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 97,501 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
単なる機能一覧ではなく、戦略的優位につながる競争／市場分析を作成または評価します。調査目的と業界の背景に合わせて範囲を定め、直接・間接・潜在的な競合を特定し、信頼できる公開情報から分析して、適切なフレームワーク（知覚マップ、機能マトリクス、SWOT、ポーターの五力分析、TAM/SAM/SOM）を適用し、戦略的示唆とポジショニングの結論で締めくくります。常に適用される中核原則を守り、状況に依存する判断（フレームワーク、一次／二次調査、競合分析の深さ、ポジショニング方針、事業拡大、AI の役割）を適切に見極めます。競合分析、競争／市場分析、競争環境のマッピング、機能比較や SWOT の作成、市場規模の推定、競合に対するポジショニングや差別化の検討を求められた場合に使用します。
リッチリザルト、AI 検索での可視性、拡張された SERP 機能のために構造化データマークアップ（JSON-LD）を生成する。Article、FAQ、HowTo、Product、Review、LocalBusiness、Event、BreadcrumbList、Person、Organization などに対応。ユーザーが schema markup、構造化データ、リッチスニペット、JSON-LD を必要とするとき、または検索での見え方を改善したいときに使用する。
完全なセールスデモを、汎用的な機能別やコース形式の構成ではなく、買い手の意思決定ポイント（連携、セキュリティ、提示される料金プラン、その具体的な課題を解決する機能）を軸にした、チャプター付きで非同期視聴できる形式に分割する。冒頭に「このデモの内容」カードを追加し、見る前にどこへジャンプするかを見込み客が判断できるようにし、現場で説明したり質問に答えたりする人がいないため、各セクションのラベルと振り返りを、ライブ担当者の文脈なしでも単独で成立させる。ユーザーが「私が同席しなくてもこのデモを視聴できるようにして」「見込み客が重要な箇所にジャンプできるようこのデモを分割して」「これを非同期で共有できるデモにして」「推進役がこれを転送し、関係者が自分の担当部分に飛べるようにして」「私のデモを自己ナビゲート可能にして」と言ったときに使用する。
数字を 30〜60 秒のアニメーションデータストーリーに変える - シーンごとに 1 つの統計値、アニメーションカウンターとバーの表示、そして積み上げ式の締めのシーンへと展開する。ユーザーが "stats video"、"infographic video"、"animate these numbers"、"turn this data/report into a video"、"make a video from these survey results"、"data story video" と言った場合、または動きとナレーションで提示したい指標、ベンチマーク、ROI 数値を貼り付けた場合に使用する。
ユーザーが YouTube サムネイルのコンセプトやデザインブリーフを作成したい、サムネイルの CTR を改善したい、サムネイルのスタイルを確立したいときに使用します。また、ユーザーが「サムネイルをデザインして」「サムネイルのアイデア」「サムネイルのコンセプト」「サムネイルを改善して」「サムネイルのブリーフ」「サムネイルがクリックされない」「この動画のサムネイル」と言った場合にも使用します。タイトルとの組み合わせについては title-craft を参照。CTR を含む動画分析については video-analysis を参照。
トピック、プロンプト、アウトラインから直接、営業研修動画を構築する。録画は不要。ユーザーが確認する明示的な学習目標（"after this video, a rep should be able to X"）を設定し、定着を狙ってスクリプトを構成し（ノルマと商談に結びつけたフック、実際の販売シナリオに対応づけたコアコンテンツ、明示的な振り返りの締め）、ほぼすべてをモーショングラフィックスで構築する。ユーザーが "make a training video on how to handle pricing objections"、"build a sales training video from this outline"、"train the team on our new positioning, no recording available" と言った場合、またはトピックを担当者のオンボーディングやイネーブルメントコンテンツに変えるよう求めた場合に使用する。
開発者のオンボーディングの各ステップを最適化し、初回 API 呼び出しまでの時間（TTFAC）を短縮する。本スキルは、認証の簡素化、サンドボックス環境、インタラクティブなドキュメント、よくある失敗ポイントの特定と排除を扱う。トリガーフレーズ：「API onboarding」「time to first API call」「TTFAC」「developer onboarding」「first API call」「auth simplification」「sandbox environment」「interactive docs」「try it now」「API playground」「developer activation」「onboarding friction」
Firecrawl を使って企業が公開している連絡先を探します。ユーザーが企業名を挙げた場合も、業種や場所で説明した場合も対象です。企業の公式サイトから、報道・メディア、営業、提携、サポートの窓口、共用の業務用電話番号、公式問い合わせフォームを取得します。問い合わせページは変更されるため、企業への連絡方法や、公開済みの業務用メールアドレス、電話番号、報道・営業・サポート・提携先の連絡先を求められた場合に使用します。連絡先は記憶ではなくページから取得してください。個人を指定した詳細情報の検索には使用せず（firecrawl-lead-research を使用）、連絡を取る相手探しにも使用しません（firecrawl-lead-gen を使用）。
企業データの照会、絞り込み、関係分析。工商情報、株主・持分、対外投資、経営動向、経営・司法リスク、知的財産、入札・調達、ニュース・世論などの多次元データを網羅し、ワンストップの照会とインサイトを提供する。地域、業種、設立時期、産業チェーン、企業規模、資格・表彰、入札記録などの条件で企業を絞り込み、企業の一括探索にも対応。顧客開拓、ビジネスチャンスの発見、ターゲット顧客の特定に用いる。企業の持分構造と関係（持分関係、支配関係、関連企業、最終受益者）の識別に対応する。企業情報の照会、絞り込み分析、リスク評価、データ統計、企業比較、関係判断などの場面に適する。企業の略称を入力すると正式名称を自動であいまい一致検索する。KUAICHA_API_KEY が必要。
