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
ホスト構成、デーモン設定、イメージ、ランタイム構成に対して、オープンソースの CIS Docker Benchmark 監査スクリプトである Docker Bench for Security を実行し、pass/fail/warn の出力を解釈して一般的な失敗を修復します。Docker ホストの CIS 準拠を監査するとき、定期的なコンテナ評価をスケジュールするとき、または変更後にランタイム強化コントロールを検証するときに使用します。キーワード:docker-bench-security、CIS Docker Benchmark、監査スクリプト、pass fail warn、ホスト構成、修復。デーモン強化自体の適用には使用しないでください——hardening-docker-daemon-configuration を使用してください。
長尺ポッドキャストの文字起こしを話者ラベル付きの markdown として取得します — 4 大有料…では cookie を優先。トリガーフレーズ:`pull this podcast transcript`、`get the transcript from this URL`、`summarize this Dwarkesh episode`、`what did Senra say about`、`bundle these episodes for me`、`grep my podcast cache`、`use podcast-goat`、`run podcast-goat`。
記事、小紅書のノート、WeChat 公式アカウントの投稿、X の投稿、Instagram、Facebook、LinkedIn、YouTube、TikTok、Pinterest、Snapchat、Reddit、Threads、Bluesky、Medium、トピックの下書き、およびカバー、ソーシャルカバー画像、ポスタープロンプト、スタイルテンプレートに基づく画像プロンプト、長文テキストからの画像生成のリクエスト向けに、共有の Punk スタイルライブラリからローカライズされたカバー画像と再利用可能な画像プロンプトを生成する。このスキルを使用してソースコンテンツを分析し、未対応の比率を利用可能な最も近い生成比率に解決し、ローカライズされたビジュアルスタイルを選択し、最終プロンプトを保存し、画像生成ツールが利用可能な場合は画像を生成する。
Python で Pydantic v2 を使ってデータを定義、検証、シリアライズ、設定するときに使用 — BaseModel、Field 制約、フィールド/モデルバリデータ、model_dump によるシリアライズ、pydantic-settings、TypeAdapter、列挙型、Literal、判別可能ユニオン — または v1 時代の書き方(class Config、.dict()/.json()、@validator)を依然として使っているコードを修正するときに使用。正確で慣用的な最新の Pydantic v2 コードを生成する。キーワード:pydantic、BaseModel、ConfigDict、model_validate、validator、settings。
React Email コンポーネントでレスポンシブな HTML メールを構築する。メール構造(Html、Head、Body、Container)、コンテンツコンポーネント(Text、Heading、Button、Link、Img)、レイアウト(Section、Row、Column)、インライン CSS と Tailwind によるスタイリング、カスタムフォント、プレビューテキスト、HTML へのレンダリングを扱う。トランザクションメール、マーケティングテンプレート、メールデザインシステムを作成するときに使用する。メールのレンダリング、プレビュー、Tailwind によるメールスタイリング、Resend、Nodemailer、SendGrid とのプロバイダー統合に使用する。
あらゆる研究論文(URL / arXiv ID / DOI / PDF / 貼り付けテキスト)を、視覚的に魅力的なマルチフォーマットの閲覧体験にレンダリングします — マインドマップ、手法のフローチャート、主要な発見のインフォグラフィック、比較表、関連研究のタイムライン、技術的内容と並記した平易な英語の解説を含みます。スラッシュコマンド(`/read-research-paper`、`/read-paper`、`/explain-paper`、`/visualize-paper`)や、「read this research paper [URL]」「explain this paper [URL]」「make this paper visual [URL]」のような自然言語のリクエストで起動します。取得した論文はすべてローカルにキャッシュし、再質問時に即座に応答します。オフライン時のフォールバック用に、定番論文のコーパスを同梱しています。引用の再利用は `research-paper` に、関連研究の拡張は `get-research-paper` に引き継ぎます。ランタイム非依存です。
