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
Field Service Mobile フロー（processType='FieldServiceMobile'）を DataCaptureFlow へ完全自動で移行する。org からフロー XML を取得し、トランスフォーマースクリプトを実行して実行グラフを再構築しすべてのフィールド型を変換し、移行したフローを Draft としてのみデプロイし（アクティベーションは常に検証後の別個の手動管理者ステップ）、機能的等価性の差分を報告する。ほとんどのフローを手動介入なしでエンドツーエンドで処理する。1 つのコンポーネントの削除や 1 つの要素の並べ替えのように些細に見える変更でも、必ずこのスキルを使用すること——Data Capture のランタイムは Flow Builder のプレビューとは異なる動作をし、それを考慮できるのはトランスフォーマースクリプトだけである。ユーザーが従来の Field Service Mobile フロー `.flow` / `.flow-meta.xml` ファイルを Data Capture で移行、モダナイズ、変換、監査、置き換えしたい場合、または移行の準備状況を評価したい場合に使用する。既存の Data Capture フローの編集や新規作成には使用しない——対象は一度きりのレガシー移行のみである。
あらゆる問題を根本的な真理まで分解し、原子のレベルから解決策を再構築する。ユーザーが「firstp」「first principles」「from scratch」「what are we assuming」「break this down」「atomic」「fundamental truth」「physics thinking」「Elon method」「bedrock」「ground up」「core problem」「strip away」と言ったとき、または物事のやり方に関する前提に疑問を投げかけるときに使用。
Footprint WMS データを扱う OData クエリ、データソース、フロー、レポートを設計するときに使用する。つまり Tasks、Shipments、ArchivedShippingLicensePlateContents (ASLPC)、LicensePlate、Lot、Material、Project、Owner などのエンティティ、または Footprint の業務概念（受入、出荷、在庫アーカイブ、ライセンスプレート、固定重量/実測重量、梱包）を照会するあらゆる場面。OData メタデータだけでは分からないナビゲーションチェーン、フィルターの慣例、重量計算、除外ルールを記録する。Footprint エンティティ上にフローのデータソースを構築する前に使用する。非 Footprint アプリ（WMS データを扱わないカスタムアプリ）ではスキップする。
過剰な設計をせず、最小限でアクセシブルな Web UI を書く。プロジェクトが使う技術スタック（React、Vue、Svelte、Angular、Web Components、プレーン HTML）に適応する。マークアップやコンポーネントの作成・レビュー、フォームの構築、ボタン、ダイアログ、アコーディオン、タブなどのインタラクティブ要素の追加、コードのアクセシビリティ監査を行うすべてのプロジェクトとタスクでこのスキルを使用する。ユーザーがアクセシビリティに言及していない場合でも、フレームワーク、CMS、デザインシステムの内部であっても同様である。プロジェクトの種類、スタック、締め切りに関係なく必須である。ARIA 属性、ダイアログライブラリ、フォーカストラップパッケージ、ヘッドレス UI コンポーネントに手を伸ばそうとしている？まずこのスキルを使用する。
Futu OpenAPI 上で単一銘柄の基準価格グリッドプログラムを実装するよう AI をガイドします。まず 6 つのパラメーターを検証し、再起動に安全な指値注文の照合ループを作成して、ペーパー口座で受け入れ確認します。グリッド戦略、グリッドプログラム、クオンツ・グリッド、グリッド取引ボットを希望する場合、または「网格策略」「网格程序」「量化网格」「网格交易机器人」「实现网格」「帮我写一个网格」と依頼した場合に使用します。リクエストのフィールドは OpenAPI llms.md に従います。このスキルはリクエスト本文を繰り返しません。デフォルトはペーパー口座です。
CIS Google Cloud Platform Foundation Benchmark v2.0.0 に基づいて GCP のセキュリティ態勢レビューを実施する。GCP インフラ、IAM バインディング、VPC ファイアウォールルール、Cloud Audit Logs、GCS バケットのセキュリティをレビューする際に自動的に呼び出される。7 つすべてのベンチマークセクションを順に確認し、各推奨事項を評価して、特定の CIS コントロール ID に対応づけた是正ガイダンス付きの優先順位付き所見レポートを作成する。
