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 101,174 件掲載。コマンド 1 行でインストールできます。
すべて
DaVinci Resolve が特定の形で壊れている場合に使用する——再生インジケーターが赤い、メディアが見つからない、クリップがオフライン、音声が同期しない、GPU/レンダーのクラッシュ、レンダーキューが止まる。トリガーとなる症状には "Resolve is dropping frames"、"media offline"、"clips show red diagonal"、"audio drifts"、"Resolve crashes when rendering"、"GPU error" といった表現や、DaVinci Resolve に関するあらゆる "why is X broken" の質問が含まれる。
Docker 上で AI/ML ワークロードを実行するためのガイダンス。Docker Model Runner（ローカル LLM 向けの docker model pull/run）、Docker Agent（コーディングタスク向けのマルチエージェントオーケストレーション）、AI エージェントを分離実行する Docker Sandboxes、GPU アクセラレーション（nvidia-container-toolkit、--gpus フラグ）、Docker による AI モデルサービング、オープンソース LLM（Llama、Gemma、Qwen）のローカル実行を扱います。ユーザーが docker ai、docker model runner、ローカル LLM、docker agent、GPU docker、sandbox、モデルサービングについて尋ねたとき、または Docker で AI モデルをデプロイする必要があるときに使用。使用場面：docker ai、model runner、ローカル LLM、docker agent、GPU docker、sandbox、AI モデルデプロイ。
フルスタックPython／Reactアプリ向けのPlaywrightエンドツーエンドテストパターンです。ユーザーワークフロー全体（ログイン、CRUD、ナビゲーション）のE2Eテスト、クリティカルパスの回帰テスト、クロスブラウザ検証を書くときに使用します。テスト構成、ページオブジェクトモデル、セレクター戦略（data-testid > role > label）、待機戦略、認証状態の再利用、テストデータ管理、CI連携を扱います。ユニットテストやコンポーネントテストは対象外です（pytest-patternsまたはreact-testing-patternsを使用してください）。
エッセイやブログ記事向けの高品質なアニメーション解説ビジュアルを作成する。ユーザーがインタラクティブな Web アニメーションで概念、プロセス、データ、アイデアを可視化したいときに使用する。「create a visual for」「animate this concept」「make an explainer」「visualize this idea」「diagram this process」「show this data」などのリクエストや、エッセイの内容が視覚的な説明に適している場合に起動する。抽象的な概念（メンタルモデル、フレームワーク）、技術的なプロセス（アルゴリズム、システム）、データ可視化（トレンド、比較）を扱う。Web コンテンツに直接埋め込める自己完結型の HTML/CSS/JS を出力する。
誰もまだ作業したことのないリポジトリの初回オリエンテーション。固定された 5 ステップのワークフロー — venv セットアップ、tarball 取得、tree-sitting による構造スキャン、feature の統合、そしてその 2 つに対する推論 — を実行し、リポジトリに何が含まれ、どのように構成されているかの説明を生成する。任意で _FEATURES.md として書き出す。「これをクローンしたばかり」「このリポジトリは何か」「これは何をするのか」「このリポジトリを探索して」「オリエンテーションをして」「主な機能は何か」「このリポジトリの新着を確認して」といった場合や、見たことのないコードベースで作業を始める前に使用。これは発散型の「ここに何があるか」skill。以下は別の skill にルーティングする：特定のシンボル、ファイルの構造や行範囲（tree-sitting）、Python シンボルのすべての呼び出し元（searching-codebases）、演習を通じて人にコードベースを教える（orienting-codebases）、分析せずにリポジトリを取得またはクローンする（accessing-github-repos、cloning-project）。
FFmpeg と ASS/SSA のアニメーションタイミング単位、最適な時間、ベストプラクティスの決定版リファレンス。次の場合に積極的に有効化する：(1) アニメーションタイミングの質問、(2) ASS 字幕のタイミング、(3) カラオケのタイミングタグ、(4) キャプション表示時間の計算、(5) トランジション時間の選択、(6) フェード/ズームのタイミング、(7) フレームレートの考慮、(8) プラットフォーム固有のタイミング（TikTok/Shorts/Reels）、(9) 可読性の計算式、(10) 音声と映像の同期許容範囲。提供内容：完全な時間単位のリファレンス表、最適な時間のガイドライン、心理学に基づくタイミングの推奨、キャプション可読性の計算式、プラットフォーム固有のタイミングプロファイル。
ユーザーが食品・飲料のサプライチェーンの最適化、腐敗しやすさの管理、食品安全の確保、小売流通の対応を望むときに使用する。また、ユーザーが「食品サプライチェーン」「飲料流通」「HACCP」「食品安全」「生鮮物流」「賞味期限管理」「FEFO」「farm to fork」「CPG 流通」「食料品サプライチェーン」「生鮮青果物流」に言及したときにも使用する。小売配分については retail-allocation を参照。販促計画については promotional-planning を参照。
行動観察を伴う構造化されたプレイテストセッションの計画、実施、分析をユーザーが望むときに起動する。プロトコル設計、観察者ガイド、データ統合を扱う。トリガー: "playtest"、"player feedback"、"usability test"、"observation session"、"playtest analysis"。QA のバグテスト（game-qa-lead を使用）やバランス調整（game-balance-check を使用）には起動しない。AlterLab GameForge コレクションの一部。
ユーザーが geogrid スキャンでローカルランキングデータを分析したい、地理的エリア全体のマップパックランキングを解釈したい、または ARP/ATRP/SoLV 指標を理解したい場合に使用します。ユーザーが "geogrid"、"rank grid"、"local rank tracking"、"Local Falcon"、"grid scan"、"map pack rankings"、"ranking heatmap"、"where am I ranking" に言及した場合にも使用します。より広範なローカル監査については local-seo-audit を参照。競合分析については local-competitor-analysis を参照。
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。