AI & ML

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-vision-discernment 대표 스킬 전용. "말씀을 잇는 자" AI Agent. 각 표어 후보에 핵심 성경 본문·간략 주해·적용을 잇는다. 가장 할루시네이션에 민감한 스킬 — 실재하는 본문만, 정통적 주해만, 지어내지 않는다. 한국 강단의 가짜 어원·풍유적 곡해·아전인수 적용을 경계한다. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-vision-discernment가 표어 후보에 본문을 잇는 단계에서 호출한다. ## Detailed Methodology — 각 candidate에 core_scriptures(ref·exegesis·application) 부여. 목사가 든 본문(heart.gripping_scriptures, option2 원안 본문)을 최우선. 본문 형식은 "책 장:절"(실재 66권 한글 책이름). 주해는 간략·정통(구속사·문맥 존중), 가짜 어원·알레고리 남용·아전인수 금지. 확신 없으면 본문 추가 대신 "본문 미확정" 표시. 산출은 vision.json candidates[].core_scriptures → fidelity-guard가 본문 실재성·정통성 검증.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-sermon-planner-52 대표 스킬 전용. "찬양을 잇는 자" AI Agent. 주차/시리즈 설교 메시지에 어울리는 찬송·CCM의 방향 — 주제·정서·가사 모티프·스타일 — 을 추천해 설교의 정서 곡선을 예배 음악으로 잇는다. 번호 검증기가 아니라 방향 추천기 — 특정 곡 번호·제목·작곡가를 단정하지 않으므로 할루시네이션이 구조적으로 불가능하다. 곡 선택은 회중 레퍼토리에서 목사·찬양팀의 몫. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-sermon-planner-52가 서사·목표 점검 후 호출한다. ## Detailed Methodology — 입력: sermon-plan.json의 weeks(core_message·observance)+series. 각 주차(또는 시리즈)에 worship_direction을 작성 — theme(메시지 신학 핵심)·mood(예배 정서 곡선)·lyric_motif(가사 이미지·움직임)·style(전통 찬송/현대 회중 CCM/묵상곡/경배와 찬양/세대 통합 스펙트럼에서). worship-music-catalog.md의 4요소·절기별 정서 길잡이 참조. 절대 규약: 특정 번호·제목·작곡가 단정 금지(할루시네이션 차단), 외부 차트·저작권 정보 지어내기 금지, 늘 note로 "특정 곡은 회중이 아는 곡에서 찬양팀과 선정" 남김. 산출은 sermon-plan.json의 weeks[].worship_direction.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-vision-discernment 대표 스킬 전용. "방향을 적는 자" AI Agent. 목사가 기도 가운데 택하거나 합성한 표어를 받아, 그것을 풀어낸 목회 방향 선언문 1단락을 쓴다. 반드시 목사 선택(HITL) 이후에만 작동한다 — 선택 전에는 결코 쓰지 않는다(결정 월권 차단). ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-vision-discernment가 목사 선택 HITL 완료 후 방향 선언문 작성 단계에서만 호출한다. ## Detailed Methodology — 입력: 목사가 택/합성한 확정 표어(chosen) + 그 표어의 본문·3축 함의 + church_situation. 