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
agent-im セッションスキル。liblib.tv の AI 機能を使って画像・動画を生成、編集します。生成（テキストから画像、テキストから動画、画像から動画、アニメーション、描画、動画クリップ）、編集（置換、削除、追加、変更、調整、部分編集、ショット変更）、スタイル変換、動画の延長、動画/TVC/プロモーション映像の再現、ショートドラマ/ショートコミック、ミュージックビデオ、製品広告/紹介映像、絵コンテ、教育動画、ショート動画の制作に対応します。liblib、libtv、参考画像・動画のアップロード、生成状況の確認に言及した場合も起動します。重要な判断基準：表現にかかわらず、AI 画像または動画の作成、生成、編集、変更に関する依頼なら必ず起動します。
python-docx を使って Markdown 文書をプロフェッショナルなスタイルの DOCX(Word)ファイルに変換する。CJK/ラテン文字混在テキスト、フェンス付きコードブロック、表、引用ブロック、表紙ページ、TOC フィールド、ウォーターマーク、ページ番号を処理する。any2pdf に対応する複数のカラーテーマ(Warm Academic、Nord、GitHub Light など)をサポートし、中国語の技術レポートで実戦検証済み。ユーザーが .md ファイルをスタイル付き Word 文書にしたい、markdown から編集可能なレポートを生成したい、markdown の内容から DOCX を作成したい場合 — 特に CJK 文字、コードブロック、表が関わる場合に、このスキルを使用する。また、ユーザーが「markdown to docx」「md2docx」「any2docx」「md 转 word」「md 转 docx」「生成 word」と言及した場合、または markdown ソースから「編集可能な文書」を求められた場合にもトリガーする。
Mergify stacks を使用するリポジトリ（stack commit-msg hook がインストールされている、または最近のコミットに `Change-Id` トレーラーがある）では、git push、コミット、ブランチ、PR の作成に Mergify stacks を使用します。このようなリポジトリでコードをプッシュしたり、コミット、ブランチ、PR を作成したりする場合は、必ずこのスキルを使用してください。それ以外のリポジトリでは通常の git と gh を使用します。トリガー：push、commit、branch、PR、pull request、stack、stacked、git、rebase、checkout、reorder、move、sync、amend、note、revision history
ハンドラーファーストのエンドポイント、ルートグループ、フィルター、最新の .NET サービスに適した軽量なコンポジションを用いて、ASP.NET Core で Minimal APIs を設計・実装します。用途：ASP.NET Core で新しい HTTP API を構築する。軽量なマイクロサービスを作成する。Minimal APIs とコントローラーのどちらかを選ぶ。用途外：無関係なスタック。この特定のガイダンスを必要としない一般的なタスク。呼び出し内容：リポジトリのコンテキストを確認し、対象ファイルを編集し、変更時に該当するビルド、テスト、lint、検証コマンドを実行します。
PDF のビジュアル品質とデザインの個性が重要な場合にこのスキルを使用します。作成（ゼロから生成）：「PDF を作成」「レポートを生成」「提案書を書く」「履歴書を作る」「美しい PDF」「プロフェッショナルな文書」「表紙」「洗練された PDF」「クライアントに提出できる文書」。入力（フォーム欄を記入）：「フォームに入力」「この PDF に記入」「フォーム欄を埋める」「PDF に値を書き込む」「この PDF にどんな項目があるか」。再フォーマット（既存文書にデザインを適用）：「文書を再フォーマット」「自社のスタイルを適用」「この Markdown／テキストを PDF に変換」「文書を見栄えよくする」「この PDF を再デザイン」。このスキルはトークンベースのデザインシステムを使い、文書の種類に応じた色、タイポグラフィ、余白をすべてのページに適用します。出力は印刷可能な状態です。単に PDF を出力する場合ではなく、見た目が重要な場合に優先してください
既存の React Native / Expo アプリのデザインを監査する——AI-tells grep チェックリストを実行し、10 カテゴリのルーブリックで画面を検査し、各画面に Trunk Test を行い、影響度付きの指摘事項を Design Score と AI Slop Score、回帰ベースラインとともに作成する。既定ではレポートのみ、任意で修正モード。アプリのデザインや UI 品質のレビュー、監査、批評、QA を求められた場合に使用する。新しい画面を構築する場合は mobile-taste、実際に再設計する場合は mobile-redesign-screen または mobile-redesign-app を使用する。
