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
FFmpeg による動画の手ぶれ補正と 360/VR 動画処理の完全なガイド。以下の場合に積極的に有効化する:(1) 動画の手ぶれ補正(deshake、vidstab)、(2) ハードウェアアクセラレーションによる手ぶれ補正(deshake_opencl)、(3) 360/VR 動画の変換(v360)、(4) パースペクティブ補正(perspective)、(5) Ken Burns/ズームパンのエフェクト(zoompan)、(6) レンズ歪み補正(lenscorrection、lensfun)、(7) アクションカメラの映像、(8) ドローン動画の処理、(9) VR ヘッドセットの形式。提供:手ぶれ補正ワークフロー、360 投影変換、モーションエフェクト、レンズ補正。
RunComfyでFlux 1 Kontext Pro(Black Forest Labsの精密な局所画像編集モデル)を使って画像を編集します。モデルのドキュメントに記載されたプロンプトパターンをまとめ、同じモデルに単純なプロンプトを入力するよりも優れた出力を得られるようにします。Flux Kontextの強み(単一の参照画像による精密な局所編集、優れたプロンプト制御、一貫した高忠実度の出力)、スキーマ(画像1枚+プロンプト)、Nano Banana Edit/GPT Image 2 edit/Flux 2 Kleinに切り替えるタイミングを説明します。ローカルのRunComfy CLI経由で `runcomfy run blackforestlabs/flux-1-kontext/pro/edit` を呼び出します。「flux kontext」「flux-kontext」「flux 1 kontext」「kontext」「BFL kontext」などの語句や、このモデルでの画像編集を明示的に求める指示で起動します
Frappe/ERPNext v14/v15/v16 で API エラーをデバッグまたは処理するときに使用。REST エンドポイントでのサイレント障害と誤った HTTP ステータスコードを防ぐ。401 Unauthorized(token 形式の誤り、OAuth の期限切れ)、403 Forbidden(@whitelist の欠落、allow_guest が必要)、404 Not Found(エンドポイント URL の誤り)、417 Expectation Failed(frappe.throw による検証)、500 Internal Server Error、CORS の問題、CSRF token の欠落/無効、レート制限超過(429)、ファイルアップロードの失敗、リクエスト/レスポンスの JSON 解析エラー、webhook 配信の失敗、長時間操作のタイムアウトをカバー。キーワード:API error、401、403、404、417、429、500、CSRF、CORS、REST、API call fails、403 forbidden、CORS error、token expired、endpoint not found、webhook not received、whitelist、webhook、rate limit、file upload、authentication token。
Frappe/ERPNext の hooks.py エラーをデバッグするときに使用。フックが発火しない(タイポ、辞書構造の誤り)、循環インポート、app_include_js のパスエラー、scheduler_events が実行されない、誤った DocType の doc_events、permission_query_conditions の SQL エラー、override_doctype_class のインポート失敗、extend_doctype_class [v16+] の競合、fixtures が読み込まれない、を扱う。v14/v15/v16 のフック種別ごとのエラー診断。キーワード:hooks.py error、hook not firing、scheduler not running、hook not working、app_include not loading、override not applied、doc_events error、circular import、fixtures error、override class error。
Frappe で Jinja テンプレートを構築するときに使用:Print Formats、Email Templates、Notification テンプレート、Portal Pages、カスタム Jinja メソッド。テンプレート作成のワークフロー、子テーブルの扱い、条件付きセクション、スタイリング、多言語対応、デバッグをカバー。N+1 クエリ、誤った書式、Report Print の混同を防ぐ。キーワード:create print format、email template、portal page、pdf、create print format、invoice template、email template、PDF layout、custom print、template、invoice template、jinja methods、notification template、web page template、print format styling。
Frappe/ERPNext を本番環境にデプロイするとき、Nginx や Supervisor を構成するとき、Docker をセットアップするとき、SSL を有効にすると き、セキュリティを強化するときに使用。安全でないデプロイ、リバースプロキシ設定の欠落、プロセス管理の破損を防ぐ。本番環境のセットアップ、Nginx 設定、Supervisor/systemd、Docker Compose、Let's Encrypt SSL、ファイアウォールルール、セキュリティ強化を扱う。キーワード:deployment、production、nginx、supervisor、docker、ssl、letsencrypt、security、gunicorn、systemd、go live、production setup、HTTPS setup、server config、deploy to VPS、Docker setup。
