Performance

postgres-patterns は、クエリ最適化、スキーマ設計、インデックス、Row Level Security、コネクションプーリングに役立つ、実践的な PostgreSQL の早見スキルです。汎用プロンプトではなく、要点を絞ったベストプラクティスで Database Engineering の判断をより速く、より確実に進められるようにします。

nuxt4-patternsは、Nuxt 4のためのスキルで、hydrationの安全性、route rules、lazy loading、SSR-safeなデータ取得を扱います。nuxt4-patternsスキルを使うと、Frontend Developmentの判断をより良くし、ミスマッチを減らし、各ページやコンポーネントに適したパターンを選べます。

frontend-patterns は、React と Next.js のフロントエンド開発に役立つ実践的な skill です。コンポーネント、状態管理、フォーム、ルーティング、アクセシビリティ、パフォーマンスについて、保守しやすいパターンを選ぶ助けになります。一般論のベストプラクティスではなく、実装方針やパターン選定を明確に確認したいときに、frontend-patterns ガイドを活用してください。

flutter-dart-code-review は、Flutter と Dart のコードレビュー向けチェックリストです。アーキテクチャ、Widget 品質、状態管理、パフォーマンス、アクセシビリティ、セキュリティ、クリーンコードまで、ライブラリ非依存で幅広くカバーします。BLoC、Riverpod、Provider、GetX、MobX、Signals、独自パターンのいずれでも、Code Review 用の構造化された flutter-dart-code-review ガイドとして使えます。

compose-multiplatform-patterns は、KMP アプリ向けの Compose Multiplatform と Jetpack Compose を実践的に学べるガイドです。状態管理、ナビゲーション、テーマ設計、パフォーマンス、再利用可能な UI パターンをカバーし、Android、iOS、Desktop、Web にまたがる保守しやすい共通画面の構築を支援します。

benchmark skill を使ってパフォーマンス基準を測定し、PR の前後で回帰を検知し、ページ・API・ビルド全体でスタック候補を比較して、Performance Optimization に役立てます。

python-expert は、Python のコード生成、レビュー、デバッグ、リファクタリング向けの GitHub skill です。正しさ、型安全性、性能、スタイルの順で優先度を明確に示し、実運用では SKILL.md、AGENTS.md、各ルールファイルを参照しながら導入を進められる構成になっています。

code-reviewerは、コードやdiffを入力すると、セキュリティ、パフォーマンス、ベストプラクティス、重大度、影響箇所、推奨修正、総合品質スコアを含む構造化レポートに整理できる、軽量なCode Review向けスキルです。

debugger skill は、根本原因分析を重視したエビデンスファーストの流れで、エージェントによるソフトウェア障害の診断を支援します。スタックトレース、クラッシュ、失敗するテスト、リグレッション、ログ解析、断続的に起きる不具合の切り分けに有効です。期待される挙動と実際の挙動の整理、仮説の優先順位付け、狙いを絞ったテスト、修正、検証までを順序立てて進められます。

code-reviewer は、セキュリティ、性能、正しさ、保守性の順で厳密に確認する AI コードレビュー用スキルです。SQL injection、XSS、N+1 queries、error handling、naming、type hints などのルールファイルを備えており、汎用的なレビュー用プロンプトよりも一貫した PR レビューを行いやすくします。

benchmark スキルは、Webやアプリのワークフローにおけるパフォーマンス低下を検出するのに役立ちます。ベースラインの設定、変更前後の比較、PRによってページが遅くなったり、重くなったり、安定性が下がったりしていないかの追跡に使えます。パフォーマンス最適化、Core Web Vitals、Lighthouse の確認、バンドルサイズ、読み込み時間の傾向を扱う実用的な benchmark ガイドです。

canary は、デプロイ後の監視に使うスキルで、稼働中のアプリを監視し、コンソールエラー、ページの失敗、パフォーマンスの劣化を検出します。デプロイ前のベースラインと現在の挙動を比較できるため、リリースの検証、壊れたページの発見、目に見える異常の把握を、一般的なプロンプトよりも迷い少なく行えます。

qaスキルは、Webアプリを体系的にテストし、バグを見つけ、段階的なワークフローで修正内容を検証します。回帰テスト、リリース可否の確認、または、証拠・重大度評価・細かな修正と再テストのループが必要で、一般的なバグ探し用プロンプトでは物足りないときの構造化されたQAガイドとして使えます。

design-reviewは、稼働中のインターフェースを監査し、余白、階層、ビジュアルの一貫性、インタラクション上の問題を見つけ、検証しながら段階的に修正していく、UX志向のデザインQAスキルです。実装前のplan-modeレビューにも対応しており、曖昧な助言ではなく、具体的なソース変更に踏み込んだdesign-reviewガイドが必要なときに役立ちます。

rust-async-patternsは、Tokioを使った非同期Rustを実践的に学べるスキルです。タスク、チャネル、ストリーム、タイムアウト、キャンセル、トレーシング、エラーハンドリングまでをカバーし、バックエンド開発に役立ちます。

python-performance-optimization は、プロファイリングを起点に、Python コードの遅さやメモリ消費の重さを診断するためのスキルです。CPU、メモリ、I/O のボトルネック、キャッシュ、ベクトル化、async、ベンチマークの進め方まで幅広くカバーします。

vector-index-tuning は、レイテンシ・再現率・メモリ使用量の観点からベクトル検索インデックスを調整するためのスキルです。RAG ワークフロー向けに、インデックスタイプの選定、HNSW 設定の最適化、量子化オプションの比較に活用できます。

distributed-tracingスキルを使って、JaegerやTempoによるマイクロサービス間のリクエストトレーシングを設計・説明できます。インストールの基本、traceとspanの概念、Kubernetesでの設定パターン、コンテキスト伝播、可観測性の向上やレイテンシ調査に役立つ実践的な使い方までカバーしています。

sql-optimization-patternsは、EXPLAINの分析、インデックス戦略、JOINのチューニング、ページネーションの改善、実践的なクエリ書き換えガイダンスを通じて、データベースエンジニアリングチームの遅いSQL診断を支援します。

spark-optimization は、Apache Spark ジョブの遅さを partitioning、shuffle、skew、caching、memory tuning の観点から診断するための実践ガイドです。wshobson/agents からスキルを導入し、SKILL.md を確認しながら、Spark UI の症状、クラスタ設定、クエリ傾向に基づいて根拠のある改善策を適用したいときに役立ちます。

postgresql-table-design は、キー設計、正規化、データ型、制約、外部キーインデックス、PostgreSQL固有の注意点について実践的なルールに基づき、エージェントが PostgreSQL スキーマを設計・レビューするのを支援します。

debugging-strategiesスキルは、問題の再現、仮説検証、原因の切り分け、根本原因の特定までを体系立てて進めるデバッグ用プレイブックです。バグ、クラッシュ、メモリリーク、性能劣化など幅広い不具合対応に役立ちます。

projection-patternsは、チームでCQRSのリードモデルやイベントストリームのプロジェクションを設計するためのスキルです。プロジェクションの種類、replay、checkpointing、実運用での使いどころを、Backend Development向けに実践的に整理しています。

godot-gdscript-patterns は、Godot 4 ユーザーがシーン構成、signals、state machines、autoloads、async loading のパターンを踏まえて、より整理された GDScript を生成・レビューするのに役立ちます。ゲームプレイシステム、UI フロー、保守しやすいプロジェクトコードに、実績のある Godot アーキテクチャを導入したいときに有用です。