출력: 방향 선언문 1단락(md) — 표어를 풀어 올해 교회가 나아갈 방향을 회중 언어로. 핵심 본문 인용, 3축으로의 부르심 함축, 행동이 보이게. 목사가 고르지 않았으면(chosen=null) 작동 거부하고 선택을 요청. 산출은 vision.json.direction_declaration → goal-architect(#3) 입력.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-plan-compiler 대표 스킬 전용. "비전을 펴는 자" AI Agent. 성도 공유용 비전 한 장을 짠다. 청중은 전 교인 — 톤은 초청·은혜(율법적 압박 아님)이며, 표어·핵심 본문·핵심 방향 3가지·동참 초청으로 구성한다. 숫자·예산·조직은 넣지 않는다(성도용은 방향과 초청만). 앞 산출물의 표어·본문·방향을 전사하되 새 교리·약속을 지어내지 않는다. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-plan-compiler가 slide-deck-composer 직후, 목사 확정 HITL 직전에 호출한다. ## Detailed Methodology — 입력: vision(chosen.theme·direction_declaration·core_scriptures)+goals(3축 방향). 성도용 비전 한 장을 짠다(document-structure-catalog.md §3): theme(표어)·core_scripture(vision.core_scriptures 전사)·directions(핵심 방향 3가지 쉬운 말 전사)·invitation(동참 초청 한 단락·01 라인 324)·tone(은혜의 초청). 숫자·예산·조직은 넣지 않는다(성도용은 방향과 초청만). 율법적 압박 아닌 은혜 톤. 앞 산출물의 표어·본문·방향을 전사하되 새 교리·약속·본문을 지어내지 않는다(할루시네이션 차단·곡해 금지). 산출은 plan-package.json의 vision_onepager. 이후 목사 확정 HITL → compiler-renderer가 문서를 굽는다.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-ministry-calendar 대표 스킬 전용. "한 방향을 잇는 자" AI Agent. 분기별로 설교(강단)·행사(체험)·사역(목표 마일스톤+캠페인)이 같은 메시지를 향하는지 3중 정합을 점검한다(02 라인 173 "행사 주간의 설교·시즌 강조점·사역의 타이밍이 한 방향인지"). 한 방향이면 힘이 모이고, 어긋나면 간극(gap)을 드러낸다 — 정죄가 아니라 거울. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-ministry-calendar가 season-aligner의 시즌 정렬 직후 호출한다. ## Detailed Methodology — 입력: calendar.json weeks[](sermon·events·campaigns·milestones)+season_alignment+meta.season_frame. 각 분기의 세 추동력을 추출 — sermon_thrust(그 분기 강단 메시지)·event_thrust(그 분기 핵심 행사 지향)·ministry_thrust(목표 마일스톤 + 진행 캠페인). 셋이 한 방향인가? 산출 tri_consistency[]에 quarter·sermon_thrust·event_thrust·ministry_thrust·aligned(bool)·gap(어긋난 경우 간극 서술). 박사님 시즌제 철학 — 같은 분기 설교·행사·사역이 한 메시지를 동시에 전하면 "힘이 모인다". 어긋남은 차단이 아니라 경고(gap 서술). 사역=목표+캠페인(보완2 명명, action-planner #7의 분해와 다름 — 여기선 방향 정합만).

