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
教師が既存の K-12 の授業（数学 / ELA / 科学 / 社会科）を教える準備を支援します — 授業の核となる生徒の課題を教師とともに考え、教師専用の短い準備メモを残す準備パートナーです。内面化する、準備する、教える準備をする、授業を理解するという依頼（「明日の授業の準備を手伝って」といった暗黙の依頼を含む）や、別のスキルが授業を構築した直後（本スキルはそれを引き継げます）にトリガーします。授業の構築や改変、採点、ルーブリック、評価フィードバック、クイズや生徒向け教材の生成には使用せず、一文で答えられる単一の事実確認（「これはどの標準？」「この授業はどのくらいの長さ？」）にも使用しません。
ローカル開発とテスト用にエミュレートした Linear GraphQL API。ユーザーが Linear 統合をローカルでテストする必要があるとき、Linear の issue、コメント、チーム、ワークフロー状態、OAuth アプリ、webhook、エージェントセッションをエミュレートするとき、または実際の Linear サービスに接続せずに Linear API を扱うときに使用する。トリガーには "Linear API"、"emulate Linear"、"mock Linear"、"test Linear OAuth"、"Linear webhook"、"Linear agent"、"local Linear"、またはローカルの Linear API を必要とするあらゆるタスクが含まれる。
収録したライブトレーニングやウェビナーを、視聴者が後から個別に視聴できる短く自己完結したオンデマンドモジュールに分割する。台本に沿った収録とは異なり、ライブセッションではまず本格的なクリーンアップが必要で、無音の間、"みなさん画面は見えていますか" といった設定の雑談、話題から外れた脱線、だらだらと続く Q&A を、モジュールの境界を引く前に特定してカットする。話題の区切りで切り分けるだけでは済まない。ユーザーが "この収録済みトレーニングをオンデマンドのクリップにして"、"このライブウェビナーをモジュールに分割して"、"この収録セッションを分割して視聴できるようにして"、"このライブトレーニングを短い動画に切って"、"このウェビナー録画を独立したモジュールに整理して" と言ったときに使用する。
本番環境の ML エンジニアリング業務を計画・実行します。分類モデルと生成モデルの選択、ゼロショットベースライン、コーディング特化、モデルのトレーニングとファインチューニング（LoRA/QLoRA）、評価と評価セットの設計、量子化の判断、推論のデプロイ、系譜、機能同等性、ドリフト対応、回帰のトリアージ、実験的な重みの検査と対象を絞った編集を扱い、本番 ML システムの実践的なエンジニアリングパターンに基づきます。統計モデリングや実験計画（データサイエンティストの担当）、特定の推論エンジンの運用（llama-cpp や vllm などのツールスキルの担当）には使用しません。
PostHog の月次/PAYG 顧客を年次前払いクレジットプランへ転換する提案を組み立てる。データウェアハウスから 12～24 か月分の請求履歴を取得し、ハンドブックの資格チェックを実行し、今後の成長を予測し、ハンドブックの割引段階を適用し、最近の顧客タッチポイント（Slack、Gmail、Granola）を走査して交絡変数を洗い出し、Exa で顧客の勢いシグナルを取得し、担当者自身の文体を模倣して、簡潔なブリーフィングとプレーンテキストの Slack 下書きを出力する。「annual conversion math for [account]」「monthly to annual for [account]」「draft annual nudge for [account]」「credit-discount math for [account]」でトリガー。
Odoo 14-19 向けのテストカバレッジ分析、テストスケルトンの生成、テストスイートの実行、モックデータの作成を行う包括的な Odoo テストツールキット。TransactionCase、HttpCase、SavepointCase をサポートし、CI/CD のテスト結果レポートのために Azure DevOps と連携します。<example> Context: ユーザーがカスタムモデルのテストケースを希望 user: "カスタムの sale.order 拡張モジュールのテストケースを生成して" assistant: "odoo-test スキルを使ってモデル定義を分析し、CRUD 操作、計算フィールド、ビジネスロジックをカバーする TransactionCase テストスケルトンを生成します。" <commentary>主要トリガー - モデル定義からのテストスケルトン生成。</commentary> </example> <example> Context: ユーザーがテスト用のモックデータを希望 user: "在庫モジュールをテストするための現実的なモックデータを作成して" assistant: "odoo-test スキルを使ってモックデータファクトリを生成し、Odoo のデモデータパターンを用いて現実的な product、partner、stock.move レコードを作成します。" <commentary>テストデータ作成のトリガー。</commentary> </example> <example> Context: ユーザーがテストカバレッジの分析を希望 user: "モジュールのどこにテストカバレッジがないか教えて" assistant: "odoo-test スキルを使ってモジュール内の未テストのモデル、メソッド、ビューをスキャンし、優先度の推奨事項を含むカバレッジレポートを生成します。" <commentary>カバレッジ分析のトリガー - テストスイートのギャップの検出。