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
Volcengine Function Service：ローカルのフロントエンド、Node.js、Python、静的サイト、または API サービスのデプロイ、テンプレートからの serverless アプリの作成、既存プロジェクトの veFaaS への接続、オンライン URL の確認、本番環境の環境変数・ビルドコマンド・起動コマンド・ポートの設定、オンライン関数の公開・ロールバック・呼び出し・デバッグ、ログ・インスタンス状態・リソース設定の確認、クラウド関数コードの取得/プッシュ、サンドボックスインスタンスの作成と管理、デプロイ失敗・認証失敗・フレームワーク検出エラー・ゲートウェイ不足などのトラブルシューティング、veFaaS OpenAPI の直接呼び出しによる高度な操作、veFaaS の利用開始や概念・機能・選定・料金の確認、ターミナルでの公式ドキュメントの参照、veFaaS SDK または OpenAPI を使ったコード開発に使用します。
vibestart CLI を使って TypeScript プロジェクトを作成し、スタックやレシピを選択し、Knip、Ultracite、Docker などの機能を追加し、プロジェクトの状態を診断します。業務上の変更を保持しながらテンプレートをアップグレードし、競合を解決してテンプレートの変更をスターターソースに反映することもできます。ユーザーが vibestart に言及した場合、vibestart.jsonc を含むプロジェクトの保守を依頼した場合、またはこれらの CLI ワークフローの支援が必要な場合に使用します。CLI と無関係な通常のアプリ機能開発には使用しません。
ローカルビジョン CLI：glance（画像の説明/質問/OCR）、ground（ターゲットの位置特定、ピクセルボックス）、detect（要素の一覧）、trace（画像から SVG ジオメトリへ）、crop（ピクセルボックスをファイルに切り出す）、および scripts/html_shot.py（HTML ファイルから画像へ）。画像を扱うあらゆるタスクに使用する — 質問、テキスト、長いスクリーンショットやチャット履歴の分割と文字起こし、要素の特定、比較、HTML/SVG としての再構築、スケッチや図のデジタル化、グラフからの値の読み取り、スクリーンショットからの GUI 操作 — また、与えられた説明に詳細が欠けている場合に自分で画像を再確認するためにも使用する。
あらゆるコンテンツやアイデアから、美しく自己完結した HTML ビジュアライゼーションを作成する。用途：スライドデッキ、プレゼンテーション、インフォグラフィック、ダッシュボード、フローチャート、図、タイムライン、比較表、データビジュアライゼーション、ランディングページ、ワンページャー、組織図、マインドマップ、プロセスフロー、かんばんボード、レポート要約、その他人間が情報をより速く理解するのに役立つあらゆるビジュアル。"visualize this"、"make a deck"、"create a slide"、"build an infographic"、"show me a dashboard"、"make this visual" などのリクエスト、または情報を視覚的な HTML 形式で提示するあらゆるリクエストでトリガーする。
実装と検証が完了したら Phase-2 Walkthrough 成果物（walkthrough.md）を生成します。変更サマリー、検証手順（コマンド + ユニットテスト + 自動ブラウザテストの結果）、ビジュアル証拠（ファイルに直接埋め込まれたスクリーンショット/録画）、レビューゲート（Git ステージングチェック用の最終 diff + PR 説明）を収録し、マージ前に何が変更され何が動作することが証明されたかを把握できます。デフォルトでは tasks/walkthrough-[feature].md に保存されます。トリガー：/walkthrough、walkthrough、Phase 2 walkthrough、生成 walkthrough、生成走查文档、write the walkthrough。
wiki のヘルスチェック：すべてのページをスキャンし、壊れた wikilink、孤立ページ、古いインデックスエントリ、欠けた接続、em ダッシュ違反、孤立アセット、スキーマエラーを検出する。日付入りの lint レポートを出力する。ユーザーが /wiki-lint と言ったとき、壊れたリンク、死んだ wikilink、孤立ページ、「自分の wiki のどこが壊れているか」、「リンクは機能しているか」、「接続のないページはどれか」に言及したとき、または wiki のヘルスチェックを求めたときは、常にこのスキルを使用する。ユーザーが解決しないリンクに気づいたとき、インデックスが古いと疑ったとき、wiki が良好な状態か尋ねたときにも使用する——たとえ「lint」と言わなくても。自動修正は決して行わない；報告のみ。wiki のヘルスチェックが求められているか判断に迷う場合は、このスキルを使用する。ファイルシステムの読み取り権限と archive/ への書き込み権限が必要。
