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
エージェントが法律条文、司法解释、典型事例以外の補助的な法律情報を検索する必要があるときに発動するスキル。具体的には、立法背景資料(草案説明、審議報告、立法機関の記者会見)、規制事例と行政処分決定、地方の指導意見と会議議事録、部門規則の起草説明と政策解説、業界標準と技術仕様、法律実施状況報告、人民代表大会常務委員会の法執行検査報告、白書と政策文書、学術上の通説と権威ある教材の見解、域外法の比較資料などを含むがこれらに限らない。ユーザーの質問が「なぜこのように規定されているのか」「立法目的は何か」「実務で監督部門はどう対応するのか」「地方にどのような特別規定があるのか」「業界慣行は何か」といった文脈に触れる場合に、本スキルを発動すべきである。
PanelUI の Web コレクションを使って React の Web UI を構築します。shadcn レジストリまたは npm からコンポーネントを追加し、テーマに合わせて色を設定して、フレーム付きパネルに組み合わせます。@panelui レジストリを設定した shadcn/ui または panelui-web を導入済みの React プロジェクトでの作業、Web 版 PanelUI への言及、React でドット状の地球儀、KPI カード、カンバンボード、ノードグラフ、アクティビティグリッド、フィードバックダイアログを求める場合に適用されます。
LaTeX の表と図を出版品質に仕上げる。研究者が表の書式、booktabs、図のレイアウト、サブフィギュア、キャプション、色覚多様性に配慮した色やパレット、cref/cleveref の一貫性、overfull hbox、列幅に言及したとき、または表と図を学会(ACM、IEEE、NeurIPS、LNCS、CHI)向けにプロフェッショナルでカメラレディな見た目にしたいと依頼したときに使用する。横罫線と縦罫線の表を booktabs に変換し、ページ予算内で列幅を調整し、subcaption でサブフィギュアをレイアウトし、学会系統ごとのキャプション慣例(表のキャプションは上、図のキャプションは下、ACM Description の代替テキスト)を適用し、ref/cref の不一致を修正し、同梱の stdlib Python リンターとパレット生成器を用いて色覚多様性に配慮したパレット(Okabe-Ito、Paul Tol)を推奨する。変更するのは提示のみ——データ値、単位、結果は決して変更しない。
セマンティックモデルのパーティションで Power Query M 式を作成、検証、テストします。ユーザーが "Power Query"、"M code"、"M expression"、"partition expression"、"query folding" に言及した場合、または "write Power Query"、"fix Power Query"、"test a partition"、"preview partition data"、"debug Power Query step"、"optimize Power Query" を依頼した場合に自動的に呼び出します。
Python 向けの完全な OpenCV コンピュータビジョンシステム。次の場合に積極的に有効化してください:(1) cv2.imread による画像読み込み(BGR 形式の落とし穴)、(2) cv2.VideoCapture による動画キャプチャ、(3) 色空間変換(BGR から RGB、HSV、グレースケール)、(4) 画像フィルタリング(GaussianBlur、medianBlur、bilateralFilter)、(5) エッジ検出(Canny)、(6) cv2.findContours による輪郭検出、(7) 補間法による画像リサイズ、(8) テンプレートマッチング、(9) 特徴検出(SIFT、ORB、AKAZE)、(10) 描画関数(rectangle、circle、text)、(11) cv2.VideoWriter による動画書き出し、(12) モルフォロジー演算、(13) cv2.dnn モジュールによるディープラーニング、(14) cv2.cuda による GPU 高速化、(15) 座標系(x,y と row,col)の落とし穴。提供:画像処理パターン、動画キャプチャ/書き出し、メモリ管理、パフォーマンス最適化、Jupyter notebook の回避策。BGR の正しい扱いとメモリセーフな OpenCV の使用を保証します。
Kiro での仕様ベース開発のための自動反復エージェントランナー。kiro-cli を自己修正する bash ループでラップし、Kiro の仕様からタスクを取り出して 1 つずつ実装し、終了基準に照らして検証し、反復を重ねるごとに修正とコードベースのパターンを蓄積する。ユーザーが "ralph loop"、"ralph"、"spec loop"、"iterative spec runner"、"run my spec tasks automatically"、"kiro spec automation"、"self-correcting agent loop"、"implement spec tasks in a loop"、"run kiro-cli in a loop"、"automated task implementation" に言及したとき、または反復的なエージェントのイテレーションで Kiro の仕様を完了まで進めたいときに、このスキルを使う。ユーザーが Ralph Loop ワークフローのセットアップ、設定、トラブルシューティング、理解を望むときにも使う — 進捗トラッキング、修正、コードベースのパターン、タイミングログ、サマリーダッシュボードを含む。
