1.6万 件 ・ 関連度順
概要と使いどころ
Generates publication-quality figures for ML papers from research context. Given a paper section or description, extracts system components and relationships to generate architecture diagrams via Gemini. Given experiment results or data, auto-selects chart type and generates data-driven figures via matplotlib/seaborn. Use when creating any figure for a conference paper.
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。
Conduct comprehensive, systematic literature reviews using multiple academic databases (PubMed, arXiv, bioRxiv, Semantic Scholar, etc.). This skill should be used when conducting systematic literature reviews, meta-analyses, research synthesis, or comprehensive literature searches across biomedical, scientific, and technical domains. Creates professionally formatted markdown documents and PDFs with verified citations in multiple citation styles (APA, Nature, Vancouver, etc.).
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。
Introduction to literature search & review skills - systematic paper finding, screening, extraction, and citation traversal
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。
Integrate AI tools into economic research, teaching, and policy analysis with attention to privacy and reproducibility.
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。
Comprehensive citation management for academic research. Search Google Scholar and PubMed for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.
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。
Write competitive research proposals for NSF, NIH, DOE, and DARPA. Agency-specific formatting, review criteria, budget preparation, broader impacts, significance statements, innovation narratives, and compliance with submission requirements.
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。
Write competitive research proposals for NSF, NIH, DOE, DARPA, and Taiwan NSTC. Agency-specific formatting, review criteria, budget preparation, broader impacts, significance statements, innovation narratives, and compliance with submission requirements.
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。
Implement semantic vector search with AgentDB for intelligent document retrieval, similarity matching, and context-aware querying. Use when building RAG systems, semantic search engines, or intelligent knowledge bases.
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。
Domain-Driven Design architecture for claude-flow v3. Implements modular, bounded context architecture with clean separation of concerns and microkernel pattern.
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。
Research a topic across the web, GitHub, and X/Twitter with DeepAPI and produce a concise Markdown report. Use for varied-search or requests to compare web coverage, relevant repositories, and social discussion.
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 research competitors' social media strategy, compare brands or creators, find what content is working in a niche, identify content gaps, or produce a practical social strategy brief from public social data.
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 validate a product idea, find pain points, mine demand signals, discover objections, or gather voice-of-customer language from Reddit, social posts, video transcripts, and comments. Produces evidence-backed product research.
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。
Privacy-respecting metasearch using your local SearXNG instance. Search the web, images, news, and more without external API dependencies.
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。
Creative research ideation and exploration. Use for open-ended brainstorming sessions, exploring interdisciplinary connections, challenging assumptions, or identifying research gaps. Best for early-stage research planning when you do not have specific observations yet. For formulating testable hypotheses from data use hypothesis-generation.
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。
Query and operate connected Google Search Console properties through NotFair MCP. Use for live GSC query or page performance, clicks, impressions, CTR, position, traffic changes, indexing status, URL inspection, sitemap reads or approved sitemap submission/removal, and Search Console MCP setup. Route full-site SEO audits to seo-analysis.
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。
Generative Engine Optimization (GEO) — make content rank in AI search answers from ChatGPT, Claude, Perplexity, Gemini, and Google AI Overviews. Audits existing content, rewrites for AI citation, and produces per-engine strategy. Use when asked to "optimize for AI search", "rank in ChatGPT", "GEO audit", "improve AI citations", "rank in Perplexity", "AI Overview optimization", "AI Overview ranking", "LLM SEO", "answer engine optimization", "AEO", "get cited by AI", "GEO", "generative engine optimization", "show up in ChatGPT", "appear in AI answers", "be cited by Perplexity", "SGE optimization", "Search Generative Experience", or "make my content show up in AI answers". Distinct from regular SEO — this targets generative engines, not traditional Google rankings.
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。
Semantic search across codebase using LEANN vector index
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。
Research agent for external documentation, best practices, and library APIs via MCP tools
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。
External research workflow for docs, web, APIs - NOT codebase exploration
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。
Fast codebase search via WarpGrep (20x faster than grep)
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。
Choose the right search tool for each query type
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。
Router-First Architecture
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。
OPC Architecture Understanding
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。
Meta-skill for internal codebase exploration at varying depths (quick/deep/architecture)
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。