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
OpenAPI 仕様、フレームワークのルート、コントローラー、リクエスト/レスポンスモデル、バリデーションルール、テストから、根拠に基づく API ドキュメントを生成または更新する。ユーザーが API やインターフェースのドキュメント、ルート一覧、エンドポイントリファレンス、OpenAPI 由来のドキュメント、コードと API ドキュメントの同期を明示的に求めた場合に使用する。OpenAPI ファーストのプロジェクトと、Spring、FastAPI、NestJS、Express、Gin 向けのフレームワーク固有の検出に対応する。汎用的な製品ドキュメントには使用しない。
AIエージェント向けのアーティファクトレイヤーです。artifact.cafeはAIエージェント向けのアーティファクトレイヤーです。インタラクティブな静的アーティファクト（HTMLアプリ、ダッシュボード、モックアップ、レポート、スライド、ドキュメント）をレビューURLに公開し、人間がログイン不要で開いて直接コメントできます。フィードバックは要素やテキストにピン留めできます。その後、作成者は新しい不変バージョンを公開します。「レビュー用に公開」「フィードバック用に共有」「コメントできるようオンラインに置く」「レビューを依頼」「プレビューを公開」「レビューリンクを作成」「アーティファクトを公開」「レビュアーに送る」「v2を公開」「投票を作成」「ゲストブック」「RSVP」「投稿を集める」と依頼された場合に使用します
人の秘書として、タスクを要約し、その人の発言や依頼をタスクに逐語的に記録します。トリガー：「自分のタスクは何？」「何が待っている？」「調子はどう？」「残っているのは？」「質問はある？」「このタスクはどうなってる？」「№Nはどう？」「誰が何をしている？」「何が緊急？」「新しいことは？」「どこまで進んだ？」「あなたは…と言った？」「…に伝えて」「…って何？」「エージェントにタスクを割り当てて」「エージェントに依頼して」「エージェントに…するよう伝えて」「何を進めている？」「何を依頼した？」「未処理のタスクは？」「放置されたタスクを整理して」「アシスタント」。iskron_* が必要です。
TDD の git-worktree ワークフローを通じて機能開発やバグ修正をエンドツーエンドで行う — 対話的（開発者主導）または無人（自律モード、ディスパッチャー駆動）。「implement issue #N」「fix this bug」「add a feature」「create a worktree」「write test cases」「push and open a PR」「check CI」「address review comments」「resolve review threads」「/q review」「/codex review」「implement this autonomously」などのフレーズ、または設計 → worktree → テスト → 実装 → 検証 → レビュー → PR → CI → E2E ライフサイクルの任意の部分ステップで起動する。対話モードでは意思決定を求め、自律モードでは autonomous-mode.md に従って意思決定し、GitHub issue に進捗コメントを投稿する。
エンドツーエンドの PR レビューを実施し、承認 / 変更要求の判定に到達するために使用する — 受け入れ基準の検証、ブラウザ自動化による E2E テストの実行、マージコンフリクトの解消、（判定が通った場合の）PR のマージを含む。「review this PR」「decide whether to approve and merge」「run E2E verification」「resolve merge conflicts on PR #N」などのフレーズ、またはディスパッチャーが `pending-review` / `reviewing` のラベルが付いた PR を自律レビューに引き渡したときに起動する。開発中の開発側セルフレビュー（autonomous-dev の pr-review ステップにある）とは異なる。
`es-fluent-manager-bevy` 0.21 を使って Bevy 0.20 アプリにローカライズを追加する場合、`#[derive(EsFluent)]` で型付きメッセージを定義する場合、UI テキストを `FluentText<T>` でラップする場合、`#[derive(BevyFluentText)]` でロケール更新を自動登録する場合、または `LocaleChangeMessage` / `LocaleChangedMessage` でロケールを切り替える場合に使用します。`I18nPlugin`、`RequestedLanguageId`、`ActiveLanguageId`、`i18n.toml` の設定、`.ftl` アセットのホットリロードを扱います。
ブログ記事の詳細なコンテンツブリーフを生成します。ターゲットキーワード、コンテンツのアウトライン、競合分析、推奨統計、画像とグラフの提案、目標文字数、内部リンクの設計、テンプレートの推奨（12 種類）、TL;DR の下書き、引用カプセルの計画、インフォメーションゲインのプロンプト、マルチチャネル配信計画を含みます。ブリーフは Google でのランキングと AI 引用（GEO/AEO）に最適化されています。ユーザーが "content brief"、"blog brief"、"write brief"、"outline blog"、"plan blog post"、"blog outline"、"content outline" と言ったときに使用します。
AI 引用の準備状況監査のみ（Google のランキングには関与しません。Google と AI の両方を扱う場合は blog-rewrite を使用してください）。ユーザーが自身のコンテンツを ChatGPT、Perplexity、Claude、Gemini、Google AI Overviews で上位表示させたいときに常に使用します。AI 引用の最適化監査で、ブログ記事の ChatGPT、Perplexity、Google AI Overview における引用されやすさを採点します。パッセージレベルの引用しやすさ、Q&A 形式、エンティティの明確さ、構造化データ、AI クローラーのアクセシビリティを評価します。引用カプセルと 0-100 の AI Citation Readiness スコアを生成します。ユーザーが "geo"、"ai citation"、"ai optimization"、"citation audit"、"aeo"、"perplexity optimization"、"chatgpt citation" と言ったときに使用します。
