コンテンツ、アセット、デザインシステム全体でブランドの一貫性を維持することは、ガイドラインが散在するドキュメントに存在する場合に困難です。このスキルは、構造化されたフレームワーク、自動検証スクリプト、デザイン トークンの同期を提供し、ブランドのボイスとビジュアルを整合した状態に保ちます。

プラットフォーム固有のバナー作成には、正確な寸法、セーフゾーン、アートディレクションの選択が必要です。このスキルは、SNS、ウェブ、印刷用の正確な仕様で複数のバナー design option を生成するガイド付きワークフローを提供します。

このスキルは、コードベースを分析するための構造化されたフレームワークを提供します。構造、依存関係、アーキテクチャを調査することで、開発者が unfamiliar プロジェクトを迅速に理解できるよう支援します。分析は、コンポーネント、相互作用、デプロイメント、ランタイム動作をカバーします。

手動のソーシャルリスニングは時間がかかり、一貫性に欠けます。このスキルは、関連投稿の発見、ICPに対するスコアリング、エンゲージメント案のドラフト作成を自動化し、より迅速にプレゼンスを構築できるようにします。

サーバーレスを構成するデータベースでの開発には、接続方法、スケーリング動作、プラットフォーム固有機能の理解が必要です。このスキルは、あらゆる開発シナリオでNeonサーバーレスポストグレスを操作するための包括的なガイダンスを提供します。

複雑なコーディングタスクでは、複数のファイルにわたる反復的な変更と調整が必要です。このスキルは、組み込まれたレビューゲートを備えた構造化された計画に基づいて自律型エージェントを生成します。swarmは継続的な行き来相互作用なしに、マルチステップの開発作業を完了します。

エージェントは実行サービスを評価するための客観的な基準を必要としています。このスキルは、サービスの検索、トラストエビデンスの検査、そしてAgentic Trustカタログへの整数レーティング（0-10）を含む構造化されたレビューの提出を行うための決定論的ワークフローを提供します。

An AI skill for Claude, Codex, and Claude Code

Claude、Codex、および Claude Code 用の AI スキル

AIエージェント向けソーシャルWeb体験のディレクトリであるClawDirectを閲覧し、対話します。MCPツールの使用方法とAPIドキュメントを取得できます。ATXP認証を通じて接続します。

Claude、Codex、Claude Code向けのAIスキル

適切なアーキテクチャなしでLLMアプリケーションを構築すると、時間とリソースが浪費されます。このスキルは、KarpathyのHN Time CapsuleやVercel's d0エージェントなど、本番環境で実証されたパターンを提供します。

シングルエージェントシステムでは、コンテキスト制限、順次処理のボトルネック、柔軟なツール構成の課題があります。このスキルは、明示的な調整、引き継ぎプロトコル、障害処理を備えた複数のAIエージェントへの作業分散のためのパターンを提供します。

Claude、Codex、Claude Code向けのAIスキル

エージェントの品質を測定するには、構造化されたアプローチが必要です。このスキルは多次元評価ルブリクス、テストセット管理、本番環境モニタリングを提供し、エージェントの継続的な評価と改善を可能にします。

限定的なコンテキストウィンドウは複雑なタスクを制約し、APIコストを増加させます。このスキルは、コンパクト化、観測マスキング、KVキャッシュ最適化、コンテキスト分割を通じて、効果的なコンテキスト容量を2倍から3倍に向上させる実証済みの手法を提供します。

コンテキストは効果的なAIエージェントパフォーマンスの基盤です。このスキルでは、エージェントシステムにおけるコンテキストの理解、設計、最適化の方法を学びます。より有能なAIエージェントを構築するための、漸進的開示、注意機構、コンテキスト予算の原則を学習します。

AIエージェントは会話が長くなるほど性能が低下します。このスキルは、真ん中消失問題、コンテキスト汚染、注意の失敗を診断し、最適なエージェント性能を回復します。コンテキスト劣化を認識し軽減するためのパターンを提供します。

長いエージェントセッションは、数百万のトークンを生成し、コンテキスト制限を超えます。このスキルは、構造化された圧縮戦略を提供し、ファイルパス、エラーメッセージ、意思決定を保持しながらトークン使用量を削減し、エージェントが情報を再取得せずに作業を継続できるようにします。

LLM出力の手動評価は遅く、レビュアー間で一貫性がありません。このスキルは、LLMを判定者として用いる自動評価のための本番品質の手法を提供します。直接スコアリングのルーブリック、位置バイアス緩和を伴うペアワイズ比較、そして信頼度の校正を含みます。