GitHub のマイルストーン、コミット範囲、または Azure DevOps のリリース候補ビルドから、PowerToys の安定版またはプレビュー版のリリースノートを生成するツールキットです。プレビュー版のリリース草稿では、4 桁のビルドおよびアセットのバージョンを維持しながら、3 要素の GitHub タグを使用します。リリースノートの作成、マイルストーン PR の要約、変更履歴の生成、プレビュー版リリース草稿の準備、main と stable 間の PR 差分の計算、リリース文書の更新、PR マイルストーンの管理、リリースアセットの準備と検証に使用します。
ブランチ上の既存の Datex Studio レポートを変更するときに使用する。ラベル/スタイルの変更、フィールドの並べ替え、列の追加/削除、データソースの変更、新しいデータセクションの追加を扱う。トリガー:「edit a report」「modify a report」「change the label」「add a column」「update the report on branch X」「fix the report layout」。新しいレポートをゼロから作成する場合は `report-creator` を使用する。
科学論文や研究概要向けに、最新の学術的根拠をまとめます。文献、参考資料、背景となる根拠、相反する研究結果、原稿用の研究資料一式の収集をユーザーが明示的に求めた場合に使用します。デフォルトでは Parallel Search を使い、Parallel Extract で情報源を検証します。明示的に詳細・網羅的な調査を求められた場合は Parallel Research を使用します。Parallel Chat は明示的な指定があれば任意で使用し、Perplexity は依頼された場合、または失敗時の代替手段として許可されている場合に限り使用します。
完成したユーザーフロードキュメントをレビュー/判定し、下流のワイヤーフレーム工程がすべての画面を列挙できるか、また各パスが完全で、たどれ、耐性があり、アクセシブルで、妥当かを判断するときに使用する。これは受け入れゲートであり、執筆ではない。ユーザーフロードキュメントとはナビゲーション/インタラクションのグラフである:エントリー + IA フレーム、ハッピーパス、分岐、エラー/復旧 + エッジ状態、耐性、フローレベルのアクセシビリティ、通過する画面。単一の基準で判定する:目標がフローに対応する(孤立なし)、エントリーと出口が定義されている、分岐が解決する、行き止まりがない、状態(ローディング + 成功を含む)が網羅されている、不可逆な操作が保護されている、すべてのパスがキーボード/支援技術で完了できる、フローが客観的に妥当である、記法が同期している、画面が列挙可能である。修正時には差分範囲のレビューも行う。出力は `VERDICT: approve|revise` のみで、実行可能な指摘を添える。基準を満たすドキュメントは承認し(薄いドキュメントを誤って revise にしない)、明確な欠落がある場合にのみ revise とする。執筆用ではなく、ワイヤーフレーム用でも、PRD 用でもない。
Rust の getter、可変 getter、setter、コンストラクタ、Debug、および Debug を基盤とする Display 実装を生成する lombok-macros 派生マクロの使用、移行、レビューを行う。ユーザーが lombok-macros や Java Lombok を明示的に言及した場合、反復的なアクセサやコンストラクタメソッドを削除したい場合、生成される可視性や変換を設定したい場合、Debug からフィールドを伏せたい場合、または生成された API をレビューしたい場合に使用する。DTO とデータキャリアを優先し、ドメイン不変条件を迂回する生成、可変の内部状態を露出する生成、Option や Result へのアクセスで panic する生成、Debug を公開表示契約に変える生成は拒否する。
公式 ScraperAPI コマンドラインツール(`sapi`、`scraperapi-cli` として配布)の製品使用リファレンス。ユーザーがターミナルやシェルスクリプトからスクレイピング、非同期ジョブの実行、構造化データの取得、クロールの管理、アカウントのクレジット確認、DataPipeline プロジェクトの操作を行いたいとき——SDK コードを書くよりワンライナーのほうが便利なあらゆる場面で、このスキルを使用する。トリガー:「ターミナルからこの URL をスクレイピングして」、「sapi で X を取得して」、「ScraperAPI CLI」、「bash から ScraperAPI」、「sapi scrape」、「sapi cost」、「sapi jobs」、「sapi structured amazon」、「ScraperAPI を jq にパイプ」、「Y をスクレイピングするシェルのワンライナー」、「Makefile / cron / CI からスクレイピング」、「コマンドラインから ScraperAPI のクレジットを確認」、「ファイルから 10000 個の URL を一括送信」。インストール、認証の解決順序、すべてのトップレベルコマンド(`scrape`、`cost`、`jobs`、`structured`、`crawler`、`pipeline`、`account`、`config`、`init`)、JSON / パイプの挙動、事前コストチェック、一般的なシェルレシピを扱う。注意:ユーザーが指定したクエリ、URL、コンテンツを ScraperAPI に送信する。