Frappe v14-v16 で frappe.qb を使ってデータベースクエリを構築するときに使用。PyPika ベースのクエリビルダーを扱う:SELECT、INSERT、UPDATE、DELETE、結合、集計、サブクエリ、データベース間の互換性(MariaDB/PostgreSQL)、生の SQL からの移行。SQL インジェクションとデータベース固有の bug を防ぐ。キーワード:frappe.qb、query builder、DocType、Field、pypika、join、frappe.qb example、how to write query、join tables、SQL replacement、parameterized query、aggregate、ImportMapper、cross-database、parameterized query。
Frappe アプリの CI/CD パイプラインを構築するとき、GitHub Actions のテストワークフローを構成するとき、リンティングとセキュリティスキャンを追加するときに使用。誤ったテストマトリクス構成、MariaDB/Redis サービスの欠落、捕捉されないコード品質の問題による CI の破損を防ぐ。GitHub Actions ワークフロー、テストマトリクス(Python/Node のバージョン)、semgrep ルール、pre-commit フック、リンティング(ruff、eslint)、CI テスト環境の設定を扱う。キーワード:CI/CD、GitHub Actions、test matrix、semgrep、pre-commit、linting、ruff、eslint、continuous integration、automated tests、CI pipeline、code quality check。
Runta ランタイムを使い、FrontierHarness Eval に対してサードパーティのコーディングエージェントハーネスをベンチマークする。評価対象の GitHub リポジトリに紐づくクリーンなランタイムを用意し、Terminal-Bench と DeepSWE のタスクに必要な Harbor と Pier のスタックをインストールし、ゴールデンチェックポイントを凍結し、完全に同一の新規リストアからタスクを実行してトラジェクトリを証拠として保存し、比較図を生成して共有可能なレポートを作成する。コーディングエージェントハーネスの評価、ベンチマーク、スコアリング、比較を行う場合、または FrontierHarness、DeepSWE、Terminal-Bench、Harbor、Pier、ゴールデンチェックポイント、ハーネスのトラジェクトリに言及した場合に使用する。
他のスキルが動作して UI へリンクできるよう、GrowthBook の API 認証情報と信頼済みアプリオリジンを設定する。ユーザーが「set up growthbook」「configure my api key」「growthbook isn't working」「where do I put my key」と言った場合、または別のスキルがここを指すエラー(「GB_API_KEY is not set」「authentication failed」「GB_APP_URL is required」)を出した場合に使用する。chmod 600 で ~/.config/growthbook/.env を書き込み、実際の API に対して検証する。フラグの一覧や実験の実行はドメインスキルが担当する。
Jira チケット、ドイツ語の社内 wiki/仕様ドキュメント、またはドイツ語圏の同僚とのチームチャット(Slack、Matrix、Teams)向けに、1 文より長いドイツ語の文章を書くときに使用します。書き始める前に呼び出してください。英語化した動詞(failt、triggern、returnen)、直訳的なコロケーションや慣用表現(blockiert auf、macht Sinn、in 2026)、外来語の性(der Commit、die Pipeline)、成果物ごとのレジスター(Jira/wiki は無人称、チャットは ich/du)、ドイツ語のタイポグラフィ(Gedankenstrich、Anführungszeichen、Durchkopplung)、AI 特有のリズム(言い換え、対称的な段落、まとめの締めくくり)を扱います。コミットメッセージ、MR/PR の説明、リリースノート(チームの慣例により英語)、会話的なチャットの返信、1 行の確認はスキップしてください。「このドイツ語はおそらく大丈夫だろう」と 1 文より長いものについて思ったら、このスキルを呼び出してください。
メタデータ XML ファイル(.object-meta.xml、.flow-meta.xml など)や 604 種のメタデータ型(CustomObject、Flow、ApexClass、ApexTrigger、Profile、PermissionSet、Layout、ValidationRule、RecordType、EmailTemplate など)を作成、理解、変更するための Salesforce Metadata API リファレンス。ある型の項目や XML 形式、または Salesforce DX プロジェクト構造(force-app/main/default)に関する質問に使用。トリガー条件:任意の *-meta.xml ファイルを作成・編集するとき、メタデータ型にどのような項目や形式があるかを尋ねるとき、'Salesforce metadata' や 'sfdx project' に言及したとき。トリガーしない:SOQL/DML/実行時の sObject アクセス(Enterprise API スキルを使用)、Tooling API の開発者レコード(ApexExecutionOverlayAction、TraceFlag)、非 XML のロジック(Apex コード、LWC JS、Visualforce コントローラ)。