コードベースのツール定義とスキル定義を失敗モードのルーブリックに照らして監査し、定義ごとの改写前後の対照を含む markdown のチューニング計画を書き出す。これにより、Ratel の語彙 + 意味のハイブリッドインデックスで検索可能になり、モデルが使えるようになる。モデルが間違ったツールを選ぶ、ツールがまったく選ばれない、説明が長すぎる/曖昧/弱い、重複に近いものを修正する、schema/enum/パラメータ名を引き締める、ツールカタログを整理する、または `/ratel-tune-definitions` の場合に使用。稼働中の Ratel ドキュメントを取得し、ツールやスキルのコードを編集せずに <repo>/.ratel/ に書き出す。これは /ratel-assessment の Definition Quality 次元が導く修正であり、/ratel-decompose-prompt の後に実行する。
1 つの機能に関する完成した技術設計ドキュメント(TDD / エンジニアリング設計ドキュメント / 設計 RFC)をレビュー/判定するときに使う。エンジニアが設計を再導出せずに実装できるかを判断する。作成ではなく受け入れゲートである。単一ソースの 11 条件からなる実装可能性の基準を判定する:すべての決定が双方向に要件へたどれる;1 つの機能にスコープが限定されている;アプローチと分解が実装可能で、図が記述と同期している;api-spec や data-model が担うインターフェースは参照され、重複していない;判断基準を伴う実際の代替案が 1 つある;失敗モードに対処法がある;可観測性のシグナルが明示されている;テストが失敗と契約適合をカバーしている;ロールアウトとロールバックに測定可能なトリガーがある;捏造された内容がない;amend は差分スコープでレビューされる。`VERDICT: approve|revise` と所見のみを出力し、薄いが完全な TDD を誤って revise としない。作成、上流の PRD や feature-spec、api-spec や data-model、一般的な設計ドキュメントや RFC には適用しない。
定期的な営業パフォーマンスレビューの複合スキル。ある期間に行われたすべての営業施策——アウトバウンドキャンペーン、インバウンドの取り組み、イベント、パートナーシップ、コンテンツ、紹介——を集約し、それぞれがパイプラインと収益に与えた影響を測定する。施策レベルのパフォーマンス、施策間の比較、パイプラインのアトリビューション、うまくいっている点、いっていない点、次にどこへ投資すべきかを網羅した、チームに提示できるレポートを作成する。ツール非依存——CRM、アウトリーチツール、トラッキングシステムの任意の組み合わせからデータを取得する。
Kubesec で Kubernetes リソースマニフェストを採点し、デプロイ前に設定ミスや権限昇格のリスクを検出し、各検出事項を修正する securityContext の変更に対応付ける。CI でマニフェストをゲートするとき、YAML やレンダリング済み chart をクラスタに到達する前にレビューするとき、マニフェストがなぜマイナス評価になったかを説明するときに使用する。キーワード:Kubesec、マニフェストスコア、securityContext、readOnlyRootFilesystem、runAsNonRoot、CI ゲート。ビルド済みイメージの CVE スキャンには使用しない — scanning-docker-images-with-trivy を使用し、アドミッション時の強制には implementing-opa-gatekeeper-for-policy-enforcement を使用する。
Agentforce Contact Center の音声チャネルのセットアップをエンドツーエンドで調整する:国と電話番号タイプの選択を収集し、選択された番号を調達し、その CommunicationChannelLine を解決し、番号が有効であることを検証し、アクティブな PstnVoice MessagingChannel を作成する。ユーザーはルーティングモデルを選ぶ:Omni Queue(コンタクトセンターのキューにルーティング)または Omni Flow(Agentforce エージェントにルーティングし、そのエージェントとルーティングフローを作成または再利用)。ユーザーが Agentforce Contact Center のセットアップ、コンタクトセンターの電話番号と音声チャネルの同時プロビジョニング、または Agentforce エージェントのネイティブ音声への配置を求めたときに使用する。ユーザーが set up agentforce contact center、configure contact center voice、create a voice channel with omni flow and an agentforce agent と言ったときにトリガーする。番号の調達が不要で既存のチャネルを既存のエージェントに接続するだけの場合、または音声以外のメッセージングチャネルを作成する場合はトリガーしない。
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。
