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
公開の `orca` CLI を使用して、Orca が管理する worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、アーティファクト、worktree コメント、および Orca アプリに埋め込まれたブラウザを操作する。ユーザーが「$orca-cli」「use orca cli」「Orca worktree」「child worktree」「cardStatus」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「terminal send」「full handoff」「handover」「give this to another agent」「another worktree」「Orca browser」「orca artifacts」「share HTML/Markdown」「public artifact link」「control the browser inside Orcaoclassroom」と言ったときに使用する。Orca が管理する状態に wortt Involving タスクでは、生の `git worktree`、場しの PTY、Playwright、Computer Use よりこの方法を優先する。Orca の埋め込みブラウザ以外のブラウザウィンドウ、webview、デスクトップ UI には Computer Use を使用してきた。
割り当てられたプロジェクト目標を調整するか、1つの取り組み、またはストア全体の準備済み Ticket を並列実行します。各 Ticket は個別のセッションで run-ticket を通じて実行し、完了した作業を Ticket ごとに反映し、実行で残った負債を Ticket に起票し、ステータスページとユーザーの対応待ち項目の一覧を維持します。デフォルトでは各計画を提案して承認を待ちます。--autonomous を指定すると、計画の承認を求めず、割り当ての範囲内で計画を連続して実行します。プロジェクト目標の推進、根拠に基づく有用な作業の選択、キューの処理、複数の Ticket の同時実行、またはスケジューラーからの無人実行に使用します。
ホームページ、ランディングページ、料金ページ、機能ページ、ブログ記事など、あらゆるマーケティングページのコンバージョンを最適化、改善、向上したい場合に使用します。「CRO」「コンバージョン率最適化」「このページでコンバージョンしない」「コンバージョンを改善」「このページが機能しない理由」「ランディングページがひどい」「誰もコンバージョンしない」「コンバージョン率が低い」「直帰率が高すぎる」「登録せずに離脱する」「このページは改善が必要」などの発言がある場合も使用します。URL を共有してフィードバックを求めただけの場合でも使用してください。コンバージョン改善を求めている可能性があります。登録フローについては signup-flow-cro、登録後のアクティベーションについては onboarding-cro、登録以外のフォームについては form-cro、ポップアップ／モーダルについては popup-cro を参照してください。
会議の Call for Papers（CFP）URL を、機械的に検証可能な要件カードに解析する——タイムゾーン付きの締め切り（AoE か現地時間か）、参考文献を含む/含まないトラック別のページ数制限、シングル/ダブル/トリプルブラインドのレベル、正確な LaTeX テンプレートの呼び出し方、LLM/AI 利用ポリシー、rebuttal 形式、投稿システム（OpenReview、CMT、EasyChair、HotCRP、PCS）——を venues/schema.yml に準拠した年付きバージョンの venue-profile YAML として出力する。ユーザーが CFP や著者向け指示の URL を共有したとき、ある会議の投稿要件、締め切り、ページ数制限、匿名性のルールを尋ねたとき、または新しい投稿サイクルに向けて venues/conferences/ 配下の会議プロファイルを作成・更新したいときに使用する。
正確な UML およびアーキテクチャ文書化のための PlantUML ソースを作成・改訂する。クラス図、シーケンス図、コンポーネント図、配置図、状態図、アクティビティ図、ユースケース図、ER 図、ArchiMate、C4 図を含む。ユーザーが PlantUML、UML、C4、`.puml`、標準 UML セマンティクス、詳細なアーキテクチャ記法を明示的に要求したときに使用する。軽量な Markdown ネイティブの図には Mermaid を優先し、ホスト型の編集可能なレンダリングには ProcessOn のみを使用する。
