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
ブラウザ自動化のガイダンスとパターン。ブラウザ操作(ページ遷移、ログイン、スクレイピング、フォーム入力、UI テスト)を始める前にこのスキルをトリガーし、正しいワークフローを学び、よくある落とし穴を避ける。ブラウザ MCP ツールが不具合を起こす場合にもトリガーする:要素が見つからない、クリックしても何も起きない、ページがクラッシュする、タイムアウト、「target closed」、スナップショットが空を返す、その他予期しないブラウザ動作。このスキルはブラウザ MCP ツールを効果的に使う方法を教える——これがなければ、古い UID、重いページのクラッシュ、無言のナビゲーション失敗といった回避可能な失敗に陥る。
フレームワークのデフォルトではなく、このプロジェクトのモジュールアーキテクチャが既に採用している方法で NestJS を構築する——薄いコントローラー、class-validator DTO、TypeORM/Prisma のデータアクセス、guards、interceptors、pipes、例外フィルター、BullMQ キュー、WebSockets、マイクロサービス、OpenAPI、テストの背後にある実際のモジュール境界と依存性注入の規律を伝えるリファレンス。変更がフレームワークを迂回せず、慣用的でレビュー可能な形で着地するようにする。タスクがこのプロジェクトの NestJS モジュールに触れ、フレームワークのデフォルトではなく DI 駆動のアーキテクチャに従うべき場合に使用。
obsidian-second-brain のルーティング用フロントドア — Karpathy の LLM-Wiki パターンを発展させた自己書き換え型 Obsidian ヴォールト。あらゆるソースが既存ページを追記ではなく書き換える。人物の更新、主張の修正、矛盾の解消、パターンの自動合成。4 レイヤーにわたる 45 コマンド、バックグラウンド + 4 つのスケジュールエージェント、4 つのロールプリセット、AI ファーストの書き込みバリデータ。クロス CLI: Claude Code、Codex CLI、Gemini CLI、OpenCode。
AWS OpenSearch(Elasticsearch)または AWS Personalize の前段に置くキャッシュ戦略 — 検索、レコメンダー、マルチレコメンダーページ、匿名とログイン済みのトラフィック。ROI 判断(TPS/minProvisionedTPS、Zipf、増幅)、キー設計(正規化、コホートかユーザーか、ソリューションバージョンの固定、バケッティング)、パーソナライズの境界(匿名/ログインの分割、ファンアウトの合流)、戦略(cache-aside、refresh-ahead、write-through、バッチ事前計算、L1+L2)、TTL(変動性、ソフト/ハード、ジッター、イベント駆動の無効化)、スタンピード対策(single-flight、XFetch、stale-while-revalidate、サーキットブレーカー)、可観測性(ヒット率、1000 件あたりのコスト、カーディナリティのドリフト、ログリプレイ)、防御的キャッシュ(ネガティブキャッシュ、Bloom filter)、階層の構成(LRU、ElastiCache Redis、CloudFront、OpenSearch のリクエスト/フィルターキャッシュ)を扱う。トリガーはキャッシュヒット率、Personalize のスロットリング、スタンピード、single-flight、L1/L2、ElastiCache のサイジング。opensearch-function-scoring-algorithms を補完する。
顧客エンドポイントへのアウトバウンドイベント配信のために Hookdeck Outpost を設定する。顧客への webhook 送信、webhook 配信インフラの構築、対応するタイプ(webhook、Hookdeck Event Gateway、AWS SQS/Kinesis/S3、Azure Service Bus、GCP Pub/Sub、RabbitMQ、Kafka)でのテナントと宛先の管理、トピックとパブリッシュの整合を行うときに使用。EventBridge のサポートは GitHub issues で追跡されている。
PostgreSQL 17/18+ のパフォーマンスチューニングと最適化。非同期 I/O の設定、クエリプランのフォレンジック、インデックス戦略、autovacuum のチューニング、ベクトル検索の最適化、コネクションプーリング、宣言的パーティショニング、実用的なクエリパターンを扱う。遅いクエリの診断、非同期 I/O の設定、autovacuum のチューニング、ベクトルインデックスの最適化、EXPLAIN BUFFERS による実行計画の分析、PgBouncer やコネクションプーリングの設定、テーブルパーティショニングの設定、カーソルページネーションの実装、キュー処理の最適化を行うときに使用する。
ゼロ設定の目標・タスク変換エンジン(Atlas エンジン)。ソフトウェア、ペネトレーションテスト、ビジネス、学習などあらゆる目標に対応し、ブレインストーミングによる適応的な探索を行い、検証済みの仕様を生成し、コンテンツアドレス方式の計画を作成します。デフォルトで標準の Atlas Kanban カードを生成します(taskmaster-file との明示的な互換性も利用可能)。ユーザーが「PRD」「製品要件」「作りたい」と言う場合、/atlas を呼び出す場合、またはタスク駆動の開発を希望する場合に使用します。
人間のステークホルダーから、外部顧客の課題と製品要件を探ります。投資前に顧客のエビデンスを評価したり、誰に話を聞くかを整理したり、隠れた前提を明らかにする質問、リアルタイムでのギャップ検出、対立の解消を行い、会話を構造化された SDD 仕様にまとめます。Spec-Driven Development の前段にあたるフェーズ 0 です。PRD を厳しく検討する、提案を問い直す、仕様の穴を探す、既存の草稿について作者に重要な質問を一つずつ尋ねる用途にも使えます。個人的な生活の探索(daily-life-discovery)、製品要件を伴わない一般的な調査(research-methodology)、実装計画には使用しないでください。
