AgentScope-AI

AgentTeamsの最新のチーム構成やWorkerの稼働状態、連絡先IDをCLIで確認し、タスクの割り当てや起動・休止に必要な情報をそろえるスキル。

• タスク割り当て前のチーム構成確認
• 連絡前のルームIDとMatrix ID確認
• Workerの起動・休止前の状態確認

複数のエージェントに任せる仕事を、依存関係のある計画か反復型の進め方に整理し、担当範囲・完了基準・成果の受け入れや計画変更の判断を設計するスキル。

• 複数エージェントへの作業分担
• 依存関係型か反復型かの選択
• 成果の受け入れ基準の設計

管理者から受けた仕事のWorkerへの割り当て、完了報告への対応、定期タスクの管理を支援し、作業状態の登録と依頼・成果ファイルの同期手順を整理するスキル。

• 空いているWorkerを選びたいとき
• 単発タスクを登録して委任したいとき
• 完了報告から成果を確認したいとき

QwenPawのWorker内で、直接作業・並列処理・専用の一時エージェントを使い分け、依存関係のある作業の実行から結果統合と後片付けまでを管理するスキル。

• Worker内の作業分担を決めたいとき
• 専門の役割ごとに並列レビューしたいとき
• 依存関係のある作業を順に進めたいとき

Workerのコンテナ内で動くWebアプリやAPIをHigress経由で外部公開し、ポートごとの自動生成ドメインや公開設定の確認・解除を扱うスキル。

• WorkerのWebアプリを外部公開したいとき
• コンテナ内のAPIを公開したいとき
• 同じWorkerの複数ポートを公開したいとき

複数のWorkerが参加するプロジェクトで、計画と担当・依存関係をplan.mdにまとめ、タスクの割り当て、完了対応、計画変更や障害の解消を管理するスキル。

• 複数Workerのプロジェクトを始めたいとき
• タスクの割り当てと完了報告への対応
• 作業の行き詰まりに合わせた計画変更

Gitの認証情報を持たないWorkerから依頼を受け、Managerが複製・コミット・プッシュなどを代行し、共有作業領域の同期と結果報告まで扱うスキル。

• 認証情報のないWorkerの複製・送信代行
• コミットやブランチ操作を依頼したいとき
• 共有作業領域のGit操作を調整したいとき

Search the public web through Serper instead of the built-in WebSearch tool. Use when an agent needs current information, general web sources, or URLs not available from local files and project APIs. SERPER_API_KEY is available in the environment.

日本語の概要は準備中です。原文の説明を表示しています。

Recall past facts, preferences, and decisions from ReMe; inspect memory delivery, service health, and the consolidation schedule; or consolidate memory when requested.

日本語の概要は準備中です。原文の説明を表示しています。

Recall past conversations, preferences, project history, and decisions from ReMe in Claude Code, or check the ReMe connection.

日本語の概要は準備中です。原文の説明を表示しています。

钉钉消息发送技能。支持企业内部机器人（批量单聊/群聊）和 Webhook 自定义机器人两种接入方式，支持多机器人管理，支持文本、Markdown、链接、ActionCard、FeedCard等多种消息类型。

日本語の概要は準備中です。原文の説明を表示しています。

qwenpaw_memory

日本語の概要は準備中です。原文の説明を表示しています。

Set up and use ReMe as a file-native long-term memory system through the reme CLI. Use when an Agent needs to detect whether ReMe is installed or running, install and configure ReMe, start or verify its local service, retrieve prior context, or write and consolidate durable memory.

日本語の概要は準備中です。原文の説明を表示しています。

面向中文自然语言的 Tushare 数据研究技能。用于把“看看这只股票最近怎么样”“帮我查财报趋势”“最近哪个板块最强”“北向资金在买什么”“给我导出一份行情数据”这类请求，转成可执行的数据获取、清洗、对比、筛选、导出与简要分析流程。适用于 A 股、指数、ETF/基金、财务、估值、资金流、公告新闻、板块概念与宏观数据等研究场景。

日本語の概要は準備中です。原文の説明を表示しています。

Benchmark LLM reference recommendation capabilities by verifying every cited paper against Crossref, PubMed, arXiv, and DBLP. Measures hallucination rate, per-field accuracy (title/author/year/DOI), discipline breakdown, and year constraint compliance. Supports tool-augmented (ReAct + web search) mode. Use when the user asks to evaluate, benchmark, or compare models on academic reference hallucination, literature recommendation quality, or citation accuracy.