ScraperAPI Crawler の製品利用リファレンス — リンクを自動でたどってサイト全体またはセクションをクロールする。URL を事前に把握せずにサイトの多数のページからデータを抽出する必要があるときに参照する。ユーザーが次のように尋ねたときに使用する: "ScraperAPI でウェブサイト全体をクロールする"、"ドメイン上のすべてのページをスクレイピングする"、"リンクをたどって各ページをスクレイピングする"、"ScraperAPI の crawler API を使うには"、"サイトマップをスクレイピングする"、"サイト内のすべての商品ページからデータを抽出する"、"ScraperAPI crawler ジョブ API"。ジョブ作成、URL 正規表現パターン、depth と budget、ページ単位のスクレイピングパラメータ、ステータスのポーリング、webhook、スケジューリング、クレジット消費を扱う。ユーザーがサイト全体のスクレイパーを構築していて、どの ScraperAPI 製品を使うべきか尋ねたときにも呼び出す。注意: ユーザーが指定したクエリ、URL、コンテンツを ScraperAPI に送信する。
Inertia Rails Vue 3(Nuxt ではない)向けの shadcn-vue コンポーネント統合:フォーム、ダイアログ、テーブル、トースト、ダークモードなど。Inertia + Vue アプリで shadcn-vue コンポーネントを使って UI を構築する場合や、Nuxt の shadcn-vue サンプルを移植する場合に使用する。shadcn-vue の入力は name 属性と #default スコープ付きスロットを介して Inertia Form に接続する。Flash トーストには Rails の flash_keys イニシャライザ設定が必要。
AI ソフトウェアファクトリー向けのスペック駆動開発(SDD)パイプラインを設計・運用する — 構造化された仕様を入力とし、AI エージェントがコードを生成し、品質ゲートが各フェーズで正しさを強制する:SPECIFY → DECOMPOSE → IMPLEMENT → VERIFY → DELIVER。あらゆる AI コーディングツール(Claude Code、Cursor、Hermes Agent、Devin、OpenHands、droid)が従えるスペック駆動パイプラインを構築または改善するとき、あるいはスペック品質ゲート、フェーズゲートの判定、NFR のエンコード、フォーマット変換が必要なときに使う。目標が明確な単一の小さな変更(まず bmad で分類する)、パイプラインを巡る意図契約・自律性ゲーティング・失敗ルーティングのコントロールプレーンプロトコル(bmad)、検証されていない問題(product-discovery)には使わない。
引用付きの読み取り専用の Splunk Enterprise 管理ガイダンスを提供する。通常のローカルユーザー、ロール、ケイパビリティ、設定の優先順位、サービスのオーナーシップ、メンテナンスの準備状況、安全な非変更型の検証を対象とする。管理者が文書化された Enterprise の動作を理解する必要がある場合、提供されたソースファイル・btool・実行時の観測結果を比較する場合、責任あるロールのオーナーを特定する場合、安全な変更の前に不足している証拠を判断する場合に使用する。ID プロバイダー認証、ナレッジオブジェクトのガバナンス、インデックス/ストレージ、アプリのライフサイクル、クラスタ運用、アップグレード/セキュリティ、ヘルス/診断、プラットフォームインシデント、ライセンス/容量、デプロイメントサーバーやフォワーダーフリートの作業は、それぞれを担当する skill に振り分ける。
Graham(NCAV/ネットネット/防御的投資家)と Buffett(経済的な堀/ROE/FCF)の手法を用いたバリュー投資分析。単一銘柄の診断と、Graham のシガーバットおよび Buffett の高品質複利成長株の基準による一括スクリーニングを扱う。スコアリングの前に財務諸表間の突合を行う。データはまず株式 CLI から取得し、次に MCP、真のギャップに限り WebSearch を使用する。トリガー:"格雷厄姆"、"巴菲特"、"捡烟蒂"、"烟蒂股"、"NCAV"、"净流动资产"、"护城河"、"价值投资"、"安全边际"、"深度价值"、"撿煙蒂"、"煙蒂股"、"淨流動資產"、"護城河"、"安全邊際"、"Graham"、"Buffett"、"cigar butt"、"net-net"、"NCAV screen"、"moat"、"value investing"、"margin of safety"、"deep value"、"quality compounder"、"價值投資"、"深度價值"、"防御型投资者"、"防禦型投資者"
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。
