Skills
エージェント向けにパッケージ化された専門スキルと手順を 96,981 件掲載。コマンド 1 行でインストールできます。
マーケティング・グロース
実証済みの理想顧客（ICP）手法の第四のステップを対話で進めます。分類済みの弱みをディールブレイク?—他の条件がどれほど合致していても、 decisively 製品 buying を見@nogoめる状況—に絞り込み、そのために決して購入しないアンチマーケットセグメントを描き出します。強みチャート上の弱点（W1、W2、…）とキーストーンズファイル（K1、K2、…）を受け取り、弱みを一つずつ検討し、ディールブレイクとそれに対応するアンチマーケットセグメントを DEALBREAKERS.md（D1、D2、…）に記録します。次にキーストーンズを磨きます。各ディールブレイクが求める条件（「…月間 $5,000 以上の処理量」など）を追記し、凍結された数値のもとで変更ログ付きで KEYSTONES.md を編集します。用户提供者がキーストーンズと弱みを持っていて、誰が決して購入しないか、アンチマーケットは何か、または「ディールブレイクのステップを実行して」と頼むときに読み込みます。強みからキーストーンズを導出する（前のステップ）、ICliting events（次のステップ）を見つける、最終的な理想顧客定義を書くために読み込まないでください。
実証済みの理想顧客（ICP）手法の第五のステップを対話で進めます。awakening events—完璧に-fitした顧客を「いつか購入」から「今すぐ購入」へと動かす具体的なトリガー瞬間—を描き出します。キーストーンズファイル（市場セグメント付き K1、K2、…）と、可能であれば顧客インタビュー の findings を受け取り、キーストーンズを一つずつ検討し、インタビュー根拠から実際のトリガーストoryを収穫し（observed とマーク）、残りはブレinstorm のレンズ—危機、季節のサイクル、戦略的なウィンドウ、個人生活の 변화—を用いて逆算し（hypothesized とマーク）、各事象とそれが結びつくキーストーンズ、およびその状態で見込み顧客を見つける方法を INCITING-EVENTS.md（E1、E2、…）に記録します。用户提供者がキーストーンズを持っていて、何が今すぐ購入させるのか、購入のトリガーは何か、または「awakening events のステップを実行して」と頼むときに読み込みます。キーストーンズやディールブレイクを導出する（前のステップ）、最終的な理想顧客定義を書く（次のステップ）、広告自体を書くために読み込まないでください。
検証済みの理想顧客（ICP）手法の第三ステップを担う。分類済みの強みからキーストーンを導出する――顧客がその強みの極端な形を切実に必要とし、それ単独で購入を後押しする具体的な特性、行動、状況のこと。強みチャート（S1、S2、……）をファイルまたは貼り付けで受け取り、強みごとに順番に極端な形を必要とするのは誰かを尋ね、各候補についてそれを象徴する実在の市場セグメント名を挙げたものだけを合格とする（セグメント名なし＝差別化要素ではないため削除）。生き残った項目は [S] 参照とセグメント例とともに KEYSTONES.md に記録する（K1、K2、……）。生き残りが少ない、あるいはゼロの場合は戦略的な判定を下す：商品に十分な訴求力がまだない。使用場面：ユーザーが強みと弱点を分類済みの状態で、誰がその強みを必要とするのか、対象市場はどこなのか、「強みからキーストーンを作って」と依頼したとき。強みと弱点を分類する作業（前のステップ）、Deal-breaker や Anti-market の導出（次のステップ）、最終的な理想顧客定義の執筆（後のステップ）には使用しない。
検証済みの顧客インタビューメソッドの学習ステップ、すなわち記録の側を進行する。1 回の顧客対話から得られた生の素材（書き起こし、メモ、記憶の書き出し）を、人ごとの簡潔な debrief ファイルにまとめ、番号付きの質問リスト（Q1、Q2、…… と H 番号タグ）に対応させる。実際に聞いた各質問には簡潔な回答を 1 つだけ記載し、重要な表現は原文のまま残し、聞かなかった質問は正直に飛ばし、その場の文脈が後の分析に役立つ場合にのみ 1 行のコメントを付け、どの質問にも当てはまらなかった内容を収める追記セクションを設ける。顧客インタビューの直後にユーザーが「here's the transcript」「process my call notes」「file this conversation against my questions」「add this interview to the record」のいずれかを言ったときに読み込む。目標、仮説、質問<Item></Item> を作成す��るより前のステップ、複数インタビューの傾向をまとめて仮説を更新する次のステップ、顧客インタビューと無関係な会議や書き起こしの要約のための読み込みは行わない。