テーマ、ブロック、プラグイン、管理画面を対象とした WordPress アクセシビリティレビュー。キーボードナビゲーション、フォーカス動作、セマンティック HTML、ARIA の使用、フォームのラベル付け、スクリーンリーダー対応、コントラストに関連する実装問題のレビュー時、またはユーザーが「accessibility review」「a11y」「キーボードナビゲーション」「フォーカス管理」「スクリーンリーダー」「ARIA」「セマンティック HTML」「アクセシブルなフォーム」「アクセシブルなブロック」に言及した場合に使用する。フロントエンド出力、ブロックのマークアップ、管理画面、インタラクティブな UI 動作における実装レベルのアクセシビリティ問題を検出する。
地域の対面会員を対象とするフィットネスコーチ向けに、葉童オリジナルの実写風小紅書カバーを作成します。具体的なテーマや本文があり、カバー、プロンプト、番号による構図選択、追加調整、または直接生成が必要な場合に使用します。本人が有効化した DNA を読み込んだ後、オリジナルの一問ずつ進める手順を実行します。構図は5種類固定、比率は3:4、上下に大きな文字を配置し、白と暖色のオレンジ・黄色を基調とします。幅広いテーマの提案、投稿タイトルのみの変更、本文全体のチェックには対応しません。
Yandex KIT の e コマース API（kit.yandex.ru のストアビルダー）の基本ガイド：認証、ベース URL、レート制限、エラー契約、ページネーション、オフラインの仕様検索/検証スクリプト。タスクが Yandex KIT API に関わり、明確に適合するドメインスキル（カタログ、注文、プロモーション、ストア、webhook）がない場合、または認証・制限・エラー処理の基本が必要な場合に使用する。ロシア語のトリガー：«что умеет API Яндекс КИТ»、«найди операцию в API»、«какой лимит запросов»、«почему ошибка LIMIT_EXCEEDED»、«как авторизоваться в Ките»。
redis-iris を使って、既存エージェントが使用する MCP サーバーを 1 つの Redis Iris Context Gateway の背後にまとめます。エージェントは各サーバーとそのシークレットを個別に設定せず、1 つのエージェントキーで 1 つの MCP エンドポイントに接続できます。まず Gateway が Redis Cloud 上にあるかセルフマネージドかを尋ね、次に 5 つの質問（現在エージェントが使用する MCP サーバーとシークレット、認識しているツール数、キャッシュ可能な読み取り専用ツール、大きな結果を返すツール、フレームワーク自体が MCP に対応しているか）を行います。セルフマネージドの場合は、ターミナルで `iris context-gateway` を実行して Gateway と Upstream をプロビジョニングし、キャッシュと圧縮のポリシーを設定します。Redis Cloud では開発者がコンソールで作成します。その後、任意のフレームワークでエージェントの接続先を Gateway に変更し、`tools list` と `tools call` で検証します。エージェントが複数の MCP サーバーを個別に設定している、サーバーごとにシークレットを持つ、プロンプトに読み込むツールスキーマが多すぎる場合や、Context Gateway、単一の MCP エンドポイント、ツールキャッシュ、結果ハンドルについて尋ねられた場合に使用します。
redis-iris を通じて既存の AI エージェントに Redis Iris Lens のトレーシングを追加します。エージェントの各ターンを Lens UI 上の 1 つのトレースとして記録し、LLM 呼び出し、トークン、ツール呼び出し、メモリ、ドキュメント検索、およびそのうちプロンプトに含まれたものを確認できます。エージェントの実行方式（LangGraph または ADK attach、workflows.turn、別のフレームワーク、通常のループ）を検出し、redis-iris[llm-tracing] をインストールして lens.init(agent_id=...) を呼び出します。Iris がすでに開いていない場合は各ターンで lens.turn() を開き、既存の OpenTelemetry 設定やアプリ内の LLM インストルメンテーションとの共存にも対応します。エージェントに Lens、トレーシング、可観測性、ターンごとのトレースを追加したい場合や、Lens のトレースが表示されない理由を尋ねられた場合に使用します。
