について
このスキルは、B2C Commerce向けのカスタムバッチジョブステップ(スケジュールタスク、データ同期ジョブ、インポート/エクスポートスクリプトなど)の作成方法を開発者に指南します。steptypes.jsonの実装、チャンク指向処理、タスク指向実行について解説します。新しいバッチ処理コードの作成には本スキルを、既存ジョブの実行には別途用意された`b2c-job`スキルをご利用ください。
クイックインストール
Claude Code
推奨npx skills add majiayu000/claude-skill-registry -a claude-code/plugin add https://github.com/majiayu000/claude-skill-registrygit clone https://github.com/majiayu000/claude-skill-registry.git ~/.claude/skills/b2c-custom-job-steps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
Frequently asked questions
What is the b2c-custom-job-steps skill?
b2c-custom-job-steps is a Claude Skill by majiayu000. Skills package instructions and resources that Claude loads on demand, so Claude can perform b2c-custom-job-steps-related tasks without extra prompting.
How do I install b2c-custom-job-steps?
Use the install commands on this page: add b2c-custom-job-steps to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does b2c-custom-job-steps belong to?
b2c-custom-job-steps is in the Meta category, tagged data.
Is b2c-custom-job-steps free to use?
Yes. b2c-custom-job-steps is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
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。
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。
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。
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。