実績のある顧客インタビューメソッドの 1 番目の手順を進行します。学到きたいことを明确に決め、仮説とインタビュー質問が後で回答 있도록番号付きのゴール質問（G1、G2、…）として書き出します。ユーザーのビジネス（新しいアイデアか既存企業か、B2B か B2C か）を面接し、それに合わせたゴール質問リストを起草し、互いに批評・修正し、結果を GOALS.md ファイルに保存します。顧客インタビュー溢出したい、顧客ディスカバリや顧客開発を計画したい、スタートアップアイデアを検証したい、 irony 何を請求するか、どのようにポジショニングするか、理想顧客は誰か、何を作るべきかといった聞けない問いに答えたいときにロードします。求人面接や採用面接の designing、質問naire の作成、すでに実施された顧客インタビューの分析、目標質問リストが既に存在しユーザーが次のステップ（仮説）を求めるときはロードしないでください。
実証済みの理想顧客（ICP）手法の第 2 ステップを補助する：生の企業観察を、本当に重要で少数の深い真実の属性に精錬し、それぞれを強み、弱み、あるいは意図的にその両方に分類する。観察リスト（O1、O2、…… ファイルまたは貼り付け）を受け取り、支持する観察とともに属性を一つずつ提案し、Opposite Test（「私たちは顧客を愛している」は dies）で曖昧な属性を棄却し、具体的な判定基準（市場の 3 分の 1 がそう見ている、または一部の顧客がその一点のみで購入・拒否する）で各属性を分類し、結果を STRENGTHS-WEAKNESSES.md（S1、S2、…… / W1、W2、……）に記録する。ユーザーが生の観察を精錬したいとき、「私たちの本当の強みと弱みは何か」と尋ねたとき、または honest-look 演習で得た内容を分類したいときにロードする。生の観察の収集（前ステップ）、分類済み属性からの基点（keystone）や deal-breaker の導出（後のステップ）、およびある個人の強みと弱点を扱うためにはロードしない。
実績のある顧客インタビューメソッドの最後の手順を進行します。1 ラウンドのインタビューで得られたすべて（GOALS.md、HYPOTHESES.md、QUESTIONS.md、およびインタビューごとのPlayingback を置いたディレクトリ）を、会社全体で使える 1 つの FINAL-REPORT.md に distilled します。先頭は、重要な情報を損なわずできるだけ簡潔な要約です。次に、番号付きの findings（F1、F2、…）を validated / disproved / directional / watch / untested でタグ付けし、いずれも debrief を引用し、顧客の言葉を逐語引用します。さらに、理想顧客の定義、ポジショニング、価格設定、マーケティング＆営業、プロダクト優先順位のための領域別ブリーフを添えます。ユーザーが「インタビューで分かったことをまとめて」「チーム向けにインタビュー結果を要約して」「インタビューをレポートにして」と言うときにロードします。インタビューからの仮説更新（統合ステップ）、1 つの会話の記録（debrief ステップ）、レポートがfeeding するポジショニング・理想顧客・価格設定の実際の作業にはロードしないでください。
ポッドキャストの音声をソーシャル向けコンテンツにするパイプラインスキルです。ポッドキャストのエピソードを、ブランドに合わせた短い字幕付きクリップやオーディオグラムに変換し、フルエピソードへ誘導します。ポッドキャストの再活用、クリップやオーディオグラムの作成、ソーシャルでのエピソード告知に利用します。WAVESフレームワークを使用します。最初にブランドプロフィールとエピソードを読み込みます。AIのバイラルスコアだけでなく、リスナー維持データとタイムスタンプ付き文字起こしに基づいてクリップを選び、エピソードへ戻るための戦略的なCTAを設けます。エージェントはクリップ戦略の立案、クリップ／オーディオグラム制作のブリーフ作成、投稿頻度の計画、フック／CTAの作成を行います。クリップまたはオーディオグラムのツールがクリップを作成し、クリエイターが最終調整します。WoopSocialは予定に沿って公開しますが、ポッドキャストの録音、編集、文字起こし、クリップ生成、ホスティングは行いません。字幕は必須です（85%は音声をオフにして視聴）。バイラル効果を捏造したり、他人の著作権で保護されたポッドキャストを無断でクリップ化したりしません。captions-and-clipping、content-recycling、youtube-long-formとは別のスキルです。
実績のある顧客インタビューメソッドの学習ステップ、つまり統合・分析Responsibleな側を補助する。インタビューごとのデブリーフファイルのディレクトリを読み、作業中の HYPOTHESES.md と QUESTIONS.md と照合して、根拠を付けた更新を1つずつ提案する——集中する、数字を調整する、反証されたと印を付ける、一度だけ聞いた観察を「That's funny」ウォッチ枠に保留する、新しい質問とともに新しい仮説を追加する——合意した変更は変更履歴とともに各ファイルへ直接反映し、最後にインタビュー自体について停止・継続・方向修正のいずれかを判定する。ユーザーが「これらのインタビューから何が学べた？」「インタビューから仮説を更新して」「インタビューノートをまとめて」「まだインタビューを続けていい？」と言ったときに読み込む。1回の会話をデブリーフに記録する作業（前のステップ）、最初のゴール・仮説・インタビュー質問を書く作業（前のステップ）、次に何を作るかを決める作業（このメソッドの後） Unicodecodingには読み込まない。