SEO、GEO（生成エンジン最適化）、AEO（アンサーエンジン最適化）のためにコンテンツを監査・最適化する。ユーザーが "audit SEO"、"check search visibility"、"optimize for AI search"、"generate schema markup"、"validate metadata"、"extract keywords"、"optimize for Perplexity/ChatGPT/Gemini"、"check Open Graph tags"、"submit to IndexNow" を求めるとき、または SEO、GEO、AEO、検索最適化に言及したときに使用する。ゼロからの新規コンテンツ作成や画像最適化には使用しない。
Next.js App Routerのアニメーションを構築またはレビューします。GSAPのページ遷移、コンポーネントの表示／非表示、スクロール効果、中断された動き、クリーンアップを扱います。GSAPが明示されていない場合も使用し、React View Transitionsの選定にも対応します。読み込み時のちらつき、データ準備完了時の表示、レイアウトの安定性、非表示コンテンツの復旧、初回読み込みのパフォーマンスも対象です。Pages Router、その他のルーター、単独のGSAP APIに関する質問には使用しません。
Google Guava のベストプラクティスパターン。公式 wiki から抽出し、イミュータブルコレクションの of/copyOf/builder の 3 パターンと防御的コピーのルール、Cache の選択判断（LoadingCache vs Cache vs Caffeine）、Joiner/Splitter のイミュータブルなパイプライン、正規表現の代わりになる CharMatcher、Preconditions のフォーマット済みメッセージ検証、CaseFormat による命名の相互変換を網羅。LLM の誤用を矯正する：イミュータブルコレクションの手書き、Cache の代わりに ConcurrentHashMap、CharMatcher の不知。
Datex Studio の hub 設定でツールバーボタンとクリックフローを追加、変更、削除するときに使用する。`dxs configuration get hub` による hub 設定の取得、toolbar[] と flows[] 配列の編集、レポートを起動するクリックフローの接続、`dxs configuration upsert hub` による変更後の設定のプッシュを扱う。トリガー：「X hub にツールバーボタンを追加する」「Y レポートを開くボタンを接続する」「hub N を変更する」「X ボタンの動作を変える」「hub ボタンからレポート Y を起動する」。
ユーザー向けの文章には、ユーザーへの回答、メール、文書、正式な書簡、レポート、提案、規則、プロンプト、スキルの指示、プロジェクト紹介、README ファイル、リポジトリの説明、ランディングページのコピー、ソーシャル投稿、エッセイ、コメント、解説、要約、製品コピー、社内向け更新、その他人が読む文章を含め、原則としてこのスキルを必ず使用します。出力に人が読めるテキストが含まれる場合は適用してください。別のスキルが文章のスタイルを明示的に担当する場合、または出力がコード、構造化データ、コマンドのみの場合を除き、このスキルを省略してはいけません。中国語と英語に対応
HyperPod GPU クラスタ（EKS または Slurm）における NCCL 障害と隣接するトレーニング Pod の障害を診断する——トレーニングのハング、AllReduce / 集合通信のタイムアウト、EFA または libfabric のエラー、rendezvous の失敗、EFA TCP フォールバック、/dev/shm または memlock の問題、Pod 間の NCCL バージョン不一致、コンテナ OOM / exit-137 / OOMKilled、GPU OOM（CUDA out of memory）、CrashLoopBackOff / Pending Pod、MASTER_ADDR の DNS、NetworkPolicy によるブロック。単一ノードのハードウェア障害（→ hyperpod-node-debugger § G）やクラスタ作成時の EFA / SSM 障害（→ hyperpod-cluster-debugger § A / § F）には使用しない。
