MCP HubMCP Hub
SKILL·0A7122

content-evaluation-framework

mattnigh
更新日 3 months ago
12 閲覧
22
1
22
GitHubで表示
メタexcelai

について

このスキルは、重み付けされた6カテゴリー採点システムと段階的評価を用いて、教育コンテンツの品質を評価する体系的なルーブリックを提供します。開発者は、コンテンツの起草時、完成時、またはオンデマンドレビュー時にこれを使用し、技術的正確さと教育的効果を確保すべきです。これは、憲法適合性やAIファースト教育原則などの定義された基準に基づいて、構造化された評価を出力します。

クイックインストール

Claude Code

推奨
メイン
npx skills add mattnigh/skills_collection -a claude-code
プラグインコマンド代替
/plugin add https://github.com/mattnigh/skills_collection
Git クローン代替
git clone https://github.com/mattnigh/skills_collection.git ~/.claude/skills/content-evaluation-framework

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

mattnigh/skills_collection
パス: collection/Rehan-Ul-Haq__physical-ai-robotics__claude__skills__content-evaluation-framework__SKILL.md
0
FAQ

よくある質問

content-evaluation-framework Skillとは何ですか?

content-evaluation-framework はmattnigh が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで content-evaluation-framework に関連するタスクを実行できるようにします。

content-evaluation-framework をインストールするには?

このページのインストールコマンドを使用してください。content-evaluation-framework をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。

content-evaluation-framework はどのカテゴリに属しますか?

content-evaluation-framework は メタ カテゴリに属します。

content-evaluation-framework は無料で利用できますか?

はい。content-evaluation-framework は AIMCP に掲載されており、無料でインストールできます。

関連スキル

content-collections
メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る
polymarket
メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る
creating-opencode-plugins
メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る
sglang
メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る