多言語または monorepo プロジェクトで Lefthook を使って Git フックを設定するときに使用する — 単一の lefthook.yml から、pre-commit でステージされたファイルに対する高速なフォーマット/lint チェックを、pre-push でより低速な型チェック/テストのゲートを、混在言語のサブツリー（例：TypeScript と Python）にわたり並列に配線する。インストールと有効化、lefthook.yml のスキーマ（commands/jobs、glob、root、{staged_files}/{push_files} を使った run、stage_fixed、skip/only、parallel）、実際に多言語の動作例、フックと CI の役割分担、--no-verify によるバイパスを扱う。フックの配線を教えるものであり、ツールごとの skill（biome、ruff、ty、typescript-typecheck）と turborepo は再講義せず参照する。キーワード：git hooks、pre-commit、pre-push、lefthook、staged files、monorepo hooks、polyglot lint format。
Power BI の中核となるデータモデリング、データソース接続、プラットフォームの基礎。次の場合に積極的に有効化してください：(1) Power BI のデータモデリングとスタースキーマ設計、(2) リレーションシップ（アクティブ/非アクティブ、双方向、USERELATIONSHIP）、(3) データソースの選択（DirectQuery と Import と Direct Lake と複合）、(4) 増分更新の設定、(5) ゲートウェイ構成（オンプレミスおよび VNet ゲートウェイ）、(6) ストリーミングデータセットとプッシュデータのシナリオ、(7) Dataflow Gen2 の基本、(8) Power BI のよくある落とし穴（双方向フィルター、AutoExist、空白行）、(9) ワークスペース ID と OAuth2 / サービスプリンシパル認証、(10) セマンティックモデルのアーキテクチャレビュー。提供：スタースキーマテンプレート、モード選択マトリクス、増分更新レシピ、ゲートウェイ設定手順、よくある落とし穴のリファレンス。
すべての PostHog リソースを 1 つのコマンドラインで — オフライン検索、エージェントネイティブな出力、リソース横断の分析を… トリガーフレーズ：`check my PostHog feature flags`、`query PostHog events`、`show experiment results in PostHog`、`what errors are spiking in PostHog`、`LLM costs in PostHog`、`is it safe to ramp this flag`、`use posthog`。
プロダクトガバナンスを定義し運用する — 定期的な意思決定権限、インテーク、ポートフォリオのケイデンス、エビデンス基準、クロスファンクショナルな運用契約。6 つのレビューケイデンス（インテーク、ポートフォリオ、ロードマップ、実験、ローンチ、ライフサイクル）を、責任者を明示した形でカバーし、意思決定タイプごとの最低エビデンス基準とエスカレーションパスを扱う。軽量モードと高保証モードの運用をサポートし、ガバナンスパターンを構成可能。プロダクトガバナンスモデルの設計、係争中の意思決定の解決、エビデンス基準の確立、例外とエスカレーションの記録、クロスファンクショナルな運用契約の構築に使用する。経営ガバナンス（資本配分、組織構造 — chief-of-staff-methodology または strategy-frameworks にルーティング）、技術的デリバリーゲート（CI/CD、リリース承認 — release-engineering または spec-driven-development にルーティング）には使用しないこと。また、画一的な組織図を押し付けるためにも使用しない。
BioNeMo NIM スキルを組み合わせて、タンパク質ターゲットに対するエンドツーエンドの de novo タンパク質バインダー設計キャンペーンをオーケストレーションする。バインダー設計、minibinder 設計、de novo バインダー、RFdiffusion + ProteinMPNN + Boltz2/OpenFold3 パイプライン、エピトープ/ホットスポット標的設計、in-silico バインダー検証、インターフェース信頼度による設計のランキングに使用。
トレースをどこに配置すべきかを判断するためにエージェントのコードベースを調査し、Ratel ネイティブの OTLP テレメトリーを有効にし、チームがすでに運用している OTel バックエンドをエクスポート先として選び、インストルメンテーション、バックエンドの選択、価値を証明するダッシュボードを網羅した提案を作成します。可観測性を導入するとき、トレースの配置先や何をインストルメンテーション/測定すべきかを尋ねるとき、Ratel テレメトリーを有効にするとき、OTel バックエンド（Langfuse/LangSmith/collector/Ratel Cloud）を選ぶとき、ダッシュボードを設計するとき、Ratel の価値を何が証明するかを尋ねるとき、または `/ratel-observability-assessment` のときに使用します。/ratel-assessment から到達する独立した可観測性ブランチであり、ユーザーが別途コード統合を望む場合は /ratel-integrate を指し示すことがあります。<repo>/.ratel/ に常設の markdown ファイルを 1 つ書き込みます。コードは編集せず、バックエンド API も呼び出しません。エージェントの接点がない場合はスキップします。