マルチエージェントチームによる TDD でのエンドツーエンドの ticket 実装。JIRA ticket の詳細と Figma デザインを取得し、PO を起動して要件を記述し、開発者の承認を得てから、レビュー用のテスト計画を提案します。テストが承認されたら、まずテストを実装し（レッド）、それを通過するプロダクションコードを実装します（グリーン）。--no-jira を使用すると JIRA の取得をスキップし、代わりにインライン指示を使用します。--headless を使用すると完全自律実行となり、レビュー担当エージェントが人間の承認を代替します。
adk-python の作業ツリー内の未コミットの変更をレビューし、正確性、設計、パブリック API の安定性、テスト、サンプル、ドキュメントのギャップを優先度付きの所見レポートとして報告し、依頼されたときのみ修正する。ユーザーがローカルの変更のレビューを依頼したとき、pull request を開く前のセルフレビューを希望するとき、変更がパブリック API を壊すか、またはテスト、サンプル、ドキュメントが必要かを尋ねるとき、現在の diff の何が問題かを尋ねるときに使用。パブリック API、コアアーキテクチャ（Runner、Workflow、BaseNode）、新機能、大規模なリファクタリングの変更には必須。単一のスタイル上の指摘（adk-style を使用）、実行時に失敗するテストや動作異常のエージェントの診断（adk-debug を使用）、commit メッセージや PR 説明の文言（adk-git を使用）には使用しない。
Algolia のインデックスやアカウントに対する操作（レコードの削除、インデックスのコピーや移行、データのバックアップ、レコードのインポート／エクスポート、API キーの管理、同義語の編集、ルールの設定、facets などの設定変更、インデックスのクリア、CI/CD パイプラインでの Algolia の自動化）をユーザーが求める場合に使用します。ユーザーが「CLI」や「コマンドライン」に言及するかどうかにかかわらず、Algolia のデータや設定に対する操作（サーバー側／バックエンド／管理操作）を求めていることが重要なサインです。特定の Algolia インデックスを指定して変更、移動、クエリ、管理を求める場合も使用します。フロントエンド検索 UI（InstantSearch、React コンポーネント、オートコンプリートウィジェット）、Algolia ダッシュボードの GUI に関する質問、他のプロバイダーとの比較には使用しません。
Alibaba Cloud OpenAPI のトラブルシューティング skill。ユーザーが Request ID、エラーコード、エラーメッセージを使って API 呼び出しの失敗を診断する必要がある場合に使用——Aliyun CLI の `openapiexplorer` プラグインコマンド経由で行う。トリガー: "RequestId 排查"、"Request ID 诊断"、"错误码解决方案"、"API 调用失败"、"get-request-log"、"get-own-request-log"、"get-error-code-solutions"、"OpenAPI 故障排查"、"API troubleshoot"、"diagnose OpenAPI"、"diagnose OpenAPI error codes"、"diagnose OpenAPI error messages"、"Diagnose OpenAPI API call failures using Request ID"。
ICH Q2(R2)/Q14、ICH M10、USP 1220/1225/1226、CLSI EP、ISO/IEC 17025 に基づき、Python スクリプト（plan_validation、check_response、check_accuracy_precision、check_detection_limits、check_bioanalytical_run、compare_methods）を使って分析法のバリデーション、ベリフィケーション、移管を計画、評価します。プロトコル、直線性、真度と精度、DL/QL、M10 実施チェック、TOST 同等性、Deming および Passing-Bablok を扱います。事前に受入基準を定めたバリデーションプロトコルの設計、直線性・精度・検出限界データの評価、ICH M10 の生物分析実施または ISR の確認、ラボ間での分析法の比較や移管に使用します。分析法がバリデート済みかどうかは判定しません。USP、CLSI、ISO の規格本文は含まれません。
Web アニメーションをフレーム予算内に収めます。コンポジットのみで処理できるプロパティをアニメーションし、ページが繁忙なときはメインスレッドから動きを外し、アニメーションがフレーム落ちする原因を特定します。レイアウト／ペイント／コンポジットのパイプライン、低コストなプロパティ置換、CSS と WAAPI と requestAnimationFrame の比較、Motion のハードウェアアクセラレーション経路、React のフレームごとの再レンダリング、継承された CSS 変数の再計算、ぼかしのコスト、`will-change` が実際に役立つ場面を扱います。アニメーションの引っ掛かり、カクつき、途切れ、フレーム落ちの調査、アニメーションするプロパティの選択、性能面での CSS と JS の比較、`will-change` や GPU レイヤーの検討に使用します。イージング、時間、そもそもアニメーションするかどうかの選択には animate を、モーション全体のレビューには review-animations を使用してください。
