5,067 件 ・ 関連度順
概要と使いどころ
Rust 製フロントエンドフレームワーク fandhe-frontend のリファレンス。 SSR / SPA / SSG / View Transitions、hydration、単一実行ファイル配布、Vercel デプロイ、既定エスケープ。 クレート core / app / interactive / server(generate_pages) / headless-ui(Primitives) / pre-styled-ui(Themes, motion feature) / wireframe-ui(Wireframes) / animation(fandhe-animation, data-* 属性) / wasm-full(feature 選択)。 Blocks(Hero / Pricing / Cart 等セクション例 329 件)。CLI fw。
Knip (TypeScript / JavaScript 未使用コード検出ツール) リファレンス。 未使用ファイル・export・依存関係・型・列挙メンバーの検出、 auto-fix、monorepo (workspaces) 対応、 knip.json / knip.config.ts 設定、プラグイン、ignore 設定、 初回クリーンアップ (first cleanup)、内部動作の仕組み (how Knip works)。
Claude API (platform.claude.com) の組織管理・Admin API (sk-ant-admin) リファレンス。 users, invites, workspaces, API keys, service accounts, RBAC (groups / roles), Workload Identity Federation (WIF, federation issuers / rules), Usage & Cost API, rate limits / spend limits, Analytics API, Compliance API, CMEK, zero data retention (ZDR), data residency, inference hooks。
Android アプリ開発 (Kotlin) の画面遷移・Navigation リファレンス。 Jetpack Compose, androidx。Navigation 3 (stable), NavDisplay、 Navigation Compose, NavHost, composable, 型安全ルート、 Fragment ナビゲーション, NavHostFragment, Safe Args、 ディープリンク, App Links, assetlinks.json、 予測型戻る (OnBackPressedDispatcher)。
Apple Silicon GPU コンピュート／数値計算リファレンス。MSL の kernel 関数属性・address space・ atomic/SIMD-group 関数、threadgroup sizing・argument buffer・indirect command buffer・ unified memory・GPU counters、MPS/MPSGraph（MPSMatrix, MPSNDArray, MPSNNGraph）、 MLX（mx.array, lazy evaluation, grad/vmap, mx.compile, mlx.nn, mlx.optimizers, distributed）。
EditorConfig (エディタ設定統一フォーマット) リファレンス。 .editorconfig ファイル、glob パターン、root、 indent_style / indent_size / tab_width、end_of_line, charset、 trim_trailing_whitespace, insert_final_newline, max_line_length。
Rory Sutherland's 'psycho-logic' approach to marketing, product, and business problems — solve the human perception, not just the engineering or economic metric. Use when the obvious 'logical' fix is expensive, slow, or already done by every competitor; when the user asks 'how do we make people want X', 'the product/price/funnel is fine but nobody converts', 'how do we stand out', 'is there a cheaper way to fix this', or mentions behavioral economics, nudges, irrational behavior, perception, or 'it doesn't make sense but it works'. This is the ROUTER skill: it diagnoses the problem in human terms, then dispatches to reframing, costly-signaling, counterintuitive-tests, or experience-design. Inspired by Rory Sutherland's book *Alchemy*. 日本語の相談（「商品はいいのに売れない」「値下げしかない？」「競合と差別化できない」）にも使う。中文咨询（“产品很好却卖不动”“只能降价吗？”“无法差异化”）也适用。For a catalogue of individual biases, use marketing-psychology (separate plugin) instead.
MAGI System v2 — AoT 分解 + MELCHIOR/BALTHASAR/CASPAR 合議 + gabriel adversarial probe による 構造化意思決定フレームワーク。判断ポイント 2+ / 影響レイヤー 3+ / 選択肢 3+ で使用。 Use when facing complex decisions with multiple trade-offs or architectural choices.
MAGI System v2 — AoT 分解 + MELCHIOR/BALTHASAR/CASPAR 合議 + lam-harness:gabriel adversarial probe による 構造化意思決定フレームワーク。判断ポイント 2+ / 影響レイヤー 3+ / 選択肢 3+ で使用。 Use when facing complex decisions with multiple trade-offs or architectural choices.
Herdr（コーディングエージェント向けターミナルマルチプレクサ）の操作と、herdr CLI の構文・ID 規約・agent 状態モデル（idle / working / blocked / done）の真実源。pane・tab・workspace・terminal・command の確認や操作、別 pane での agent 起動、pane 上の agent との通信の時に使用。HERDR_ENV=1 必須。境界: pane へ委譲するかどうか・経路・モデル・指示書・結果回収の方針は context/herdr-delegation.md（本スキルは CLI のみ）。
調査（Explore）・設計（Plan）・実装（general-purpose）・レビュー（review-* スキル群）のサブエージェントをオーケストレーションして開発タスクを遂行するスキル。依頼文からゴール（調査のみ / 設計まで / 実装まで / レビュー）を判定し、必要なフェーズだけ実行する。親は自分でコードを読み書きせず、分解・dispatch・検収・機械検証に徹する。Use when starting any non-trivial development task（複数ファイル・複数層にまたがる調査/設計/実装/レビュー）, when user says 'オーケストレート', 'orchestrate', '調べて', '設計して', '実装して', '調べて直して', or 'レビューして'.