RunComfyでOpenAI GPT Image 2(ChatGPT Images 2.0の`/edit`エンドポイント)を使って画像を編集します。モデルのドキュメントに記載されたプロンプトパターンをまとめ、同じモデルに単純なプロンプトを入力するよりも優れた出力を得られるようにします。GPT Image Editの強み(保持を指示する表現、画像内テキストの多言語編集、最大10枚の参照画像、レイアウト/タイポグラフィの精度)、スキーマ、Nano Banana Edit/Flux Kontext/GPT Image 2 t2iに切り替えるタイミングを説明します。ローカルのRunComfy CLI経由で `runcomfy run openai/gpt-image-2/edit` を呼び出します。「gpt image edit」「gpt-image-edit」「chatgpt image edit」「edit with gpt image 2」などの語句や、このモデルでの画像編集を明示的に求める指示で起動します
IELTS アカデミック・ライティング Task 1 の解答(グラフ、チャート、表、図、地図、プロセスに関する 150 語以上のレポート)を起草、分析、採点、改善します。ユーザーが Task 1 の設問を共有したり、模範解答を求めたり、自分の解答に対するバンドスコアのフィードバックを必要としたり、傾向の描写、データの比較、概要の構成方法を尋ねたりしたときにこの Skill を使用します。Task 1 の語彙、データ記述の文法、よくある Task 1 の間違いについて尋ねられたときにも使用します。折れ線グラフ、棒グラフ、円グラフ、表、地図、プロセス図、複数チャートなど、すべての視覚タイプを扱います。
`runcomfy` CLI を使って RunComfy でマスク駆動の画像インペインティングを行います。専用のインペインティングエンドポイントで、マスク、強度、control-scale に対応する Tongyi MAI Z-Image Turbo Inpainting に振り分けます。マスクがなく、代わりに領域を記述する必要がある場合は、アイデンティティを保つ編集モデル(Nano Banana 2 Edit、GPT Image 2 Edit、FLUX Kontext Pro)を使用します。オブジェクトや透かしの除去、領域の置き換え、 blemish の修正、二値マスクで対象領域を定義する制御された局所編集に使用します。「inpaint」「inpainting」「image inpaint」「remove from image」「fill region」「mask-driven edit」「remove watermark」「remove object」「patch the photo」「fill the hole」、または静止画の特定のマスク領域を編集する明示的な依頼で起動します。
プロファイル駆動の IP 構築伴走コーチ。初回利用時はまず個人プロファイルを作成し、その後はプロファイル、過去データ、現在のエビデンスを組み合わせて真の課題を再判定したうえで、ペルソナとアカウントのポジショニング、コンテンツの柱、テーマの探索・評価・修正、ショート動画の脚本とナレーション原稿、カメラ前での表現意図、アカウント立ち上げとフォロワー増加、シリーズとアカウントの記憶、コンテンツの振り返り、コンテンツのマネタイズを行う。「新手入门」「怎么用」「更新 ip-strategist」などの入口リクエストにも使用。自然言語またはホストが対応する /ip-strategist はいずれも同じ入口からルーティングされる。
C++ と CMake で JUCE オーディオプラグイン(VST3、AU、AAX、Standalone、LV2)を構築します。プロジェクトの雛形作成から複数形式でのビルドまで、AudioProcessor のライフサイクル、APVTS によるパラメーター管理、DSP モジュールチェーン、カスタムエディター GUI、Three.js/GLB WebView インターフェース、状態のシリアライズ、リアルタイムオーディオの安全性、クロスプラットフォーム CI/CD を含む開発ワークフロー全体を扱います。ユーザーが JUCE、オーディオプラグイン、VST プラグイン、AU プラグイン、オーディオエフェクト、シンセサイザー、MIDI プロセッサー、AudioProcessor、AudioProcessorEditor、Projucer に言及した場合や、オーディオソフトウェアの作成を希望する場合は、「プラグインを作って」や「オーディオプラグイン」とだけ言った場合も含め、このスキルを使用します。juce_add_plugin を含む PluginProcessor.cpp、PluginEditor.cpp、CMakeLists.txt などの既存の JUCE コードベースでの作業、ホスト上でのプラグインの CPU 使用率の調査、Windows または Linux への移植、リリース用プラグインのコード署名、公証、パッケージ化にも適用されます。