完全な React TypeScript システム。(1) コンポーネント props の型付け、(2) イベントハンドラの型、(3) TypeScript での Hooks、(4) ジェネリックコンポーネント、(5) forwardRef の型付け、(6) 型安全な Context、(7) ユーティリティ型（Partial、Pick、Omit）、(8) 状態のための判別共用体に対して積極的に有効化する。提供：props インターフェース、イベント型、ジェネリックパターン、型安全な context、ポリモーフィックコンポーネント。適切な TypeScript パターンによる型安全な React を保証する。
Salla webhooks を端から端まで — 登録／購読、セキュリティ戦略の選択（signature = 生のボディの HMAC、token = Authorization ヘッダーの単純一致、または none）とそれぞれの正しい検証、ペイロードエンベロープ、冪等性、高速な 200、条件ルール、バージョン（v1/v2）。webhook サーバー（Node/Express `@salla.sa/webhooks-actions` または Laravel/PHP / Salla CLI）の構築、イベントの購読、配信のデバッグ時に使用。トリガーが存在する場合は App Function（salla-app-functions）を優先。ライフサイクル → salla-app-lifecycle、トークン → salla-app-auth。
研究論文向けに順位付けされた投稿先の候補リストを作成する。ユーザーがどこに投稿すべきか、どの会議やジャーナルを狙うべきか、投稿先の選定、トラックの選択を尋ねたとき、または CORE rank、h5-index、採択率、CCF 区分、投稿締め切りに言及したときに使用する。論文のトピックと貢献の種類（手法、システム、データセット、demo、vision、産業、サーベイ）を、トピック適合度、トラック適合度、権威のシグナル、機械可読な venues/ プロファイルから算出した締め切りの近さで採点した投稿先とトラックの組に対応付ける——ユーザーがそれらに依拠する前に、締め切りとページ数制限を各会議の最新の CFP に照らして再確認することを必須とする。
MCP サーバーの ExecuteQuery ツールを介して生の DAX クエリを実行し、Microsoft Fabric Power BI セマンティックモデルのメタデータを検査する。ユーザーが書きたい DAX をすでに把握している場合、EVALUATE ステートメントを実行したい場合、INFO 関数を使ってモデルのメタデータ（テーブル、列、メジャー、リレーションシップ、階層）を検査する必要がある場合に使用する。自然言語のビジネス上の質問（DAX を生成する場合）には `fabriciq` を使用する。セマンティックモデル定義の作成、デプロイ、管理には `semantic-model-authoring` を使用する。トリガー: "run DAX query"、"execute EVALUATE"、"semantic model metadata"、"list semantic model tables"、"INFO.VIEW.TABLES"、"get measure expression"、"DAX against"、"query the model"。
AI Overviews（旧 SGE）、ChatGPT ウェブ検索、Perplexity、その他の AI を活用した検索体験向けにコンテンツを最適化する。生成エンジン最適化（GEO）分析。ブランド言及シグナル、AI クローラーのアクセシビリティ、llms.txt への準拠、パッセージ単位の引用可能性スコアリング、プラットフォーム固有の最適化を含む。ユーザーが "AI Overviews"、"SGE"、"GEO"、"AI search"、"LLM optimization"、"Perplexity"、"AI citations"、"ChatGPT search"、"AI visibility" と言った場合に使用。
manifest-dev が利用する surfaces をプロジェクトに設定します。North Star、用語集、ADR の規約、ユーザーが任意で利用をやめられる推奨検証ハーネス、重要度の高い領域向けの原則スキル、すべてのセッションでそれらを使うためのコンテキストファイル設定を整えます。プロジェクト独自の履歴があれば、それを基に内容を用意します。参照資料に記載されたセットアップと照合して設定済みプロジェクトを監査し、不足項目を提示するとともに、記録された surfaces バージョン以降の変更点を示して、プロジェクトの健全性を保ちます。リポジトリに CONTEXT.md や意思決定記録がない場合、既存コードベースに manifest-dev を導入する場合、新規プロジェクトを始める場合、設定済みプロジェクトに surfaces バージョンの記録がないか古い場合、またはプロジェクトのセットアップ、状態確認の再実行、ADR の初期化、履歴からの意思決定の再構築をユーザーが求めた場合に使用します。
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。