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 97,501 件掲載。コマンド 1 行でインストールできます。
すべて
Layer で動画を生成する場合に使用します。テキストから動画、静止画像のアニメーション化、クリップの延長、カメラモジュールの追加、ネイティブ音声やリップシンクの生成、ループアニメーション、多 Administrations CM の CM CM も处长 マルチショット広告、予告編、私製シーンの企画が対象です。動画プロンプトが想定とHeb迥なる動きになる場合や、ショットが参照画像からずれる場合にも使用します。キーワード：txt2vid、img2vid、画像から動画、カメラモーション、動画効果、ループ、シームレス、トレーラー、カットシーン、リップシンク。
Layer で静止画を生成する際に使用：コンセプトアート、キービジュアル、イラストレーション、マーケティング画像、アイコン、およびあらゆるテキストから画像への生成。プロンプトが意図どおりにならない場合、アスペクト比や解像度が違う場合、スタイルやポーズの参照で結果を導きたい場合、画像に判読できるテキストを含めたい場合、複数画像を統一した見た目にする必要がある場合にも使用。キーワード：txt2img, text to image, prompt, aspect ratio, negative prompt, style reference, seed。
GKE TPU Dynamic Slices カスタムリソースを監視、トラブルシューティング、管理します。TPU スライスのライフサイクル状態の確認、スライスのプロビジョニング失敗のトラブルシューティング、単一スライスまたは複数スライス（JobSet）のワークロードマニフェストの検証、停止した finalizer の安全なパッチ適用やスライスコントローラーの無効化に使用します。一般的な GKE クラスターノードプールの作成や標準的な非 TPU ワークロード管理には使用しないでください（代わりに gke-basics または gke-cluster-creation を使用）。
多数の Layer 生成物across で見た目の一貫性を保ちたいときに使用します。スタジオ自身の作品，基于カスタムスタイルや LoRA を学習する、参照集合に含める画像を選定する、学習カテゴリを選ぶ、実行時に参照集合の重みを調整する、またはスタイル参照を添付するのではなく学習すべきかを判断する、といった場合が対象です。また、学習したスタイルが弱く、不安定、または結果が無言で無視される場合にも使用します。キーワード：LoRA、custom model、trained style、reference set、consistency、on-model、art direction、dataset。
GKEシステムメトリクスとPromQLを使って、GKE TPUのワークロード、ノード、ノードプールを監視し、トラブルシューティングします。TensorCoreのデューティサイクル、TPUメモリ、ノードの準備状況、マルチホストTPUノードプールの可用性、ホストメンテナンスやプリエンプションによる中断の監視、GKE TPUのMTTRまたはMTBI指標の算出に使用します。一般的な非TPU GKEワークロードの監視や、メトリクスを使わないTPUデバッグには使用しないでください
Elastic に取り込み済みのデータに基づき、LLM やエージェント型アプリケーションの動作に関する質問に回答します。対象は、レイテンシとエラー率、トークンとコストの使用状況、応答品質とガードレールイベント、エージェント型の呼び出しチェーンのオーケストレーションです。LLM モニタリング、GenAI オブザーバビリティ、トークン消費や AI コスト、モデルのレイテンシ、プロンプトやガードレールの障害、エージェントのツール呼び出しチェーンの実行状況について尋ねられた場合に使用します。
Layer で継ぎ目なく繰り返す必要があるテクスチャを生成するときに使用します。地面、地形、壁、布地、植生、石、木材、パターンによる塗りつぶし、ゲームエンジン向けのタイリング素材などが対象です。また、生成したテクスチャの端に継ぎ目が目立つ、表面全体に明瞭な繰り返しモチーフが現れる、焼き込まれたライティングがエンジンと衝突する、といった場合にも使用します。キーワード：tileable、seamless、tiling、texture、material、pattern、trim sheet、terrain、repeat。
単一回の生成ではなく、保存済みの Layer Blueprint ワークフローを実行するときに使用します。ワークスペースにどのようなワークフローが用意されているかの確認、ワークフローの入力スキーマの読み取り、実行を見積もっての実行、各ステップのポーリング、実行の中止などが対象です。また、あるタスクに再利用できる多段階パイプラインが既にある場合、ユーザーがワークフローを指定した場合、ワークフローの入力にスタイルやファイルが必要な場合にも使用します。キーワード：workflow、blueprint、pipeline、app、multi-step、run、node graph。
draw.io XML 形式（.drawio ファイル）を使用して、専門的な論理フロー図や論理システムアーキテクチャ図を作成します。以下の作成に使用します：(1) システムコンポーネント間のデータ／プロセスの流れを示す論理フロー図、(2) クラウドプロバイダーに依存しないシステム構造を表す論理アーキテクチャ図、(3) BPMN プロセス図、(4) UML 図（クラス図、シーケンス図、アクティビティ図）、(5) データフロー図（DFD）、(6) 意思決定フローチャート、(7) システムインタラクション図。このスキルは汎用／抽象的な表現を対象とし、AWS/Azure 固有のアーキテクチャは対象外です（クラウド図には aws-drawio-architecture-diagrams を使用）。