数学のトピックまたは標準に対応する理解度チェック(CFU)を作成する:記録された生徒の誤解に基づく誤答選択肢を備えた 1〜3 個の的を絞った形成的評価項目と、想定される各回答を具体的な次の指導ステップに対応づける教師用ガイド。学年、標準、トピックについて明確化の質問をする前に読み込むこと。このスキルは数学向けであり、他教科では通常どおり支援し、このスキルについてユーザーに言及しない。数学の概念や標準についての理解度チェック、形成的チェック、クイックチェック、出口チケットの作成・執筆・生成・設計の依頼、および「I need to see who got it before I move on.」のような暗黙のシグナルでトリガーする。クイズ、テスト、練習問題集ではない——CFU はそれが明らかにする内容のために読まれるものであり、採点はされないため、番号付きのクイズや解答のみの答え合わせ表は別の仕事である。レッスン(k12-lesson-plan-creation、独自の出口チケットを伴う)、第 1 層(k12-lesson-differentiation)の作成や、教師の授業準備(k12-lesson-prep)は行わない。
判決書、裁定書、調停書、仲裁判断書、行政処分決定書などの法律文書を構造化して要約する必要があるときにこのスキルをトリガーする。典型的なトリガー例は以下に限らない:- ユーザーが 1 件の法律文書の要約、要点の抽出、または判示要旨の生成を求める - ユーザーが複数の法律文書を比較可能で検索可能な標準化された要約に変換する必要がある - ユーザーが事件情報、争点、法的根拠、説示の過程を抽出するよう求める - ユーザーが事例研究、訴訟分析、授業準備のために要約資料を必要とする - ユーザーが文書類型(判決/裁定/調停/仲裁/行政処分)ごとに要約の重点を区別するよう求める 本スキルの核心的価値:原文に忠実であることを前提に、冗長な法律文書を簡潔・客観的・構造化された要約に変換し、核心的内容を際立たせ、全文の復述や主観的評価を避ける。
事件の説明、当事者の陳述、チャットログ、報道など非構造化テキストから法的意味を持つ事実を抽出する必要があるときに発動するスキル。典型的な発動シーンには以下が含まれるが、これらに限らない: - ユーザーが日常言語で書かれた事件の説明を提示し、法律上の事実の抽出を求める - ユーザーが口語的で感情的な語りを、法的分析に使える事実構造へ変換することを求める - ユーザーが事件の語りにおける「客観的事実」「主観的判断」「法的評価」を区別することを求める - ユーザーが抽出した事実を特定の法律関係の構成要件に対応付けることを求める - ユーザーが事件のタイムラインを整理し、または事実整理表を作成することを求める - ユーザーが生活言語を法律言語に変換することを求める(例:「ずっと返さずに引き延ばしている」→「履行期限の満了後に履行しなかった」) 本スキルの核心的価値:混在した生活の語りを、法的推論に持ち込める事実構造に整理することであり、法的分析の前段階の手順である。
ユーザーの Chrome プロファイルを使って LinkedIn プロフィールをスクレイプする。リードの探索、LinkedIn プロフィールのスクレイプ、LinkedIn からの連絡先データの抽出、見込み客リストの作成を求められたときに使用する。トリガーには "find founders on LinkedIn"、"scrape this LinkedIn profile"、"get LinkedIn data for these people"、"build a lead list from LinkedIn" が含まれる。
Amazonの逆引き商品選定:過去のビジネス洞察レポートをもとに蓄積した指標データプールを使用し、市場規模と成長、価格帯と価格帯別シェア、競争密度と上位企業への集中度、年齢・性別・収入などの顧客層プロフィール、レビューでの訴求点や課題など、30以上のビジネス指標からAmazonの市場分野やキーワードを絞り込みます。逆引き商品選定、指標による絞り込み、ニッチ市場の逆引き、ブルーオーシャンニッチの発掘、低競争ニッチ、初心者向けニッチ、ブランドが分散した市場、課題を切り口にした選定、訴求点の逆引き、価格帯の機会、顧客層プロフィールに基づく商品選定、Amazon niche reverse search、niche metrics filter、low-competition niche、blue ocean niche、demographic-based selection、pain-point niche、price tier opportunity、sweet spot pricing、brand fragmentationに言及した場合に起動します。「逆引き商品選定」と明言していなくても、ビジネス指標に基づいて条件に合うAmazonの市場分野を絞り込みたい場合は起動します。
ドキュメントをメインエージェントのコンテキストに完全に読み込み、以降のターンで質問への回答、要約、内容の処理ができるようにします。ユーザーがドキュメントを取り込み、読んだり、理解したり、読み込ませたりしたい場合に使用します。特に「これらのドキュメントを読み込んで」「全部読んで」「このフォルダーを取り込んで」「これらの PDF を読み込んで」「X 内のすべてのドキュメントを読み込んで」と言う場合や、ファイルパス/URL の一覧を貼り付けて読むよう求める場合に適しています。ローカルファイル(テキスト、コード、Markdown、PDF、ノートブック、画像)、フォルダー全体(再帰的)、リモート URL に対応します。ファイルを Markdown に変換する場合は、代わりに to-markdown を使用してください。
適切に構造化されたエージェントループを、ベストプラクティスの指導とクロスモデルのレビューゲート付きで設計する。ユーザーがエージェントループ、反復的なエージェントワークフロー、自己レビューループ、LLM-as-judge ループ、マルチモデル評議会、レビュアー/ジャッジゲート、目標駆動のループプロセスを設計、構築、セットアップしたいときに使用。目標の絞り込み、型付き検証基準、レビュアー/ジャッジの選定、プライバシー境界、終了ガード、可観測性を導き、RUN_IN_SESSION.md の引き継ぎプロンプトと移植可能な loop.yaml、loop.resolved.json、LOOP.md、run-loop.py を出力する。
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。