Python 拡張提案(PEP)の起草 — Python 言語機能、標準ライブラリの変更、相互運用性標準、または Python コミュニティ向けの情報/プロセス文書を提案する。3 種類の PEP(Standards Track、Informational、Process)すべてを扱う。適切な種類の選択、有効な reStructuredText の pep-NNNN ファイルの雛形作成、各必須セクションを受理基準まで記述、ヘッダーの lint、スポンサー/提出/Steering Council レビュープロセスの進め方。トリガーは "write a PEP"、"draft a PEP"、"propose a Python feature"、"create a Python Enhancement Proposal"、"PEP template"、または Python Discourse や python-dev 向けの提案を準備しているとき。ユーザーが "PEP" とだけ言った場合や reStructuredText に触れていない場合でも使用する — ヘッダー、セクション、プロセスこそが PEP 作者をつまずかせるものだから。
Remotion を使って React でプログラム的に動画を作成する — コンポジション、シーケンス、useCurrentFrame() でアニメーションするモーショングラフィックスを構成し、MP4 にレンダリングする。使用場面: 動画、アニメーション、モーショングラフィックス、動画レンダリング、React 動画、動画のレンダリング、コンテンツのアニメーション化、ショート動画の作成、アニメーションの作成、動画オーバーレイ、解説動画、アニメーション解説、コンテンツの動画化、プログラム的動画。使用しない場合: 静止画像、図表、イラスト(Art を使用)、トーキングヘッドの生録画からのタイトなカットによるフィラー除去(これは動画編集でありモーショングラフィックスではない)、音声のみのポッドキャストのクリーンアップ(AudioEditor を使用)。
Rerun Chunk Processing API(rerun.chunk)の中核となる仕組み——LazyChunkStream パイプライン、Chunk、lens(MutateLens/DeriveLens/Selector)、RrdReader、最適化された RRD の書き込み。取り込み/変換/前処理コード(MCAP の変換、データセットからの recording の構築、.rrd の前処理、旧コンバーターの移植)を書く前に必ず読んでください。reader+lens パイプラインの使用が必須で、手作業による chunks の構築は避けます。reader/lens で生成できるデータに Chunk.from_columns を使わない、メッセージごとに rr.log を呼び出さない、pa.array を手動で組み立てないでください。データソース固有の知識はインポータースキル(rerun-mcap、rerun-urdf、rerun-parquet、rerun-mp4、rerun-lerobot)にあります。データを何に変換するか判断するため、まず rerun-data-model を読んでください。
revmux CLI で監督付きマルチエージェントレビューを実行し、指摘を報告または対応し、修正を再レビューする。ブランチ、コミット、パス、取得した pull request、可視化オーバーレイ実行、レビュー-修正ループ、grounding、thesis、antithesis、cost パネルを備えた issue または discussion のトリアージをサポートする。また self モードでアーカイブされたラウンドを分析してローカルプロンプトを調整し、profiles、lenses、タスクディレクトリ、出力、終了コード、アーカイブについての質問に答える。ユーザーが revmux、監督付きレビュー、マルチエージェントレビュー、revmux でレビュー、ブランチ/コミット/PR を revmux、レビューを表示、issue をトリアージ、これはやる価値があるか、revmux self、revmux を調整と言ったとき、または revmux の動作について尋ねたときに使用する。
製品の実際の画面、ブランド、コピーを使い、サウンドトラックのビートに合わせた短い SaaS 製品動画を Remotion で制作、調整、再デザインします。ソフトウェアのデモ、ローンチ動画、解説動画、SNS リールをコードで作りたい場合、既存動画の変更・再デザイン・評価、または録画できる UI がなく模式的な UI が必要な場合に使用します。16:9 と 9:16、モーショングラフィックスの下に敷く B ロール、効果音、レンダリングの確認に対応します。実写動画編集や画面録画用のツールではありません。
変更のサーフェスを意識したエンドツーエンド検証 — その変更が FRONTEND のサーフェス(レンダリングされる UI)と API/バックエンドのサーフェスのどちらに触れるかを判断し、正しい方法で検証します。フロントエンド → chrome-devtools MCP(影響を受けるページを開き、スクリーンショットを撮り、レンダリングを確認し、console/network/accessibility をチェック)。API → 影響を受けるエンドポイントにリクエストを送り、ステータスとレスポンスの形状をアサートする Playwright リクエストスクリプト。変更を実装した後、または harness の Validate ステップで、ユニットテストが通るだけでなく、実行中のアプリで実際に動作することを確認するために使用します。chrome-devtools-mcp プラグイン(フロントエンド)および/または Playwright(API)が必要で、どちらも kit インストーラーによって設定されます。
提供された証拠から、壊れた Splunk の検索、レポート、アラート、ダッシュボードを診断する。既存の検索や保存済みオブジェクトが空、欠落、誤り、不一致、非表示、ディスパッチされない、トリガーされない、レンダリングされない場合で、ユーザーが最初の未サポートの機能段階、最小の次の証拠、整合した読み取り専用の検証、および正確なオーサリング、ガバナンス、フィールド、ワークフロー、パフォーマンスの引き継ぎを必要としているときに使用する。SPL、オブジェクトのオーサリング、実装、最適化、設定、変更、修復には使用しない。
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。