グラフ情報を活用したミューテーションテストのトリアージです。Trailmark でコードベースを解析し、ミューテーションテストと necessist を実行した後、生き残ったミュータント、不要なテスト文、呼び出しグラフのデータを用いて、誤検知、テストカバレッジの不足、ファジング対象を特定します。生き残ったミュータントのトリアージ、ミューテーションテスト結果の分析、テスト不足の特定、弱いテストからのファジング対象の発見、circomvent や cairo-mutants を含むミューテーションフレームワークの実行、necessist の使用に適用します。
Anthropic が公開する Agent Skills ガイドラインと、grafana/skills の CI ゲートが使用する 4 つの評価軸（簡潔さ、実行可能性、ワークフローの明確さ、段階的な情報開示）に照らして、Grafana の SKILL.md ファイルを作成、監査、改善します。標準的な SKILL.md 構造（YAML frontmatter + 本文 + references/ + scripts/ + assets/）、「pushy description」トリガーパターン、3 段階の段階的情報開示モデル、検証・修正・再実行のフィードバックループを適用します。このリポジトリでの新しいスキルの作成、スキル PR のレビュー、Tessl のレビュー評価が 75 未満（マージゲート）となった場合、スキルの説明がエージェントに認識されない場合、長い SKILL.md をバンドルに再構成する場合、またはスキルの作成、改善、最適化、監査、修正方法を尋ねられた場合に使用します。「skill」と明言されていない場合も対象です（例：「これが起動しない」「Tessl の評価が 72 だった」「このドキュメントを分割して」）。
プロセスのクラッシュ後も継続し、失敗時に自動再試行し、スケジュール実行やイベントへの応答を行い、インフラ障害中も状態を維持する関数の構築時に使用します。イベントを取りこぼす Webhook ハンドラー、不安定な cron ジョブ、実行途中で失敗するバックグラウンドジョブ、中断箇所から再開する必要があるワークフローなどが対象です。Inngest 関数の設定、トリガー（イベント、cron、invoke）、ステップ実行とメモ化、冪等性、キャンセル、エラー処理、再試行、ログ記録、オブザーバビリティを扱います。
Grafana Cloud における Prometheus のラベル戦略を専門的に評価します。カーディナリティのスコアリング、アクセスパターンとの整合、静的／動的ラベルのルール、ヒストグラムのバケット設計、計装の衛生管理に基づき、ラベルスキーマを監査・設計・改善します。系列の一意性を保つラベルを削除してデータを壊すことなく、アプリケーションコードやスクレイプ対象ラベルなど、ソースで高カーディナリティを防ぎます。すでに Grafana Cloud にある系列のコスト削減には adaptive-metrics スキルを案内します。Prometheus のラベルの評価、監査、設計、改善や、ソースで高カーディナリティを防ぐ方法を尋ねられた場合に使用します。「Prometheus が今遅い／高コストなのはなぜか」のトリアージには prometheus-cardinality-troubleshooter を参照してください。
サーバーレス Redis（キャッシュ、セッション、リーダーボード、キーバリューストレージ）、Ratelimit（レート制限とスロットリング）、QStash（メッセージキュー、cron スケジュール、バックグラウンドジョブ）、Workflow（永続的な長時間実行関数）、Vector（埋め込み、セマンティック検索、RAG 向けベクトルデータベース）、Search（全文検索とセマンティック検索）、Box（AI エージェント向けのサンドボックス化されたクラウドコンテナ。TypeScript/JavaScript と Python に対応）、Blob（ブラウザーからの直接アップロードに対応するサーバーレスの S3 互換ファイルストレージ）、Upstash CLI、エージェント向けの登録不要な一時 Redis など、Upstash のあらゆる製品、SDK、ツールを扱います。ユーザーが Upstash に言及した場合、またはサーバーレス、エッジ、Node.js アプリでこれらの機能が必要な場合に使用します。
ミューテーションテストに基づいてテストベクトルを生成します。暗号アルゴリズムまたはプロトコルの実装を見つけ、ミューテーションテストを実行して検出されなかったミュータントを特定し、未カバーのコードパスを意図的に実行する新しいテストベクトルを生成します。ミューテーション前後のミュータント検出率を比較し、テストベクトルの有効性を検証します。暗号テストベクトルの生成、Wycheproof のカバレッジ不足の測定、ミューテーションテストによる未検出ミュータントの特定、実装間テストスイートの作成、暗号プリミティブのテストベクトルカバレッジ向上に使用します。
有効化には、.NET のカバレッジレポート、割合、行・分岐・条件の指標が提供されているか、分析用に .NET カバレッジを収集する明示的な依頼が必要です。対象：Cobertura データ、部分条件、停滞、目標値の計算、プロジェクト全体のカバレッジに基づく CRAP、カバレッジに基づくリファクタリングの安全性などのデータ解釈。提供されたレポートを直接分析し、テストの再実行やツールのインストールは行いません。対象外：カバレッジの根拠も収集の明示的な意図もない依頼（仮定上の変更耐性に関する質問を含む。test-gap-analysis を使用）；名前が指定された単一の対象に対する CRAP またはリファクタリングの安全性（crap-score を使用）；test-tagging、find-untested-sources、test-anti-patterns、run-tests、code-testing が担当する依頼。
