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
`robomotion validate <flow-dir>` を通じて、コンパイル済みの Robomotion フローを pspec スキーマに対して検証する。問題がなければ終了コード 0、エラー時は 1 で、stderr にノード単位のレポートを出力する。stdout への出力はない(シェルパイプラインで組み合わせ可能)。ユーザーが "validate this flow"、"check the flow"、"is this correct" と言ったとき、または実行前に使用。フローは実行しない — 動作テストには testing-flow を使用する。
Fabric Variable Library の項目(definitions、libraryVariables、valueSets のオーバーライドを含む)を管理します。どの利用者が変数を参照できるかとその構文 -- pipelines、notebookutils variableLibrary 経由の notebooks、Dataflow Gen2、Copy Jobs、shortcuts、UDFs、Plan items -- ワークスペースまたはデプロイ段階ごとの有効な値セット、CI/CD 向けの Git シリアル化を扱います。
Yakit の基本使用ガイド。Yakit とは何か、インストール方法、画面の各機能エリアの用途、エンジンとフロントエンドの関係、ゼロから Yakit を使い始める方法を知りたいときに使う。アーキテクチャの概要(エンジン + Electron フロントエンド + gRPC チャネル)、3 つの画面モード(クラシック / セキュリティエキスパート / スキャン)、主要機能のルーティング表(MITM / Web Fuzzer / Codec / ポートスキャン / プラグイン / データベースなど)、エンジン接続とプロジェクトの切り替え、初心者によくある質問の入口を扱う。ユーザーが「Yakit の使い方 / ある機能はどこ / エンジンが接続できない」と尋ねたときに入る。
あなたは「中介哥」です。プロフェッショナルで信頼できる住宅購入アドバイザーで、クライアントはあなたを中介哥と呼べます。クライアントの立場に立って住宅購入の意思決定プロセスに最初から最後まで関与することを得意としています。中核となる能力は、クライアントの本当の住宅購入ニーズを整理し引き出すこと、プロフィール・好み・制約を細かく記録すること、専門的な質問を通じて本人が気づいていない重要な要素を見つけ出し、中立的な提案を自ら行うことです。複数チャネルの不動産情報を検索し、異なる物件の長所と短所を横並びで比較し、予算、学区、通勤、将来の家族計画など多角的に最適な物件やコミュニティを提案できます。住宅購入、内見、物件探し、政策相談、購入プロセス、市場動向など不動産関連の話題について、あなたは自ら介入し、豊富な実務経験を踏まえて体系的で実用的かつ誠実なアドバイスを提供し、テンプレートの当てはめや単なる情報の羅列を避け、住宅選びの背後にある論理をクライアントが理解できるよう導き、理性的な住宅取得の意思決定を後押しします。
既存の動画の音声を実際のタイミング付きの単語レベルの文字起こしに自動変換し、そのタイミングに同期したスタイル付きのブランド準拠のアニメーション字幕をタイミング付きテキスト要素として構築します。ブランドフォントとカラー、入退場アニメーション、単語ごとの強調スタイルに対応。これは深いブランドスタイルの字幕スキルです。既定のスタイルのシンプルな焼き込み字幕については add-animated-captions を参照してください。ユーザーが「この動画に字幕を追加してブランドに合わせて」「凝ったアニメーション字幕」「ブランド準拠の字幕を焼き込んで」「これに単語ごとの強調付きで字幕を付けて」「これに私たちのブランドスタイルでスタイル付き字幕を付けて」と言ったときに使用します。
ビジュアルデザインのインテリジェンスと UI の美学。統合:chrome-devtools、ai-multimodal、media-processing。機能:デザイン分析、視覚的階層、色彩理論、タイポグラフィ、マイクロインタラクション、アニメーション、デザインシステム、アクセシビリティ。アクション:UI の美学を分析、設計、作成、キャプチャ、評価、実装する。キーワード:Dribbble、Behance、Mobbin、デザインインスピレーション、視覚的階層、カラーパレット、タイポグラフィ、スペーシング、アニメーション、マイクロインタラクション、デザインシステム、スタイルガイド、アクセシビリティ、WCAG、コントラスト比、黄金比、ホワイトスペース、視覚的リズム。使用場面:美しい UI の構築、デザインインスピレーションの分析、視覚的階層の実装、アニメーション/マイクロインタラクションの追加、デザインシステムの作成、美的品質の評価、デザインスクリーンショットのキャプチャ。
テキスト読み上げ、音楽、音声編集で AI 駆動のポッドキャストを作成。ツール:Kokoro TTS、DIA TTS、Chatterbox、AI 音楽生成、メディア結合。機能:マルチボイスの会話、BGM、イントロ/アウトロ、全編エピソード。用途:ポッドキャスト制作、オーディオブック、音声コンテンツ、音声ニュースレター。トリガー:podcast、ai podcast、text to speech podcast、audio content、voice over、ai audiobook、multi voice、conversation ai、notebooklm alternative、audio generation、podcast automation、ai narrator、voice content、audio newsletter、podcast maker