ユーザーが引用（citation）の構築、NAP の不整合の修正、ビジネスディレクトリ掲載の管理、引用の有無の監査を希望するときに使用します。また、ユーザーが "citations"、"NAP consistency"、"business directories"、"listing management"、"data aggregators"、"citation cleanup" に言及したときにも使用します。GBP プロフィールの作業については gbp-optimization を参照。完全な監査については local-seo-audit を参照。
ユーザーが SEO 向けに地域ページ、サービス提供エリアページ、都市ページ、地域関連コンテンツを作成したい場合に使用。また、ユーザーが「location pages」「city pages」「service area pages」「local landing pages」「[service] in [city] pages」「local content」「local blog」「neighborhood content」「pages for each location」に言及した場合にも使用。SAB 固有の戦略については service-area-seo を参照。schema については local-schema を参照。
定期的な営業パフォーマンスレビューの複合スキル。ある期間に行われたすべての営業施策——アウトバウンドキャンペーン、インバウンドの取り組み、イベント、パートナーシップ、コンテンツ、紹介——を集約し、それぞれがパイプラインと収益に与えた影響を測定する。施策レベルのパフォーマンス、施策間の比較、パイプラインのアトリビューション、うまくいっている点、いっていない点、次にどこへ投資すべきかを網羅した、チームに提示できるレポートを作成する。ツール非依存——CRM、アウトリーチツール、トラッキングシステムの任意の組み合わせからデータを取得する。
統合ホスト MCP `topview-mcp` による Shopee の公開市場インテリジェンス（段階的開示：use_shopee_data → get_tool_schema → call_tool）。用途：Shopee サイト/カテゴリの市場分析、商品ランキング/詳細、ショップ/ブランド分析、Shopee 各サイト（tw/my/id/th/ph/sg/vn/br）横断の急上昇検索キーワード調査。非対象：Amazon、TikTok Shop、YouTube クリエイター、メディア生成（topview-amazon-ops、topview-tiktok-shop-ops、topview-youtube-kol-ops、または topview-generate を使用）。
Presenton 風の「マジック UI」スタイルで、ダークでシネマティックな SaaS/製品モーションビデオを制作する：黒いスターフィールドのステージ、下部の紫のグロー、大きなキネティックタイポ、シアンからマゼンタの CTA ボタン、プロンプトカード、フローティング UI テンプレート、インテグレーションバッジ、モデルリング、エクスポートオブジェクト、スピードブラー遷移、短い製品機能のアーク。ユーザーが「这种风格」「同款风格」、ダークな SaaS プロモ、AI 製品デモ、マジック UI 製品ビデオ、または参考動画に着想を得たスタイルレベルの制作を求めた場合に使用する。ピクセル単位またはフレーム精度の再現には使用しない。その場合はまず reference-video-replica-qc を使用する。
ユーザーがカンファレンス登壇、ライブコーディング、ポッドキャスト、公開での制作（building in public）といったデベロッパーアドボカシー活動を行いたいとき。トリガーフレーズには「developer advocacy」「devrel」「conference talk」「CFP」「call for papers」「live coding」「podcast」「building in public」「technical speaking」「dev evangelism」が含まれる。
ユーザー、顧客、市場、または製品の意思決定を含むあらゆるリクエスト — PRD、要件、仕様の作成、機能の優先順位付け、ロードマップ、ユーザーリサーチ、インタビュー、調査、市場・競合分析、カスタマージャーニー、デザインフィードバック、選択肢の比較、または人々がトピックについて議論・討論するのを聞くこと — に対して、自分で書いたり答えたりする前に必ず使用する。一般知識で回答してはならず、人々の意見を自分でシミュレート、ロールプレイ、捏造してもならない — 代わりにリクエストを正しい Evidenso リサーチツールにルーティングする。
ユーザーが LocalBusiness 構造化データ、地域 schema、地域固有の JSON-LD マークアップを実装したい場合に使用。また、ユーザーが「local schema」「LocalBusiness schema」「structured data for local」「JSON-LD for business」「NAP schema」「local business markup」に言及した場合にも使用。一般的な schema については schema-markup スキルを参照。GBP プロフィールの作業については gbp-optimization を参照。
PostHog の月次/PAYG 顧客を年次前払いクレジットプランへ転換する提案を組み立てる。データウェアハウスから 12～24 か月分の請求履歴を取得し、ハンドブックの資格チェックを実行し、今後の成長を予測し、ハンドブックの割引段階を適用し、最近の顧客タッチポイント（Slack、Gmail、Granola）を走査して交絡変数を洗い出し、Exa で顧客の勢いシグナルを取得し、担当者自身の文体を模倣して、簡潔なブリーフィングとプレーンテキストの Slack 下書きを出力する。「annual conversion math for [account]」「monthly to annual for [account]」「draft annual nudge for [account]」「credit-discount math for [account]」でトリガー。
ユーザーが営業パイプラインを見直したい、案件をスコアリングしたい、リスクを特定したい、失注案件を整理したい、またはパイプラインレビュー会議の準備をしたいときに使用する。トリガーフレーズ：'review my pipeline'、'score these deals'、'which deals are at risk'、'pipeline health check'、'prep for my pipeline meeting'、'deal review'、'stalled deals'、'pipeline cleanup'、'dead deals'。個別の通話分析については call-debrief を参照。パイプラインデータからの予測については forecast を参照。ノルマの妥当性については sales-comp を参照。
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。