MCP HubMCP Hub
SKILL·18FD9B

metrics-framework

NeverSight
更新日 3 months ago
18 閲覧
24
3
24
GitHubで表示
メタdesign

について

metrics-frameworkスキルは、開発者がアクショナブルな製品指標を定義することを支援します。そのために、北極星指標、入力/出力ツリー、およびカウンター指標を確立します。このスキルは、測定体制の構築、KPIの選択、あるいは虚栄指標を防ぎ、データが意思決定を推進することを保証するフレームワークの構築時に使用します。その中核的な機能は、高レベルの目標を、実行可能で測定可能な入力項目に結びつけることです。

クイックインストール

Claude Code

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

NeverSight/skills_feed
パス: data/skills-md/assimovt/productskills/metrics-framework
0
learn-skillsskills
FAQ

よくある質問

metrics-framework Skillとは何ですか?

metrics-framework はNeverSight 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 metrics-framework に関連するタスクを実行できるようにします。

metrics-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。metrics-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。

metrics-framework はどのカテゴリに属しますか?

metrics-framework は メタ カテゴリに属します。

metrics-framework は無料で利用できますか?

はい。metrics-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