執筆後の SEO 検証を合否チェックリストで行います。title タグの長さとキーワードの配置、meta description の品質、見出しの階層とキーワード密度、内部/外部リンクの監査とアンカーテキストの分析、canonical URL の検証、Open Graph meta タグ（og:title、og:description、og:image）、Twitter Card の検証、URL 構造の最適化、画像 alt テキストの有無を対象とします。優先順位付きの修正リストと具体的な推奨事項を出力します。ユーザーが "seo check"、"check seo"、"validate seo"、"blog seo"、"seo validation"、"on-page seo"、"title tag check"、"meta description check"、"heading check"、"link audit" と言ったときに使用します。
BMAD のプランニングワークスペースを初期化する：規模に適応する TRACK（Quick Flow / BMad Method / Enterprise）を対話的に選択し、出力フォルダ、設定ファイル、空の decision-log.md、および project-context.md の「憲章」をスキャフォールドする。ユーザーが「initialize BMAD」「set up BMAD」「start a new BMAD project」「scaffold the planning workspace」「bmad init」「create the bmad config」と言う場合、またはプランニングを開始し bmad-output/ フォルダがまだない場合に使用する。ユーザーが「which track should I use?」や「what scale is my project?」と尋ねるときにも使用する。これは他のあらゆるプランニングワークフロー（brief、PRD、architecture、stories）より前に実行する最初のスキルである。
監査可能なエージェントチーム：BMAD 全自動開発パイプラインのオーケストレーター。9 つの専門 Agent（PM、アーキテクト、UI Designer、Tech Lead、Scrum Master、Frontend、Backend、QA、DevOps）を要件からデプロイまでオーケストレーションし、各ステップにイベントソーシング + 回避不可能なゲート + 決定論的 eval を備えます — テストが本当に実行され、ゲートが本当に通過したことを検証できます。単一工程のスライスコマンド（/boss:plan /review /qa /ship）と、CLI なしの純粋な Markdown フォールバックをサポートします。 Triggers（全パイプライン）: 'boss mode', '/boss', '全自动开发', '从需求到部署', '帮我做一个', 'build this', 'ship it', '全流程', '自动化开发', '一键开发', 'start a project', 'new feature' Triggers（単一工程のスライス、既存プロジェクトで最もよく使用）: - /boss:review — '帮我评审', '代码评审', '技术评审', '看看这段代码有什么问题', '风险评估', 'review this', 'review my PR', 'code review' - /boss:qa — '跑一下测试', '补测试', '检查质量', '测试覆盖够不够', '门禁过了吗', 'run the tests', 'check quality', 'add tests' - /boss:plan — '先出个方案', '写个 PRD', '设计一下架构', 'write a spec', 'plan this feature' - /boss:ship — '可以发布了吗', '部署检查', 'ready to ship', 'deploy checks' Does NOT trigger: - 単一ファイルの変更や簡単なバグ修正（直接編集すればよい） - 純粋なコードの読解や説明（read ツールを使用） - 既に pipeline が実行中の重複起動 - ごく小さな作業（手作業で 30 分未満で完了見込み、PRD/アーキテクチャ/ゲート記録が不要） Output: 完全なプロジェクトコード + PRD/アーキテクチャ/UI/テスト/デプロイのドキュメントを .boss/<feature>/ ディレクトリに書き込み
/home/ubuntu/RL で作業する NeMo-RL エージェント向けの Brev インスタンス運用ガイド。ワークスペースディスクが限られている一方で /ephemeral ボリュームが大きく、任意で /home/ubuntu/RL/.env のシークレットを使用する。使用場面：自動リサーチキャンペーン、実験、トレーニングジョブ、モデルやデータセットのダウンロード、共有キャッシュを多用するコマンド、ログを生成する実行、チェックポイント生成、W&B や Hugging Face の認証を伴うワークフロー、その他 Brev 上で大きなファイルを作成する可能性のあるワークフロー。
QA が TestRail の成果物を手動インポートまたは作成した後、既存の TestRail Cases または Plans/Runs を CawPlan のマッピングに手動でリンクします。リンクの照合には refs 内の requirement_id + test_point_id のみを使用し、ハッシュ検証は行いません。用途：refs に基づく CSV インポート済みケースのリンク、手作成の TestPlan/TestRun と CawPlan チケットの紐付け、用例の逆リンク、refs マッピング、Plan Run の紐付け、手動インポート後のリンク。A3 CSV インポート後の理想的な手順：auto Suite → AutoScan → 1 回確認。対象外：TestRail ケースの作成（`cawplan-testcase-import` を使用）、Plans/Runs の作成（`cawplan-testplan-layout` を使用）、ケースの生成／エクスポート（`cawplan-testcase-generate` を使用）、実行進捗や不具合の登録。
