MCP HubMCP Hub
SKILL·9C35B0

supervisor-proposer

openclaw
更新日 3 months ago
18 閲覧
972
296
972
GitHubで表示
メタdesign

について

スーパーバイザー・プロポーザー・スキルは、AIエージェントが自発的にコミュニケーションを開始し、アイデアを提案し、進捗を報告し、意思決定について相談することを可能にします。このスキルは、ビジネス提案、改善案、共有された学び、相談という形で相互作用を構造化し、信頼関係を構築します。開発者はこのスキルを使用して、エージェントを受動的から能動的なコミュニケーションへと転換させ、より自律的で協調的な存在にすべきです。

クイックインストール

Claude Code

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

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

openclaw/skills
パス: skills/sa9saq/supervisor-proposer
0
archivebackupclawdbotclawdhubskill
FAQ

よくある質問

supervisor-proposer Skillとは何ですか?

supervisor-proposer はopenclaw 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 supervisor-proposer に関連するタスクを実行できるようにします。

supervisor-proposer 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。supervisor-proposer 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。

supervisor-proposer はどのカテゴリに属しますか?

supervisor-proposer は メタ カテゴリに属します。

supervisor-proposer は無料で利用できますか?

はい。supervisor-proposer 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