ユーザーが AI 検索エンジン向けにコンテンツを最適化したり、LLM に引用されたり、AI 生成の回答に表示されたい場合に使用する。ユーザーが「AI SEO」「AEO」「GEO」「LLMO」「アンサーエンジン最適化」「生成エンジン最適化」「LLM 最適化」「AI Overviews」「ChatGPT 向け最適化」「Perplexity 向け最適化」「AI 引用」「AI 可視性」「ゼロクリック検索」「AI の回答に表示されるには」「LLM での言及」「Claude/Gemini 向け最適化」に言及した場合にも使用する。コンテンツが AI アシスタントや AI 検索エンジンに引用・表示されたいときに常に使用する。従来の技術的 SEO およびオンページ SEO 監査については seo-audit を参照。構造化データの実装については schema を参照。
Amazon の商品機会をエンドツーエンドで調査・検証し、その周辺のニッチが勝ち取れるかを評価する。需要、競争、利益ポテンシャル、参入障壁、レビューの壁、差別化の余地、季節性を評価し、根拠とともに go/no-go を返す。ユーザーが商品を調査したい、売れる商品を見つけたい、商品アイデアを検証したい、機会を評価したい、ニッチを評価したい、儲かるニッチを見つけたい、カテゴリに参入する価値があるか判断したい、ニッチを比較したいと依頼した場合に使用する。トリガーフレーズ:"product research"、"find a product to sell"、"validate this product"、"is this a good product"、"product opportunity"、"should I sell this"、"niche finder"、"evaluate this niche"、"is this niche worth it"、"good niche"、"low competition niche"、"should I enter"。ツールなしで動作する。ユーザーが商品と観察できる事柄を説明する。
Atlassian Cloud REST API を直接呼び出すときに使用する — Confluence Cloud v2(ページ、スペース、検索)または Jira Cloud v3(課題、JQL 検索、コメント)— Confluence ページの作成などの書き込みを含む操作をプログラムから実行する。REST は curl で呼び出し(SDK なし、pip なし)、Cloud のメールアドレス + API トークンで認証する。同梱の OpenAPI 仕様から、エンドポイント索引 + $ref リゾルバーを用いて 800 以上のエンドポイントのいずれかを構築し、API ごとのパターン(ベース URL、ページネーション、エラー、レート制限)や ADF / storage リッチテキスト形式を明示的に扱う。呼び出し元が注入した認証情報(base_url、email、変数名で解決されるトークン)を使用する — 本項目はそれらを用意も解決もしない。トークンの値は curl のみが読み取り、決して出力しない。
永続化された 1 件の skore レポートの読み取り専用監査:`audit/NN_<stem>.py`(jupytext percent)、`experiments/` と `journal/` と 1:1 で対応。これを実行しない。`materialize.py` を 1 回だけ実行する。`skore.evaluate` や `project.put` を決して呼び出さない。トリガー:完了した実行に監査が必要なとき、ユーザーが実験の監査、表示、再監査を求めたとき、再実行が同じ `put()` key を上書きしたとき、`journal/ideas/` ファイルなしで過去の実験の叙述を求めたとき。停止条件:`status.setup.pending` が空でない場合(`setup-ml-project` をロード)、または承認済みの設計、レポート、agent feature がない場合:説明してユーザーを setup、`evaluate-ml-pipeline`、`model-ml-pipeline` へ誘導する。生データの探索や将来の実験のデータ源探しでも停止する。使用方法:journal、experiment、smoke、report を確認する。`templates/audit.py` からファイルを配置する。`templates/materialize.py` を scratch にコピーする。1 回実行する。G-AUDIT-FINDING を導出する。その後、継続かクローズかのゲートに進む。skore のシンボルは `api get` で解決する。
WebDAV 経由で B2C Commerce インスタンス上のファイルを一覧表示、アップロード、ダウンロード、管理する。ユーザーが IMPEX ディレクトリにファイルをアップロードする、インスタンスからエクスポートをダウンロードする、リモートファイルを一覧表示する、ディレクトリを作成・削除する、サーバー上でファイルを zip/unzip する、サンドボックスへのファイル転送を管理する、インスタンスのファイルシステムを閲覧する必要があるときはいつでもこのスキルを使用 — たとえ "upload a file to the instance" や "check what's in the IMPEX folder" と言っただけでも。
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。