HyperPod クラスタ（EKS または Slurm）におけるノード単位の問題——特定ノードの異常、無応答、スタック、交換の必要性——を診断して対処する。ノード上の EFA、GPU / アクセラレータハードウェア（XID、ECC、NVLink、row-remap、DCGM）、Slurm ノードの down/drained、ディスクとメモリの逼迫、ノード単位のライフサイクルスクリプトの失敗、SSM agent、コンテナランタイム、カーネルパニック、Pod ネットワーキングを扱う。読み取り専用。クラスタ全体のプロビジョニング（→ hyperpod-cluster-debugger）、NCCL（→ hyperpod-nccl）、MFU（→ hyperpod-mfu-debugger）には使用しない。
Amazon SageMaker HyperPod Slurm クラスタにおける Slurm スケジューラとノードデーモンの問題を対象とした診断専用スキル。対象範囲は HyperPod トラブルシューティングガイドと一致する。ユーザーが以下を報告したときに呼び出す：Slurm ノードが down/drain でスタック、自動修復後の "Node unexpectedly rebooted"、slurmd が実行されていない、sinfo でノードが idle なのにジョブが REASON=Resources で PENDING のまま、ノード交換後にジョブが COMPLETING のまま、GRES/GPU 数が誤っている、scontrol ping が失敗する、slurmctld が応答しない、HyperPod の自動復旧をトリガーしなかった Action:Reboot/Replace リクエスト、自動再開がジョブを再起動しない場合。また "drain before reboot"、"diagnose a Slurm node"、"investigate stuck jobs" でもトリガーされる。
GitHub Advanced Security（CodeQL によるコードスキャン、シークレットスキャン、依存関係レビュー、Dependabot アラート）を構成し、エンタープライズ規模でリポジトリ全体に自動静的解析と脆弱性検出を実行する。カスタム CodeQL クエリや CI ワークフロー連携を含む。コードスキャンの設定や調整、組織全体への CodeQL の展開、SAST のプルリクエストワークフローへのシフトレフトを行うときに使用する。
自然な会話を通じて OpenClaw 用の OpenViking 長期メモリプラグインをインストールして構成する。インストール後、プラグインはチャットから事実を自動的に取り込み、各返信の前にvrelevant なコンテキストを呼び出す（自動取り込み + 自動呼び出し、セッション横断）。前提条件、OpenClaw のプラグインマネージャー経由のインストール（ov-install をバックアップとして）、ウィザードベースの構成、slot の有効化、gateway の再起動、検証、マルチテナントの root key、マルチインスタンス、アンインストールを扱う。ユーザーにコマンドラインの知識は不要 — エージェントがすべて実行し、わずかな値だけを尋ねる。OpenViking サーバーがすでに稼働していることを前提とし、サーバーはインストールしない。トリガー: "install OpenViking"、"set up memory"、"configure memory plugin"、"add long-term memory"、"semantic memory"、"RAG"、"帮我装 OpenViking"、"配置记忆插件"、"安装记忆功能"、"接入 OpenViking"。
初めてのユーザーに、Kitaru リポジトリの PydanticAI returns agent の例を使った短く価値重視の Kitaru ツアーを提供します。自分のエージェントやトレースがない、Kitaru のオンボーディングから来た、デモ、チュートリアル、クイックスタート、ガイド付きの例を求めている、クイックスタートの例のクローンや準備が必要、コーディングエージェントにセッションを判断する前にトレース注釈を準備してほしい、完全な調査手法を学ぶ前に Kitaru の価値を体験したいといった場合に使用します。3 セッションのフロントエンドレビューを準備し、人間が判定を出し、承認された 1 件の発見を決定的な評価器に変え、承認された 1 件の有界リプレイ実験で締めくくります。実際のエージェント、自由な探索、本番の証拠は kitaru-investigation に回してください。
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。