aiagentslibrary Skill

A Google Slides creation skill for Gemini Spark. Turns ideas, docs, notes, research, meeting summaries, or reports into clear slide outlines, deck copy, and presentation structure. Triggered by create slides, make a deck, Google Slides agent, pitch deck, presentation outline, turn this into slides.

aiagentslibrary Skill

A Google Drive organization skill for Gemini Spark. Finds files, groups related documents, proposes folder structures, creates file inventories, and drafts cleanup plans with approval. Triggered by organize Drive, find my files, Drive cleanup, file inventory, folder structure, Google Drive agent.

aiagentslibrary Skill

A Google Keep and Tasks capture skill for Gemini Spark. Turns notes, brain dumps, emails, meeting notes, and ideas into organized tasks, reminders, and clean action lists. Triggered by organize my notes, create tasks, Google Keep agent, Google Tasks agent, brain dump, action list.

aiagentslibrary Skill

A GitHub repository analysis skill for Gemini Spark. Reviews codebases, explains structure, identifies setup steps, creates beginner-friendly summaries, and drafts issue or README improvements with approval. Triggered by analyze repo, GitHub agent, explain codebase, README audit, repo setup, code walkthrough.

aiagentslibrary Skill

A Google Photos asset finder skill for Gemini Spark. Helps locate useful photos and videos for content, presentations, memory projects, trips, and creative assets while protecting privacy. Triggered by find photos, Google Photos agent, photo assets, find images, content images, photo search.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬·#12 심장] churchplan-plan-reinforce 대표 스킬 전용. "추정과 실측을 맞대는 자" AI Agent. 워크샵에서 기억으로 표시한 추정값(특히 신뢰'하'/assumption 항목)을 자료에서 추출한 실측값과 맞대 "추정→실측" 이력을 남긴다. 추정을 지우지 않고 옆에 실측을 놓으며(estimate 보존·delta 차이), 실측은 자료 근거(actual_source) 있을 때만 교체하고, 추정과 실측이 유의하게 다르면 mismatch로 강조해 새 병목 신호로 연결한다. #12의 심장이자 "계획이 스스로 자란다"의 핵심. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-plan-reinforce가 data-extractor 직후 호출한다. ## Detailed Methodology — 입력: verify_targets(#10 verify_seeds + 6스키마 신뢰'하' 종자)+extracted_data(자료 추출값). 신뢰'하'/assumption 항목 우선으로 추정 vs 실측을 대조(reinforce-catalog.md §2~3): 각 reconciliation에 estimate(원래 추정·보존)·actual(실측)·actual_source(자료 근거·실측교체 시 필수)·delta(차이)·mismatch(추정-실측 유의차)·status(실측교체|추정유지|이월)·new_confidence(실측 후 신뢰 갱신). 추정을 지우지 않는다(이력·투명성). 자료 없는 항목은 status=추정유지 또는 이월(실측 날조 금지). 어긋남(mismatch:true)은 강조 — 단순 교체가 아니라 새 병목 신호(02 라인253)로 plan-updater 조정에 연결. 산출은 reinforce.json의 reconciliations. 갱신은 plan-updater, 이월은 carryover-tracker가 이어 한다.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-prayer-scripture-kit 대표 스킬 전용. "식탁을 펴는 자" AI Agent. 가정예배 가이드를 짠다 — 혼자 읽기가 아니라 가정·짝이 함께 나누는 1:1 말씀나눔 양식(찬송→본문 읽기→묵상 나눔→함께 기도). 본문은 통독/설교/표어와 연계한 정경 실재 권·장이며(bible_validator), 묵상 질문은 본문에서 길어 올린다(곡해·아전인수 금지). 짧고 반복 가능하게(가정이 매주 부담 없이). ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-prayer-scripture-kit가 prayer-topic-composer 직후 호출한다. ## Detailed Methodology — 입력: reading_track(통독 본문)+vision(표어·core_scriptures)+설교 연계(있으면). 가정예배 가이드를 짠다(scripture-track-catalog.md §4): order(찬송→본문 읽기→묵상 나눔→함께 기도)·samples[](scripture 실재·reflection_questions·prayer). 01 라인 159 "1:1 말씀나눔 참여 가정 수" — 혼자 읽기가 아니라 가정·짝이 함께 나누는 양식. 본문은 통독/설교/표어 연계 정경 실재(bible_validator·없는 권장 금지). 묵상 질문은 본문에서 길어 올린다(본문에 없는 약속·교리 단언 금지·곡해·아전인수 금지). 짧고 반복 가능(가정이 매주 부담 없이). 율법 아닌 은혜 톤. 산출은 prayer-kit.json의 family_worship. 새벽 시즌은 dawn-prayer-season-writer가 이어 짠다.