このスキルは、MockK（Kotlin ファーストのモッキングフレームワーク）を JVM 単体テストスイートに組み込むために使用する。特にコルーチン、シングルトン/`object` のモック、コンストラクタのモックが中心となる場合に適する。`io.mockk:mockk-jvm:1.14.x`（および instrumented 用の `mockk-android` + `mockk-agent`）、`every { } returns`、`coEvery` / `coVerify`（ネイティブの suspend サポート — Mockito に対する最大の利点）、`mockk(relaxed = true)` / `relaxUnitFun = true`、`slot<T>()` キャプチャ、`verifySequence` / `verifyOrder` / `confirmVerified`、`mockkStatic` / `mockkObject` / `mockkConstructor` と `unmockkAll()` によるクリーンアップ、`@MockK` / `@RelaxedMockK` / `@SpyK` / `@InjectMockKs` アノテーション、および Mockito と MockK の選択基準を網羅する。ユーザーが `coEvery`、`mockkObject`、`mockkStatic`、`slot`、`MockKException`、`every returns vs coEvery`、`relaxed = true` に言及した場合、または Kotlin の `object`/シングルトンをモックする方法を尋ねた場合に使用する。
`orca` CLI を通じて、Orca 管理の 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、成果物、スキル共有、worktree コメント、Orca 内蔵ブラウザーを操作します。ユーザーが「$orca-cli」「Orca worktree」「child worktree」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「handoff」／「handover」／「give this to another agent」「Orca browser」「orca artifacts」「share skills」と言った場合に使用します。Orca の状態が関係する場合は、通常の git worktree、臨時の PTY、Computer Use より優先します。CLI、ファイルシステム、API では操作できない可視ウィンドウの GUI 操作が必要な場合に限り、Computer Use を使用します。
ユーザーが Google Ads、Meta (Facebook/Instagram)、LinkedIn、Twitter/X などの広告プラットフォームでの有料広告キャンペーンについて支援を求める場合に使用します。「PPC」「paid media」「ROAS」「CPA」「ad campaign」「retargeting」「audience targeting」「Google Ads」「Facebook ads」「LinkedIn ads」「ad budget」「cost per click」「ad spend」「should I run ads」といった言及がある場合にも使用します。キャンペーン戦略、オーディエンスターゲティング、入札、最適化に使用します。広告クリエイティブの一括生成と反復については ad-creative、ランディングページの最適化については page-cro を参照してください。
Nature Portfolio の原稿向けの査読者側スキル：査読レポートを作成し、受け取ったコメント内のすべての要求と副要求を洗い出し、草稿の返答を採点し、返答の可読性を検証する。方法論、統計、報告、再現性、データ/コードの利用可能性を確認する。査読者の文言、番号、順序を保持し、各要求に対して 1 つの返答を求め、冒頭で直接答えを示し、原稿内の位置または変更しない明確な根拠を記載する。次の用途に使う：この原稿を査読する、査読者が攻撃する点、コメントをチェックリスト化する、各コメントに回答する、見落とした点はないか、この返答は査読者を満足させるか、审稿、写审稿意见、模拟审稿、拆解审稿意见、逐个回复、逐条对照、有没有漏回、审稿人会不会接受、以审稿人视角检查回复、回复够不够直白。返答のスタンスの選択、主張の調整、書簡全体の組み立てや監査には rebuttal-response を使う。
