DOCA_ERROR_NOT_FOUND on port registration」。新規の DOCA ネイティブパケット I/O(doca-eth)、フロールールプログラミング(doca-flow)、DOCA または DPDK のインストール(doca-setup)、RDMA データ転送(doca-rdma)については別のスキルにルーティングしてください。
ライブラリのドキュメント調査方法論——API の挙動、バージョン固有の変更、慣用的な使い方、または本番環境がドキュメントと乖離する理由——どのライブラリにも依存しない。ライブラリ間で共通する汎用的なナビゲーション手順を抽出する:検索前に質問を分類する(changelog か API reference かイディオムか既知のバグか)、HTML をスクレイピングする前に llms.txt を確認する、リファレンスページを読む前にユーザーのバージョンに固定する、「X は変更されたか」という質問ではまず changelog を読む、examples/ ディレクトリをイディオムの真実として扱う、ドキュメントは一致するが現実がそうでない場合は GitHub issues / status page / Discord にフォールバックする。ライブラリごとの地形は、code-distill のセクションと並んで、共有の /knowledge/libraries/ グラフに薄いリファレンスデータとして存在する。トリガー:「<library> のドキュメントのどこ」、「これを <library> で調べる」、「<library> は X を変更したか」、「ドキュメントは X と言うがコードは Y をする」、および次に取る行動がライブラリの公式ドキュメントを参照することであるあらゆるプロンプト。
ユーザーが「この手紙を各人向けに記入して」「メールマージ」「このリスト向けに手紙を生成して」「この記入済みの手紙をテンプレートにして」と望む場合、またはテンプレートとリストを渡してきた場合に使用します。データテーブルから 1 つのマスターテンプレート — Word(.docx)の手紙/フォームまたは Excel(.xlsx)のフォーム — を一括記入し、1 行につき 1 つの記入済みファイルを生成します(メールマージ)。あるいはその逆として、記入済みのサンプル文書から再利用可能なトークン化 .docx テンプレートとデータテーブルの骨組みを抽出し、マッピングを確認してから記入します。マスターを読み込み、トークン化バージョン(可変部分が {{tokens}} になる)を提案し、マッピングを確認したうえで、データ行ごとに 1 つの出力を再生成し、マスターのレイアウトを正確に保ちます。データは .xlsx または .csv(1 行につき 1 出力)、出力は 1 レコードにつき 1 つの名前付きファイルです。決してでっち上げません。データのないトークンは目に見えるフラグとなり、決して無言の空白にはなりません。完全にローカルで動作し、ファイルを生成するだけです — 送信、投稿、署名は行いません。今回の抽出は .docx のみ(.xlsx は不可)。手作業で作る単一の手紙の代わりにはなりません。
framefields WebGPU SDK を使って、コードファーストで動画コンポジションを設計・構成し、アニメーション化します。framefields の映像を作成・変更する際に使用します。シーンとトランジション、レイアウトツリー、キーフレームとイージング、キネティックタイポグラフィ、図形とモーフィング、チャート、ブレンドモードとマット、3D シーン(カメラ、ライト、マテリアル、アウトライン、モデル)、物理演算、GPU パーティクル、プロシージャル VFX レイヤー、タイムリマッピング、音声に同期したモーションなどが対象です。
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。