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-prayer-scripture-kit 대표 스킬 전용. "함께 아뢰는 자" AI Agent. 월별 전교인 기도제목(12개월)을 짠다 — 온 교회가 같은 제목으로 함께 기도하는 자리. 기도제목은 vision 표어·goals 영성 목표·교회 형편(목사 입력)에서 전사하며, 없는 약속·응답을 단언하지 않는다. 절기·시즌과 자연스럽게 묶고, 강제가 아니라 은혜의 초청 톤. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-prayer-scripture-kit가 scripture-track-builder 직후 호출한다. ## Detailed Methodology — 입력: vision(표어·core_scriptures)+goals 영성+목사 기도 형편. 월별(12개월) 전교인 기도제목을 짠다(scripture-track-catalog.md §3): 각 달 2~4개·source(vision/goals/형편) 표기. 절기·시즌 연계(1월 새해·부활절·맥추·추수감사·성탄). 전사 — vision 표어·goals 영성 목표·목사 형편에서 옮기고, 없는 약속·응답·수치를 단언하지 않는다(곡해·과장 금지). 율법 아닌 은혜의 초청("함께 기도하는 자리"·강제 아님). 기도 동역자 매칭은 명세 밖이라 추가하지 않는다(요청한 것만). 산출은 prayer-kit.json의 prayer_topics. 가정예배는 family-worship-guide가 이어 짠다.

idoforgod Bundle

TLDR — [INTERNAL 하위 스킬·#11 심장] churchplan-prayer-scripture-kit 대표 스킬 전용. "길을 내는 자" AI Agent. 연간 성경통독 트랙을 짠다 — 표준 트랙(1년 통독·신약 1년·맥체인·시편잠언·시즌 통독)을 정경 권·장 수(bible_validator BOOK_CHAPTERS·총 1189장)로 일별 배정한다. 그러나 통독을 율법으로 만들지 않고 "낙오=실패 아님·언제든 다시 합류·읽은 만큼"의 은혜 융통성(grace_frame)을 내장하며, 본문 권·장이 정경 실재인지 검증한다(없는 권·장 금지). 통독 완주는 #9 영성 지표를 섬기되 채찍이 아니라 격려. #11의 심장. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-prayer-scripture-kit가 트랙·시즌 1회 입력 직후 가장 먼저 호출한다. ## Detailed Methodology — 입력: 목사 통독 트랙 선택 + goals 영성(있으면)+vision core_scriptures(있으면). 표준 트랙(scripture-track-catalog.md §1)을 정경 권·장으로 일별 배정한다 — `scripts/allocate_track.py`가 BOOK_CHAPTERS로 결정론 계산(권 경계 존중·장 누락/중복 0·1년통독 1189장/365일≈3-4장). 각 트랙 범위 책이름·장은 bible_validator로 실재 검증. grace_frame(보완B·필수): "낙오는 실패가 아닙니다·언제든 다시 합류·읽은 만큼이 은혜" — 통독의 율법화 차단. checkbox는 기쁨의 자기 점검(감시 아님). serves_indicator(보완A): "성경읽기표 완주(#9 영성 신호 — 채찍 아닌 격려)". 율법 어휘(매일 …해야·완주 못하면·반드시·의무·죄책) 금지. 산출은 prayer-kit.json의 reading_track. 기도제목은 prayer-topic-composer, 가정예배는 family-worship-gu

idoforgod Skill

TLDR — [INTERNAL 하위 스킬] churchplan-prayer-scripture-kit 대표 스킬 전용. "새벽을 깨우는 자" AI Agent. 새벽기도 시즌 안내문을 짠다 — 상시 강제가 아니라 시즌제(사순절 특별새벽·맥추 40일·송구영신·표어 집중 기간). 각 시즌은 이름·기간·주제(표어 연계)·본문(정경 실재)로 구성하며, 톤은 의무 부과가 아니라 "함께 깨어 기도합시다"의 은혜의 초청. 새벽 참여는 #9 영성 지표를 섬기되 채찍이 아니라 격려. ## Triggers — 모델 자동 발동 금지(disable-model-invocation). 대표 스킬 churchplan-prayer-scripture-kit가 family-worship-guide 직후, 목사 확정 HITL 직전에 호출한다. ## Detailed Methodology — 입력: 목사 새벽 시즌 시점 + vision(표어·core_scriptures). 새벽기도 시즌 안내문을 짠다(scripture-track-catalog.md §5): seasons[](name·when·theme 표어 연계·scripture 실재). 상시 강제가 아니라 시즌제(사순절·맥추 40일·송구영신·표어 집중). serves_indicator(보완A): "새벽기도 평균 참여(#9 영성 신호 — 격려)". 본문은 정경 실재(bible_validator). 안내문 톤은 초청("함께 깨어 기도합시다")이지 의무 부과가 아니다(율법 금지). 산출은 prayer-kit.json의 dawn_prayer_season. 이후 목사 확정 HITL → kit-renderer가 인쇄 키트를 묶는다.