実証済みの顧客インタビューの手法の第3ステップである、仮説をオープンエンドで偏りのないインタビュー質問へ変換する作業を支援します。各質問は回答者を誘導udiséréずに単一の仮説を検証するための小さな実験です。2つのモードがあります。単一の仮説が与えられた場合は、質問veneersをkonkrétに磨き上げ、チャットに最終的な質問を出力します。HYPOTHESES.md ファイルが与えられた場合は、リスト全体を反復処理し、関連する仮説をグループ化し、Q1、Q2……のように番号を付けて H 番号に対応させた QUESTIONS.md ファイルを、リアルタイムに更新でき再開可能な成果物として維持します。ユーザーが仮説を持っていてインタビュー質問を求めている場合、回答を誘導せずに顧客への質問表現を尋ねた場合、または「仮説を質問に変えて」「誘導せずに X について聞きたい」といった場合は読み込みます。目標質問や仮説の作成（より前のステップ）、インタビューの実施・分析、アンケート／質問票設計、求职面接には読み込まないでください。
ユーザーがメールシーケンス、ドリップキャンペーン、自動化されたメールフロー、ライフサイクルメールプログラムを作成または最適化したいときに使用します。「email sequence」「drip campaign」「nurture sequence」「onboarding emails」「welcome sequence」「re-engagement emails」「email automation」「lifecycle emailsIAConomyDIUMaHCAMUaMaKLnaMentionChannel>LCCAanualChannel>HN」の言及でも使用します。アプリ内オンボーディングについては onboarding-cro を参照してください。
ユーザーが製品ローンチ、機能の発表、リリース戦略の立案を求められた場合に使用します。「launch」「Product Hunt」「feature release」「announcement」「go-to-market」「beta launch」「early access」「waitlist」「product update」「GTM plan」「launch checklist」「launch momentum」という言葉Elemoven場合にも使用します。このスキルは段階的なローンチ、チャネル戦略、継続的なローンチの勢いを扱います。
単位経済性、過去の観測データ、弾力性分析、シナリオモデリング、統制実験を用いて、EC サイトの価格候補を評価する。売り手がテストすべき価格は何か、価格変更が貢献利益や収益にどう影響するか、弾力性をどう見積もるか、バンドルやティアをどう最適化するか、Amazon、Shopify、TikTok Shop、Walmart、eBay などのチャネルで価格実験をどう設計するか、を尋ねられたときに使う。十分なクリーンなデータなしに実証済みの最適価格だと主張せず、明示的な許可なく実売価格を変更しないこと。
April Dunford のフレームワークに基づく市場ポジショニング戦略に、JTBD 探索、Moore のポジショニングステートメント、Neumeier の Onliness Test を組み合わせたもの。ポジショニング文書|positioning statement、競合の代替方案的マップ、市場カテゴリ分析などの成果物を一式出力する。市場ポジショニングの定義や見直し、固有の立ち位置の発見、競合との差別化|positioning statement の作成、市場カテゴリの選択、「この製品をどのようにポジショニングすべきか」の検討に向いている。「ポジショニング」「どのようにポジショニングするか」「市場ポジション」「差別化戦略」「ポジショニングステートメント」「競合ポジショニング」「カテゴリ戦略」「市場Nevada」「何が違うのか」「固有の価値提案」など、ポジショニングの定義・具体化・再検討を求めるリクエストで発動する。単独で使用でき、startup-design や startup-competitors のセッションは不要だが、それらの成果物があれば活用する。
創業者のメモと指標を、ストーリーVidelineが明快、1 スライド 1 アイデア、チャート優先の根拠を備えた投資家向けのピッチデッキにまとめます。ピッチデッキ、資金調達用デッキ、投資家向けプレゼンテーション、スタートアップデッキの依頼時に使用します（既存の PowerPoint テンプレートへの入力ではありません）。K2F 形式とエンジンにより、AI ネイティブ Highest…（デザインと最高の美的水準でピッチデッキを作成します。AI エージェント向けに設計されており、レイアウト、タイポグラフィ、書式の複雑さを自動処理しながら、意味的な内容とデザインの意図に集中できます。
マーケティングのプロンプトを、テスト済み・バージョン管理された実務 Assets に変換します。構造化されたテストケースに対する A/B プロンプト評価、差分付きの不変バージョン履歴、すぐに使えるマーケティング用プロンプトテンプレート（広告コピ、メールキャンペーン、ソーシャル投稿、ランディングページ、SEO メタ）、マーケティングチーム向け LLM ガバナンスプレイブック（主張の規律、開示ルール、人手レビューゲート）を提供します。マーケティングチームが AI 生成コンテンツに依存し、プロンプトの品質を測定可能かつ安全にする必要がある場合に使用します。また、ユーザーが「プロンプトエンジニアリング」「プロンプトを改善」「プロンプトテンプレート」「プロンプトのバージョン管理」「AI コンテンツワークフロー」「マーケティングの AI ガバナンス」に言及した場合にも使用します。