Agent-Native Research Artifact ディレクトリに対し、ARA Seal Level 2 の意味論的・認識論的レビューを実施します。PAPER.md、logic/claims.md、logic/experiments.md、trace/exploration_tree.yaml を読み込みます。6つの次元（証拠の関連性、反証可能性、スコープの適切さ、論旨の一貫性、探索の完全性、方法論の厳密さ）を1～5で採点し、重大度順に並べた level2_report.json を、Strong Accept から Reject までの評価付きで作成します。Level 1 の構造検証に合格し、リリース前に ARA の批評が必要な場合に使用します。主張が引用された実験によって裏付けられているか確認する場合、反証基準やスコープの過剰な主張を監査する場合、探索ツリーが実際の行き止まりを記録しているか判断する場合に使用します。Level 1 に該当する構造検証や参照検証には使用しません。
Arbor 論文の Hypothesis Tree Refinement（HTR）を使用し、目標と評価器に照らして実際の成果物（コード、学習レシピ、エージェントハーネス、データパイプライン、プロンプト）を自律的に改善します。過学習を避けながら、多くの実験を通じて反復的に最適化したい場合に使用します。例：「モデルの評価スコアを上げる」「このエージェント／ハーネスを改善する」「このパイプラインを調整する」「このベンチマークでベースラインを超える」「複数のアプローチを探索して最良のものを残す」「MLE-bench／Kaggle 形式の最適化を行う」、または「開発セットを丸暗記せず成果物を改善する」といった長期的なタスクです。ユーザーが「Arbor」や「仮説ツリー」と言わなくても、実験と評価の反復、競合するアイデアの分岐探索、開発セットとテストセットの差への懸念を述べた場合も対象です。Claude 自身がコーディネーターとなり、分離された git worktree 内のサブエージェント実行器を動かします。単体の `arbor` CLI ツールについては references/arbor-upstream.md を参照してください。
このスキルは、既存の Jetpack Compose UI テストファイルまたはテストスイートのエンドツーエンドレビューを行うために使用する。6 つの監査フェーズ（セットアップの正確性、ファインダーの規律、アサーションの強度、アクションの正確性、時間/アイドルの正確性、デバッグ出力）を順に実行し、各指摘を修正する適切な姉妹スキルへルーティングする。優先順位付けされた問題リストを生成する — コードは変更しない。ユーザーが「review my Compose tests」「audit this test class」「is this test flaky」「why is this test slow on CI」「which Compose tests should I rewrite」と尋ねたとき、または `*Test.kt` ファイルを貼り付けてフィードバックを求めたときに使用する。
[Hyper] ベースライン優先の実験、二値評価、Guard チェック、1 回に 1 変異の反復を通じて既存の Codex スキルを最適化するときにこのスキルを使用する。スキルの自動研究、測定可能なトリガー/ワークフローの改善、スキルの自己最適化、スキル変更のベンチマーク、またはスキル実験成果物の再開に使用。ターゲットを指定せずに呼び出された場合は、成果物の作成やファイルの変更の前に、対象スキルと評価の意図を確認すること。単発のスキル作成/リファクタリング、一般的なドキュメントの推敲、アプリ QA、コミットのみ、プッシュのみの依頼には使用しない。
AWS Lambda durable functions で、自動的な状態永続化、再試行ロジック、長時間実行のためのオーケストレーションを備えた、回復力のある長時間実行の多段階アプリケーションを構築する。重要な replay モデル、ステップ操作、待機/コールバックパターン、saga パターンによるエラー処理、LocalDurableTestRunner でのテストを扱う。以下のフレーズでトリガー：lambda durable functions、ワークフローオーケストレーション、ステートマシン、再試行/チェックポイントパターン、長時間実行のステートフル Lambda 関数、saga パターン、human-in-the-loop コールバック、信頼性の高いサーバーレスアプリケーション。
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。