について
このスキルは、製品チームがソリューション設計を開始する前に、中核的な顧客課題、裏付けとなる証拠、および成功仮説を定義することを支援します。対象セグメントや証拠ソースなどの入力を構造化し、課題定義文、証拠要約、測定可能な仮説を出力します。検証済みの課題基盤を確保するため、ディスカバリー段階でご活用ください。
クイックインストール
Claude Code
推奨npx skills add edwardmonteiro/Aiskillinpractice -a claude-code/plugin add https://github.com/edwardmonteiro/Aiskillinpracticegit clone https://github.com/edwardmonteiro/Aiskillinpractice.git ~/.claude/skills/discovery.problem_framing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
discovery.problem_framing Skillとは何ですか？
discovery.problem_framing はedwardmonteiro 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 discovery.problem_framing に関連するタスクを実行できるようにします。
discovery.problem_framing 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。discovery.problem_framing 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。
discovery.problem_framing はどのカテゴリに属しますか？
discovery.problem_framing は その他 カテゴリに属します。
discovery.problem_framing は無料で利用できますか？
はい。discovery.problem_framing 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。