</commentary> </example> <example> Context: ユーザーがモデルのテストスケルトンを希望 user: "sale.order 拡張のテストケースを生成して" assistant: "モデル定義を分析し、CRUD、計算フィールド、ビジネスロジックをカバーする TransactionCase テストスケルトンを生成します。" <commentary>テスト生成のトリガー。</commentary> </example> <example> Context: ユーザーがモックデータを希望 user: "在庫モジュールをテストするための現実的なモックデータを作成して" assistant: "Odoo のデモデータパターンを用いて、現実的な product、partner、stock.move レコードを含むモックデータファクトリを生成します。" <commentary>モックデータのトリガー。</commentary> </example> <example> Context: ユーザーがテストの実行を希望 user: "post_install タグを付けてカスタムモジュールのテストを実行して" assistant: "--test-enable と --test-tags=post_install を付けてテストスイートを実行し、色付きの出力を表示します。" <commentary>テスト実行のトリガー。</commentary> </example> <example> Context: ユーザーがカバレッジ分析を希望 user: "モジュールのどこにテストカバレッジがないか教えて" assistant: "未テストのモデル、メソッド、ビューをスキャンし、優先度の推奨事項を含むカバレッジレポートを生成します。" <commentary>カバレッジ分析のトリガー。</commentary> </example> <example> Context: ユーザーが E2E テストを希望 user: "Odoo モジュール用の Playwright E2E テストを生成して" assistant: "モジュールの Web インターフェース向けに、ログイン、ナビゲーション、フォーム送信、データ検証をカバーする Playwright テストファイルを作成します。" <commentary>E2E テストのトリガー。</commentary> </example>
Product Hunt でデイリー 1 位を獲得。30 回のデイリー受賞と 3 回のウィークリー受賞のキャンペーンから完全にリバースエンジニアリング — ランキングアルゴリズムを解読、ローンチタイミングを最適化、ハンター選定ガイド、コミュニティエンゲージメントのアプローチ、ローンチ後の勢いを保つプレイブック。次のいずれかに当てはまる場合に使用してください：（1）PH のローンチガイドをすでに読んでもトップ 5 に入れず、アルゴリズムレベルの深い最適化が必要、（2）デイリー 1 位と 5,000 以上の登録を目標に、30 以上の事例で検証済みのアプローチを求める、（3）投資家／アクセラレーターとしてポートフォリオ企業の PH ローンチを指導する。収録内容：PH ランキングアルゴリズムの解読：最初の 3 時間、24 時間、ウィークリーランキングの重み付け要因 · ローンチ前の準備：ギャラリー最適化、プロダクト URL の選定、タグラインの調整（60 文字以内） · ローンチタイミングの最適化：正確な PST ローンチ時間帯 + スケジュールガイド · コミュニティエンゲージメント KPI：アップボート目標、コメント返信時間、メーカーコメント戦略 · プラットフォーム準拠ガイド：PH の品質シグナルとオーガニック成長の理解 · ローンチ後 72 時間の計画：勢いの維持、ウィークリー 1 位の条件 · ケーススタディ：3 つの異なるカテゴリ（AI ツール、アプリ、SaaS）を分析 期待される成果：Product Hunt デイリー 1 位 · ローンチ当日の強いコミュニティエンゲージメント · 3,000〜10,000 以上の登録（プロダクトマーケットフィットによる） 🇨🇳 Product Hunt 打榜完整攻略 | 🇯🇵 Product Hunt ローンチガイド | 🇰🇷 Product Hunt 런칭 가이드 キーワード：Product Hunt 1 位、Product Hunt ローンチ戦略、PH ランキングアルゴリズム、PH デイリー受賞、Product Hunt のコツ、プロダクトローンチ、スタートアップのローンチ、ランキング最適化、PH ギャラリー最適化、コミュニティエンゲージメント戦略、メーカーコミュニティのエンゲージメント、プロダクト戦略、ローンチ戦術、Product Hunt で勝つ方法、Product Hunt のベストプラクティス
ユーザーがテンプレートとデータを使用してスケール単位で SEO 駆動ページを作成したい場合に使用します。ユーザーが「プログラマティック SEO」「テンプレートページ」「スケール単位のページ」「ディレクトリページ」「ロケーションページ」「[キーワード] + [都市] ページ」「比較ページ」「統合ページ」「SEO 向けの多数ページ作成」「pSEO」「100 ページ生成」「データ駆動ページ」または「テンプレート化ランディングページ」に言及している場合にも使用します。複数の類似ページを異なるキーワードまたはロケーションをターゲットにして作成したい場合に使用してください。既存の SEO 問題の監査については seo-audit を参照してください。コンテンツ戦略計画については content-strategy を参照してください。
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。