inforobotvit Bundle

TODO: Замени это описание под свою задачу. Делай его активным (pushy): не "what this agent does", а "use this skill whenever the user asks to do X, Y, Z — even if they don't say the exact word X". Описание — главный триггер. Чем подробнее перечислены варианты запроса, тем выше шанс, что агент подгрузит skill в нужный момент. Пример из шаблона ниже (research-агент): Research agent that gathers facts from the web and internal sources. Use this skill whenever the user asks to research, investigate, compare, or fact-check something — even if they don't say the word "research".

inforobotvit Bundle

Research agent that gathers facts from the web and internal sources to answer questions accurately and concisely. Use this skill whenever the user asks to research, investigate, compare, fact-check, or look into something — even if they don't explicitly say the word "research". Triggers include: "find out about", "compare X and Y", "what's the latest on", "summarize the state of", "is it true that", "who/what/when", and similar information-gathering requests.

roger-666666 Bundle

Three Provinces and Six Ministries multi-agent thinking framework. Structure any complex task through Crown Prince (sorting) → Secretariat (planning) → Chancellery (review) → Department of State Affairs (dispatch) → Six Ministries (execution) → Summary. Universal task processing system with quality control,适用于所有类型的任务。

rainy-w-cy Skill

Find, evaluate, compare, adapt, or recommend Agent Skills for Codex or compatible coding agents. Use this skill whenever the user wants to find a skill, compare skill repositories, install a skill, inspect whether an existing skill fits a workflow, modify an existing skill, or decide whether a custom skill should be created instead of installing a generic one.

openmatter-network Bundle

Use when analyzing work to support a selection effort — to identify worker requirements (KSAOs/competencies), define the work content domain, or develop job-relevant criteria. Covers choosing methods, level of detail, SME sampling, competency modeling, and documenting results. Triggers: "job analysis", "work analysis", "define KSAOs/competencies", "competency model", "what should the test measure", "identify the criteria for this job", "SME workshop".

ursuscamp Bundle

Use when browser automation with Playwright is needed, especially through the Playwright coding-agent CLI, including opening pages, navigating, inspecting snapshots, targeting elements by ref or selector, capturing screenshots or PDFs, managing named browser sessions, inspecting storage or network state, recording traces or video, mocking requests, or generating Playwright test code from interactive browser work.

ursuscamp Bundle

Use when you need current web information or page content via Exa's hosted MCP tools (`web_search_exa`, `web_fetch_exa`), and only when another web search or web fetch tool is not available.

ursuscamp Skill

Use when any software development request needs to be clarified before work begins, with a bias toward exploring the codebase first and asking one question at a time until the user and agent are fully aligned.

whz39coding Skill

Helium MCP — News, Markets & AI Intelligence

whz39coding Bundle

MCP Server Development Guide

openmatter-network Bundle

Use when building validity evidence by linking selection-procedure content to the work domain — demonstrating that the procedure samples important work behaviors, activities, and/or worker KSAOs defined by an analysis of work. Covers defining the content domain, SME qualifications and linkage judgments, sampling the domain, fidelity/specificity, competency-model foundations, and evaluating content evidence. Triggers: "content validity", "content-based strategy", "work sample", "job knowledge test", "link test content to the job", "SME linkage ratings", "no criterion data available".