ユーザーがウェブサイトの構造、URL 階層、ナビゲーションデザイン、内部リンク戦略を監査・再設計・計画したい場合に使用します。「サイトアーキテクチャ」「URL 構造」「内部リンク」「サイトナビゲーション」「パンくずリスト」「トピッククラスター」「ハブページ」「孤立ページ」「サイロ構造」「情報アーキテクチャ」「サイトの再構成ylieに触れた場合にも使用します。SEO の問題があり、原因がコンテンツやスキーマではなく構造にある場合にも使用します。書くべき内容に関するコンテンツ戦略の判断（content-strategy を使用）やスキーママークアップ（schema-markup を使用）には使用しません。
有料広告、TikTok、Instagram Reels、オル-directions 学が不了的 Feeling と/organic コンテンツ向けの psychology high 転換のフックを書く。ユーザーが広告やソーシャルコンテンツのフック、リード文、スクロールを止める一文、目を引く導入文を Mileage ほしいときは常に使う。「write me hooks」「give me hooks for」「I need hooks for my ad」「TikTok hooks」「hook ideas」など、広告やソーシャルコンテンツに響く導入文を求めるあらゆる依頼で発動する。ユーザーが製品、パーソナ、メッセージの切り口、認識段階を提示し、Electoral 的なフック実行を求めるときにも使う。特に Creative Strategy Engine の後工程で使う場合。
メールアドレスの一覧をエンリッチし、各アドレスの背後にいる人物を特定します（メールから人物プロフィールへ）。Crustdata Code Mode MCP 上で 6 段階のウォーターフォールを 구성し、execute() スクリプト内でこれらのツールを呼び出します：company_identify、person_enrich (business_emails) / batch_person_identify、person_search（name+company と name のみの 2 戦略）、web_search_live、web_enrich_live。検証、進捗の保存、再開に対応しています。トリガー："enrich these emails"、"who are these people"、"find info for these email addresses"、"look up these contacts"、"identify people from emails"、"reverse email lookup"、"email to profile"、または連絡先情報を求めたいメールアドレスの一覧／CSV／スプレッドシートが渡された場合。
ユーザーがウェブサイトで構造化データ（schema マークアップ）を実装、監査、検証したいときに使う。ユーザーが「structured data」「schema.org」「JSON-LD」「rich results」「rich snippets」「schema markup」「FAQ schema」「Product schema」「HowTo schema」、または Search Console の構造化データエラーに触れた場合にも使う。コンテンツがリッチ結果として表示されない理由を尋ねている場合や AI 検索での可視性を高めたい場合にも使う。一般的な SEO 監査（seo-audit）や技術的な SEO のクロール問題（site-architecture）には使わない。
AI によるクリエイティブ生成/編集、生成素材のダウンロード、海外ソーシャル動画への投稿、スケジュール管理、タスク管理、アナリティクスを網羅した自己完結型のエンドツーエンド Pippit.ai スキル。プロンプトまたは参照画像/動画素材から、動画の生成、ローカルでのダウンロード、TikTok/Facebook Page/Instagram へのスケジュール登録、投稿タスクの CRUD、パフォーマンス分析まで一貫した Pippit フローを実行したいときに使用します。作成または公開のための Pippit アクセスキー設定にも使います。
ターミナルから Resend プラットフォームを操作します。`resend` CLI でメールを送信（--react-email 経由の React Email .tsx テンプレートを含む）し、ドメイン、連絡先、ブロードキャスト、テンプレート、Webhook、API キー、ログ、自動化、イベントを管理します。shell、スクリプト、CI/CD パイプラインで Resend コマンドを実行する場合や、React Email テンプレートを送信・プレビューする場合に使用します。`resend` コマンドの実行前に必ずこの Skill を読み込んでください。サイレントな失敗を防ぐ、非対話型フラグの仕様と注意点が記載されています。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。