について
このスキルは、簡潔なユーザーストーリーに現実的なシナリオ、ユーザー心理、具体的な対話を加えることで、プロダクトマネージャーやクライアントにとってより共感しやすいものにします。主に、初期案のユーザーストーリーが完成した後、ステークホルダーへの理解確認の提示や受け入れ準備の際に使用されます。変換後も「As-Want-So」の標準構造は維持しつつ、ビジネスコンテキストとユーザー期待を付加して強化します。技術用語は一切使用せず、100%ビジネス言語で表現します。
クイックインストール
Claude Code
推奨npx skills add tikazyq/agentic-spec-forge -a claude-code/plugin add https://github.com/tikazyq/agentic-spec-forgegit clone https://github.com/tikazyq/agentic-spec-forge.git ~/.claude/skills/us-enrich-context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
よくある質問
us-enrich-context Skillとは何ですか？
us-enrich-context はtikazyq 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 us-enrich-context に関連するタスクを実行できるようにします。
us-enrich-context 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。us-enrich-context 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。
us-enrich-context はどのカテゴリに属しますか？
us-enrich-context は その他 カテゴリに属します。
us-enrich-context は無料で利用できますか？
はい。us-enrich-context 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
このClaudeスキルは、スポーツベッティング市場（スプレッド、オーバー/アンダー、プロップベットなど）を分析し、過去の傾向や状況統計を検証することでバリューベットを特定します。教育目的のための実践的な提案を構造化されたマークダウン形式で出力します。開発者はスポーツベッティング分析ツールとして本機能を活用できますが、娯楽および教育目的に限定されている点に留意してください。
LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75％のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。