Mac のディスク容量を解放したいときに使用します。\"clean my Mac\"、\"free up space\"、\"disk full\"、\"where did my storage go\"、\"全自动清理 Mac\"、\"清理储存空间\"、\"Xcode is eating my disk\"、\"Docker is huge\"、\"what's taking my disk\"、\"show me a disk map\"、\"set up auto cleanup\"、\"find large unused folders\"、\"find old AI models\"、\"schedule cleanup\" でトリガーされます。任意のパスからファイルシステムを走査し、51 モジュールの判定レジストリに基づいてすべてのフォルダを auto-safe / review / never-touch / unknown に分類し、一括の自動クリーンアップと項目ごとの対話的なレビューの両方をサポートします。launchd 経由で定期的な自動クリーンアップをインストールできます。
Contentstack のアセットの整理、配信、変換について開発者に助言します。フォルダー構成、Image Delivery API による変換、公開ライフサイクル、CDN の動作、一般的な制限を扱います。stack のアセットライブラリ内の画像やその他のメディアファイルのアップロード、整理、配信、変換、公開、トラブルシューティングについて開発者が尋ねた場合に使用します。スタンドアロンの Assets DAM（spaces、workspaces、duplicate sets、saved views、visual markups）には asset-management を使用してください。ユーザー定義フィールドの読み取りや更新には対応していません。asset-management と Assets API を使用してください。
Contentstack で最もシンプルで再利用可能な構造を使ってコンテンツをモデル化する方法を開発者に案内します。このスキルでは、コンテンツタイプ、参照、グローバルフィールド、グループ、モジュラーブロック、JSON RTE、タクソノミー、タグを使う場面を説明し、過剰なモデル化、深い参照チェーン、チャネル固有のスキーマの肥大化を避ける方法を示します。スキーマの作成や変更前に、Contentstack のコンテンツモデルを設計、レビュー、リファクタリングするときに使用します。
現在の cmux ワークスペースで、コントローラーエージェントから Claude Opus と Codex GPT-5.5 のワーカー TUI をオーケストレーションする。範囲を限定したタスクをワーカーペインに委任するとき、プラン優先の委任（Claude Code plan mode、Codex Plan mode）を実行するとき、ワーカーの状態を監視・追跡するとき、ワーカーの報告を検証するときに使用。エンドユーザーによる cmux 操作向けではない（cmux、cmux-workspace を参照）——これはエージェントワーカーを動かすもの。
ユーザーが「分析编译效率」、「分析编译时间」、「查看头文件依赖」、「保存编译命令」、「提取编译命令」、「生成编译脚本」、「保存这个文件的编译命令」、「单独编译这个文件」、「编译单个文件」、「单编文件」、「独立编译文件」、「分析这个文件的头文件依赖」、「头文件依赖关系」、「这个文件依赖了多少头文件」、「analyze compilation」、「check header dependencies」、「分析文件编译开销」、「save compile command」、「extract compile command」、「generate compile script」、「compile single file」、「compile individual file」、「standalone compile」、「analyze header dependencies」、「header dependency tree」、「how many header files」と要求した場合、または ace_engine プロジェクトの特定のソースファイルについてコンパイル性能、ビルド時間、include 依存関係の分析、コンパイルコマンドの抽出・保存、スタンドアロンコンパイルスクリプトの生成、ファイルの単独コンパイル、ヘッダーファイル依存関係の分析に言及した場合にこのスキルを使用する。タイミング、リソース使用量、自動保存付きの依存関係ツリー可視化、パフォーマンス監視付きの再利用可能なコンパイルスクリプトの保存機能、生成されたスクリプトを用いたスタンドアロンコンパイル機能を含む包括的なコンパイル効率分析を提供する。
アクセシビリティ、コンポジション、スタイリングに焦点を当てた React コンポーネントエンジニアリングの正式標準を適用する。プロフェッショナルでコンポジション可能な React 成果物を構築するために使用。React コンポーネントの作成やレビュー時には積極的に使用する。例:- user: "/component-create Button trigger" → asChild とキーボードマップでアクセシブルな button を構築 - user: "/component-review src/components/Input.tsx" → アクセシビリティとコンポジションの準拠を監査 - user: "Build a responsive slider" → 分類タイプを選び data 属性で実装 - user: "Review my layout component" → モノリシックなパターンかコンポジションかを確認
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。