ウェブ検索、URLやPDFからの抽出、深掘り調査レポート、提供された行への構造化データ補完、FindAllによるエンティティ検索、定期的なウェブ監視などのウェブワークフローにparallel-cliツールを使用します。科学的な質問では一次文献と機関の情報源を優先します。最新のウェブ情報や範囲の限定された調査を確認するとき、既知のURLやPDF、JavaScriptで描画されたページから内容を取得するとき、企業・人物・製品の一覧にウェブ由来の項目を追加するとき、自然言語の条件に合うエンティティを見つけるとき、複数ソースを網羅したレポートを明示的に求められたとき、またはウェブの変化を定期的に追跡するときに使用します。CLI不要の既知ページの単発確認や、オフラインの文献データベースには使用しません。
提出とバッジ付与のために再現性アーティファクト（コード/データ）を準備する。研究者が「アーティファクト評価」「アーティファクト付録」「再現性」「バッジ」「Artifacts Available/Evaluated/Functional/Reusable」「Results Reproduced/Replicated」「ACM badging」「USENIX/OSDI/SOSP AE」「SIGMOD ARI」「NeurIPS code/checklist」「ACL repro checklist」「Zenodo DOI」「Software Heritage」「コード/リポジトリを匿名化して」「コードをパッケージして」と言うときに使用する。アーティファクト README + 付録、依存関係と実行手順、二重盲検用の匿名化リポジトリ、アーカイブ DOI（Zenodo version と concept）/ Software Heritage SWHID のガイダンスを作成する；ACM バッジ分類と Reproduced/Replicated の時代の入れ替わりを整理する；同梱の標準ライブラリのみのスクリプトで ML Code Completeness チェックリストに対してアーティファクトディレクトリを lint する。アーティファクト準備完了チェックリスト + パッケージング計画を出力する。会場の現在のアーティファクト規則をライブで再確認する。助言のみ；提出は決して行わない。
採録済み論文のための段階的な camera-ready 準備——出版前の最もミスが起きやすい最終段階。研究者が「camera-ready」「最終版」「論文が採録されたが次は何をすればよいか」と言ったとき、または ACM eRights / 権利フォーム / TAPS / ORCID / DOI block、IEEE PDF eXpress / conference ID / eCF 著作権フォーム / Xplore、OpenReview の最終アップロード、匿名解除、追加の camera-ready ページに言及したときに使用する。機械可読なプロファイルから会議のレールを特定し、ACM eRights、ORCID、権利/DOI block、TAPS ソースのアップロード、IEEE PDF eXpress、conference ID、ファイル命名、eCF のタイトル完全一致、登録/無断欠席、NeurIPS 形式の [final] 再コンパイル、OpenReview へのアップロードまでをエンドツーエンドでたどる。締め切りと +page ルールを含む順序付きチェックリストを生成し、同梱の標準ライブラリのみを使うスクリプトで最終 .tex に残った匿名化情報と欠落した権利 block を検査する。あくまで助言——準備、説明、検査は行うが、フォームの入力や提出は決して行わない。
`pac pcf push` でサードパーティ製 `.ppmplugin` コントロールの dispatcher PCF を Power Platform 環境にデプロイする。dispatcher PCF は Studio 側のコントロールで、複合キー `<name>/<receiver>` を wrap shell の `SendMessagePlugin` ブリッジ経由でコントロールのネイティブモジュールにディスパッチする。デプロイの前提条件（Node.js 20+ と npm、.NET SDK、有効な `pac auth`）を確認したうえで、3 つの確認ゲートを通す — パブリッシャープレフィックス（2〜8 文字、既定は `pamext` または `.extension-state.md` の前回使用値）、バージョンアップ（patch / minor / major / no-bump）、対象環境 URL（`pac org who` から取得）。必要なら PCF をビルドしてからプッシュする。/generate-pcf-companion とは分離されているため、エンジニアはローカルでスキャフォールドとカスタマイズを行い、準備ができたらデプロイできる。`.extension-state.md` にデプロイ履歴（タイムスタンプ、環境 URL、バージョン、使用プレフィックス）を更新する。
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。