について
このメタスキルは、構造化された4ステップのワークフローを通じて、Anthropicのベストプラクティスを用いて開発者がプロンプトを最適化することを支援します。意思決定ツリー、キーワードレジストリを提供し、プロンプトエンジニアリングのガイダンスについては公式ドキュメントに委任します。プロンプトの精度を高める際、連鎖思考推論を追加する場合、または例の品質を改善する際にご利用ください。
クイックインストール
Claude Code
推奨npx skills add melodic-software/claude-code-plugins -a claude-code/plugin add https://github.com/melodic-software/claude-code-pluginsgit clone https://github.com/melodic-software/claude-code-plugins.git ~/.claude/skills/prompt-improvement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
Frequently asked questions
What is the prompt-improvement skill?
prompt-improvement is a Claude Skill by melodic-software. Skills package instructions and resources that Claude loads on demand, so Claude can perform prompt-improvement-related tasks without extra prompting.
How do I install prompt-improvement?
Use the install commands on this page: add prompt-improvement to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does prompt-improvement belong to?
prompt-improvement is in the Meta category, tagged word, ai and automation.
Is prompt-improvement free to use?
Yes. prompt-improvement is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
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。
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。
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。
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。