日本語の概要は準備中です。原文の説明を表示しています。

Discover and recommend **combinations** of agent skills to complete complex, multi-faceted tasks. Provides two recommendation strategies — **Maximum Quality** (best skill per subtask) and **Minimum Dependencies** (fewest installs). Use this skill whenever the user wants to find skills, asks "how do I do X", "find a skill for X", or describes a task that likely requires multiple capabilities working together. Also use when the user mentions composing workflows, building pipelines, or needs help across several domains at once — even if they only say "find me a skill". This skill supersedes simple single-skill search by decomposing the task into subtasks and assembling an optimal skill portfolio.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user wants help with academic papers or citations but it's unclear which specific workflow fits — reviewing a paper, checking a BibTeX file for fake references, or benchmarking multiple LLMs on reference-recommendation accuracy. Also use when the user mentions paper review, peer review, BibTeX verification, citation checking, reference hallucination, or academic literature accuracy and hasn't specified which of those three tasks they mean. This skill is the entry router for the academic-eval suite: it asks one diagnostic question then routes to the right sub-skill.

日本語の概要は準備中です。原文の説明を表示しています。

Review academic papers for correctness, quality, and novelty using OpenJudge's multi-stage pipeline. Supports PDF files and LaTeX source packages (.tar.gz/.zip). Covers 10 disciplines: cs, medicine, physics, chemistry, biology, economics, psychology, environmental_science, mathematics, social_sciences. Use when the user asks to review, evaluate, critique, or assess a research paper, check references, or verify a BibTeX file.

日本語の概要は準備中です。原文の説明を表示しています。

Verify a BibTeX file for hallucinated or fabricated references by cross-checking every entry against CrossRef, arXiv, and DBLP. Reports each reference as verified, suspect, or not found, with field-level mismatch details (title, authors, year, DOI). Use when the user wants to check a .bib file for fake citations, validate references in a paper, or audit bibliography entries for accuracy.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user wants to compare or benchmark multiple LLMs/agents arena-style but it's unclear which specific workflow fits — a general-purpose win-rate comparison on a custom task, or a benchmark specifically about reference/citation hallucination rate. Also use when the user mentions model arena, agent arena, pairwise model comparison, win-rate ranking, or comparing models on a task and hasn't specified whether that task is generic or about citation accuracy. This skill is the entry router for the arena-eval suite: it asks one diagnostic question when needed, then recommends the workflow or workflows needed to cover the request.

日本語の概要は準備中です。原文の説明を表示しています。

Automatically evaluate and compare multiple AI models or agents without pre-existing test data. Generates test queries from a task description, collects responses from all target endpoints, auto-generates evaluation rubrics, runs pairwise comparisons via a judge model, and produces win-rate rankings with reports and charts. Supports checkpoint resume, incremental endpoint addition, and judge model hot-swap. Use when the user asks to compare, benchmark, or rank multiple models or agents on a custom task, or run an arena-style evaluation.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user needs to design evaluation datasets, create test cases, stratify samples, generate adversarial examples, extract eval dimensions from traces/specs, or build a labeled evaluation set. Also use when the user mentions test data design, eval coverage, difficulty stratification, synthetic data generation for eval, or "how to create good evaluation data." Outputs datasets in OpenJudge-compatible format.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user has evaluation principles or a dataset but needs help choosing the right graders, designing evaluation metrics, creating LLM-as-judge prompts, combining multiple metrics into a composite score, or building an automated evaluation pipeline. Also use when the user mentions grader selection, metric design, judge prompt engineering, rubric design, evaluation pipeline code, or "how to evaluate [X] automatically." Outputs executable OpenJudge pipeline code.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user has run multiple evaluation skills and wants a comprehensive analysis — maturity assessment, cross-skill signals, trends, prioritized actions, and an executive summary. Also use when the user mentions eval health check, evaluation audit, ship readiness, evaluation maturity, or "how good is my evaluation system itself." This is a read-only analysis skill.

日本語の概要は準備中です。原文の説明を表示しています。