openmatter-network Bundle

Use when determining what validity evidence an AI/ML selection tool needs and whether it has it — Concern 5 of Tippins, Oswald & McPhail (2021). Covers validity as the legal/business sine qua non when adverse impact exists, AI tools as "tests" requiring validity, criterion-related vs. content strategies and why content validation is hard for AI, overall model fit (R-squared) as sometimes the only basis, comparative data for less-adverse alternatives, and the minimum documentation requirements. Triggers: "what validity evidence does the AI tool need", "validate an algorithm", "content validation for AI", "R-squared as validity", "document AI validation", "is overall model fit enough".

openmatter-network Bundle

Use when auditing how an AI/ML personnel assessment was actually built once its design was set — Components 3-5 of the Landers & Behrend (2023) framework: model development (refinement and cross-validation strategy, documentation), model features (feature engineering — NLP tokens vs. topics, speech-to-text, extracted facial/voice features), and model processes (the estimation algorithm, alternatives explored, and stress tests for bias). Triggers: "audit feature engineering", "k-fold vs holdout vs temporal validation", "NLP bag-of-words bias", "speech-to-text reliability", "how was the model refined", "stress test the algorithm for bias", "model development documentation".

openmatter-network Bundle

Use when auditing the data and foundational design of an AI/ML personnel assessment — Components 1-2 of the Landers & Behrend (2023) framework. Covers input-data population, sampling, range restriction, and incumbent-vs-applicant generalizability; and model design: how the criterion ("ground truth") is defined and its construct validity, why each predictor/feature was included, and whether choices were theory-driven or empirically derived. Triggers: "audit training data", "is the training sample representative", "ground truth validity", "why are these features predictors", "criterion definition in AI hiring", "range restriction in algorithm training data".

openmatter-network Bundle

Use when evaluating whether the machine-learning methodology behind a selection tool is appropriate and interpretable — Concern 4 of Tippins, Oswald & McPhail (2021). Covers ML interpretability and the "black box," explainable AI (XAI), evaluation metrics (MSE, confusion matrix, ROC/AUC), the high variable-to-case ratio in big data, the difficulty of comparing ML results to traditional methods, and the I-O psychology education gap. Triggers: "is the ML methodology appropriate", "black box hiring model", "explainable AI selection", "ROC AUC confusion matrix", "how to evaluate a machine learning model", "compare ML to regression validity", "I-O psychologists machine learning training".

openmatter-network Bundle

Use when checking whether an AI/ML selection tool is grounded in an adequate analysis of work and is demonstrably job-related — Concerns 2-3 of Tippins, Oswald & McPhail (2021). Covers whether a job analysis is necessary (even with a strong criterion-related relationship), acceptable forms and rigor, O*NET and competency-model limits, collecting task importance ratings, SME-judgment agreement, and the legal meaning of job relatedness. Triggers: "does the AI tool need a job analysis", "is this algorithm job-related", "competency model vs job analysis for AI", "O*NET as job analysis", "job relevancy of scraped predictors", "Guardians job analysis".

whz39coding Skill

LangSmith Fetch - Agent Debugging Skill

whz39coding Bundle

Agent Deep Links

duckwu Skill

提取小红书帖子内容并获取高赞评论（需配置 rednote MCP）

stevefeldman Skill

AI-powered observability with Grafana MCP — translates natural language to metrics, logs, and trace queries to diagnose issues like a senior SRE

stage-11-agentics Bundle

A flat-file, agent-friendly mirror of every NY Tech Week 2026 event (June 1–7, NYC). Use when planning a Tech Week schedule, filtering events for a specific person/company, or analyzing the event landscape (top hosts, neighborhoods, capacity). 1,410 events with full descriptions, RSVP links, hero images, and 2,406 resolved host profiles.