本番環境向けの ML パイプライン基盤を設計・実装します。MLflow または Weights & Biases による実験トラッキングの設定、トレーニングをオーケストレーションする Kubeflow または Airflow の DAG 作成、Feast によるフィーチャーストアのスキーマ構築、モデルレジストリのデプロイ、再トレーニングと検証のワークフローの自動化を行います。ML パイプラインの構築、トレーニングワークフローのオーケストレーション、モデルライフサイクルの自動化、フィーチャーストアの実装、実験トラッキングシステムの管理、データのバージョン管理のための DVC の設定、ハイパーパラメーターの調整、Kubeflow、Airflow、MLflow、Prefect などの MLOps ツールの設定に使用します。
プロセス再起動後も維持する遅延（例：カート放棄から24時間後の処理、予定されたフォローアップ）、タイムアウト付きでの人による承認や外部イベントの待機（レビューフロー、webhook コールバック、非同期 API の完了）、クラッシュ時に状態を失わない外部サービスのポーリング、他の関数の呼び出しと結果待ち、リトライ時に高コストな処理を再実行しないためのメモ化、ワークフロー内での非同期処理の並列実行に使用します。Inngest のステップメソッド step.run、step.sleep、step.waitForEvent、step.waitForSignal、step.sendEvent、step.invoke、step.ai に加え、ループと並列実行のパターンを扱います。
TypeScript/Node.js アプリケーションのセキュリティレビューを行い、XSS、インジェクション、CSRF、JWT/OAuth2 の脆弱性、依存関係の CVE、シークレットの漏えいについてコードを検証します。セキュリティ監査、デプロイ前、認証／認可の実装レビュー、Express、NestJS、Next.js の OWASP 準拠確認に使用します。「security review」「check for security issues」「TypeScript security audit」で起動します
Figma のajoskoja enthal ديد を 1:1 の視覚的一致性を持つ本番対応のアプリケーションコードに変換します。Figma ファイルから UI コードを実装する場合、ユーザーが "implement design"、"generate code"、"implement component" と言及した場合、Figma URL が提供された場合、または Figma の仕様に一致するコンポーネントの構築が求められた場合に使用します。`use_figma` による Figma キャンバスへの書き込みには `figma-use` を使用します。
AuthenticationServices と LocalAuthentication を使って iOS の認証フローを実装します。「Apple でサインイン」、ASAuthorizationPlatformPublicKeyCredentialProvider によるパスキー/WebAuthn の登録またはサインイン、ASAuthorizationController による資格情報の状態と失効処理、ASWebAuthenticationSession による OAuth またはサードパーティーログイン、パスワードの自動入力、ID トークンのサーバー検証、LAContext によるローカルの生体認証再認証を構築する際に使用します。
fetcher.sh上のX APIおよびTwitter APIの代替手段です。x402経由でUSDCを使った従量課金、またはBearer keyによるクレジット前払いに対応し、OAuthや開発者申請は不要です。キーワード、ハッシュタグ、高度な演算子（from:、to:、since:、until:、min_faves:、filter:）によるX投稿の検索、ハンドル名によるX/Twitterプロフィールのスクレイピング、ユーザーの投稿・返信・フォロワー・フォロー中アカウントの取得、個別投稿と返信やリポストしたユーザーの取得、X Listのメンバーや投稿の閲覧、国別トレンドの確認、名前によるXアカウント検索に使用します。公式X APIの料金体系やアプリ審査プロセスを経ずに、Xデータパイプラインの構築、ソーシャルリスニング、競合モニタリング、ハッシュタグ追跡、フォロワーのエクスポートを行う場合にも対応します。
Salesforce Lightning ページ（FlexiPages）の作成、生成、変更、検証が必要な場合に使用します。RecordPage、AppPage、HomePage、Lightning ページ、ページレイアウト、ページへのコンポーネント追加、ページのカスタマイズについて言及した場合に起動します。「Lightning ページを作成」「ページにコンポーネントを追加」「レコードページをカスタマイズ」「FlexiPage を生成」といった依頼や、FlexiPage XML ファイルを扱い、コンポーネント、領域、デプロイエラーの支援が必要な場合にも使用します。「ページ」とだけ言及した場合でも、FlexiPage 関連の作業には必ず使用してください。
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。