MCP HubMCP Hub
SKILL·DC81BB

content-research-writer

majiayu000
更新日 4 months ago
38 閲覧
58
9
58
GitHubで表示
メタword

について

このスキルは、ユーザーの文体に合わせてウェブリサーチを行い引用文献を提示することで、ブログ記事やドキュメントのような信頼性の高い十分な調査に基づいた文章を生成します。証拠を必要とするマーケティングコピー、ソーシャルメディア投稿、技術文書など、自然な文体が求められるコンテンツの作成にご活用ください。ジェネリックなAI出力を避けるため書き方のサンプルを分析し、出典付きの裏付け資料を提供します。

クイックインストール

Claude Code

推奨
メイン
npx skills add majiayu000/claude-skill-registry -a claude-code
プラグインコマンド代替
/plugin add https://github.com/majiayu000/claude-skill-registry
Git クローン代替
git clone https://github.com/majiayu000/claude-skill-registry.git ~/.claude/skills/content-research-writer

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

majiayu000/claude-skill-registry
パス: skills/data/3-content-research-writer
0
FAQ

よくある質問

content-research-writer Skillとは何ですか?

content-research-writer はmajiayu000 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 content-research-writer に関連するタスクを実行できるようにします。

content-research-writer 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。content-research-writer 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。

content-research-writer はどのカテゴリに属しますか?

content-research-writer は メタ カテゴリに属します。

content-research-writer は無料で利用できますか?

はい。content-research-writer 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