Reads, inspects, and writes Flow Cytometry Standard (FCS) files from conventional, spectral, and mass cytometry (CyTOF), and parses FlowJo/Cytobank/Diva workspaces. Covers FCS 2.0/3.0/3.1/3.2 internals ($PnE linear-vs-log, $DATATYPE, $SPILLOVER vs SPILL vs $COMP, $TIMESTEP), channel/parameter metadata, the silent linearize/truncate defaults, and R (flowCore, flowWorkspace, CytoML) plus Python (FlowKit, readfcs) readers. Use when loading flow or mass cytometry data, mapping detector channels to antibodies, extracting the event matrix, choosing a reader, or bridging FCS to the scanpy/AnnData ecosystem before preprocessing.
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。
Trains and applies base-resolution deep learning models on ChIP-seq / ChIP-nexus / CUT&RUN data. Uses BPNet (Avsec 2021 Nat Genet 53:354; soft motif syntax from ChIP-nexus), chromBPNet (Pampari A et al 2025 Nat Genet; bias-factorized base-resolution profiles), EnFormer (Avsec 2021 Nat Methods 18:1196; 196 kb input, ~100 kb effective receptive field), DeepSEA (Zhou 2015; multi-task CNN), and JASPAR 2026 deep-learning collection (1259 BPNet ChIP models). Performs in silico mutagenesis for variant-effect prediction, DeepLIFT/Grad attribution, and TF-MoDISco motif discovery from attribution scores. Use when predicting variant effects on TF binding, discovering soft motif syntax / cooperativity, integrating ChIP-seq with sequence-only predictions, or applying precomputed JASPAR Deep Learning models to new variants.
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。
Discovers de novo motifs and tests known motif enrichment in ChIP-seq, ATAC-seq, or other peak sequences using HOMER, MEME-ChIP (STREME, CentriMo, TOMTOM, FIMO), monaLisa, and AME. Handles background selection (GC-matched, dinucleotide-shuffled, Markov order-2, peak-flanks), motif databases (JASPAR 2024 CORE PWMs, JASPAR 2026 deep-learning collection, HOCOMOCO v12, HOMER built-in), centrally-enriched motif testing, and differential motif analysis. Use when identifying TF binding motifs in peaks, testing for known TF enrichment, scanning for motif instances, comparing motif content between conditions, or interpreting motifs from deep learning models.
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。
Provides guidance for training and analyzing Sparse Autoencoders (SAEs) using SAELens to decompose neural network activations into interpretable features. Use when discovering interpretable features, analyzing superposition, or studying monosemantic representations in language models.
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。
Managed vector database for production AI applications. Fully managed, auto-scaling, with hybrid search (dense + sparse), metadata filtering, and namespaces. Low latency (<100ms p95). Use for production RAG, recommendation systems, or semantic search at scale. Best for serverless, managed infrastructure.
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。
Complete guide to using and extending Hermes Agent — CLI usage, setup, configuration, spawning additional agents, gateway platforms, skills, voice, tools, profiles, and a concise contributor reference. Load this skill when helping users configure Hermes, troubleshoot issues, spawn agent instances, or make code contributions.
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。
SPARC (Specification, Pseudocode, Architecture, Refinement, Completion) comprehensive development methodology with multi-agent orchestration
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。
Generous whitespace, consistent padding, and grid-based layouts for clean, readable, and breathing interfaces.
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。
Workspace guide to introduce Openrind Desktop and onboard new users.
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。
Initialize or resume the SDD Composy workspace of a repository: preview missing governance and OKF bundle files, apply only approved absent paths, persist the artifact language, and verify. Use when a project needs SDD set up or resumed — 'inicializar o SDD', 'configurar o workspace SDD', 'run init first', or when any SDD skill returned not_initialized. Do NOT use for generic CLAUDE.md or repository setup outside SDD Composy, or for other plugins' init.
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, inside an Orca terminal, asks Hermes to resolve, dispatch, orchestrate or supervise GitHub issues with Orca workers — 'orquestrar as issues 12, 15 e 18 no Orca', 'despachar as issues com label ready', 'coordenar workers do Orca para estas issues', or to resume such a Run after compaction. Do NOT use for a single unsupervised hand-off to another agent (Orca CLI directly), for working on one issue in this session (pwdev-feat feat-loop), or outside Orca.
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 set up pwdev-feat in a project — 'inicializar o pwdev-feat', 'configurar o feat', 'init feat workspace' — choosing language, model profile and the optional audit trail, and creating the .planning/feat/ workspace. Do NOT use to analyze the codebase (feat-map), to write the project instructions file (feat-setup) or to create plans.
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。
Introduce the cross-section read interface boundary (I<Section>ServiceRead) for one section's service per memory/architecture/section-read-write-split.md. Audits the surface, evaluates which methods belong on the read interface, sets up the workspace, dispatches a subagent that introduces the interface and migrates non-section callers, opens a PR. Use when the user says 'read split for X', 'split <Section>Service', 'add I<Section>ServiceRead boundary', 'apply the section-read-write-split rule to <Section>', or any variation of carving the cross-section read surface out of a section's full service interface. Reference implementation is Teams (PR 678). Operates on one section per invocation.
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。