linkedin-post

作成者: langchain-ai

研究結果や指定されたトピックに基づいてLinkedInの投稿を作成します。LinkedInのコンテンツ、プロフェッショナルな投稿、または考え…を作成するよう求められた場合にこのスキルを使用してください。

npx skills add https://github.com/langchain-ai/langgraph-101 --skill linkedin-post

LinkedIn Post Skill

Format

  • Hook: Start with a bold opening line that grabs attention (this appears before the "see more" cut)
  • Body: 3-5 short paragraphs, each 1-2 sentences
  • Use line breaks between paragraphs for readability
  • Include 1-2 relevant emojis per paragraph (don't overdo it)
  • End with a call-to-action or question to drive engagement
  • Add 3-5 relevant hashtags at the bottom

Tone

  • Professional but conversational
  • Share insights, not just information
  • Use "I" statements and personal perspective where appropriate
  • Avoid jargon unless the audience expects it

Length

  • Ideal: 150-300 words
  • LinkedIn truncates after ~210 characters, so the first line must hook the reader

Template

[Bold hook / surprising stat / question]

[Context -- why this matters]

[Key insight 1]

[Key insight 2]

[Key insight 3 or personal takeaway]

[Call to action / question for engagement]

#hashtag1 #hashtag2 #hashtag3

Example

Most AI agents fail not because of the model -- but because of context management.

After researching the latest agent frameworks, one pattern keeps emerging:
the best agents treat their context window like a scarce resource.

Here's what separates good agents from great ones:

1. They offload intermediate results to a filesystem instead of keeping everything in context
2. They delegate to subagents for isolation -- the main agent only sees summaries
3. They use progressive disclosure -- loading instructions only when relevant

The shift from "bigger context window" to "smarter context management" is where
the real breakthroughs are happening.

What patterns have you seen work best in your agent architectures?

#AIAgents #LangChain #LangGraph #ContextEngineering

langchain-aiのその他のスキル

deepagents-thread-inspector
langchain-ai
ローカルのDeep Agents Code SQLiteセッションストア内の会話を検査・説明します。LangSmithトレースツールが利用できない場合のフォールバックとして使用し、…
deepagents-python-quickstart
langchain-ai
公式クイックスタートに従って、Pythonで最小限のローカルDeep Agentをスキャフォールドし、Tavilyの代わりにプロバイダー標準のウェブ検索を使用します。ユーザーが…を望む場合に使用します。
deepagents-typescript-quickstart
langchain-ai
公式クイックスタートに従って、Tavilyの代わりにプロバイダー標準のウェブ検索を使用しながら、TypeScriptで最小限のローカルDeep Agentをスキャフォールドする。ユーザーが…の場合に使用する。
eval-engineering
langchain-ai
エージェントリポジトリと、ユーザーが提供した任意のトレースを反復的に調査し、ユーザーにインタビューし、Harborの評価を一度に1つ作成・実行・監査します。~に使用します…
LangChain RAG Pipeline
langchain-ai
このスキルは、あらゆる検索拡張生成(RAG)システムを構築する際に呼び出してください。ドキュメントローダー、RecursiveCharacterTextSplitter、埋め込み(OpenAI)などをカバーします。
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — AIエージェント用のインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。
LangSmith Datasets
langchain-ai
このスキルは、トレースから評価データセットを作成する場合、データセットをLangSmithにアップロードする場合、またはデータセットをクエリする場合に呼び出します。データセットの種類(final_response、…)をカバーします。
langsmith-evaluator
langchain-ai
LangSmithの評価パイプラインを構築する際にこのスキルを呼び出してください。以下の3つのコアコンポーネントをカバーします:(1) 評価器の作成 - LLM-as-Judge、カスタムコード;(2)…