social-media

作成者： langchain-ai

プラットフォーム固有のソーシャルメディア投稿を、調査に基づいたコンテンツと生成された補完画像とともに下書きします。LinkedInの投稿（1,300文字、プロフェッショナルなトーン）とTwitter/Xのスレッド（1ツイートあたり280文字、1/🧵形式）に対応。執筆前にサブエージェントに調査を委任し、その後調査結果を読み、正確性と関連性を確認します。generate_social_imageツールを使用して、小さな画面向けに最適化された大胆でコントラストの高い構図の、目を引くソーシャル画像を自動生成します。

npx skills add https://github.com/langchain-ai/deepagents --skill social-media

ZIPダウンロード GitHub

langchain-aiのその他のスキル

arXivでプレプリントや学術論文をトピック別に検索し、アブストラクトを取得します。物理学、数学、コンピュータサイエンス、生物学、統計学および関連分野をクエリベースで検索可能。結果件数は設定可能（デフォルト10件）で、関連性順にソートされます。各該当論文のタイトルとアブストラクトを返します。arxiv Pythonパッケージが必要で、未インストールの場合はpipでインストールしてください。

調査委任、構造化コンテンツテンプレート、AI生成のカバー画像を用いた長文ブログ記事作成。執筆前にサブエージェントに調査を委任し、結果をマークダウンで保存して参照・文脈として活用。フック、背景、本文（3～5セクション）、実践応用、行動喚起付き結論の5部構成を適用。被写体、スタイル、構図、色彩、照明を詳細に指定したプロンプトでSEO最適化されたカバー画像を生成。記事を出力先は…

変更点に対して構造化されたコードレビューを実施し、正確性、スタイル、テスト、潜在的な問題を確認します。

ユーザーのコーディング設定を /memory/coding-prefs.md から読み取り、重要なスタイル判断を行う前に参照し、ユーザーが新しい設定を指定した場合はそれを追加します。

competitor-analysis

競合他社を分析するよう求められた場合：

GPUアクセラレーションによるデータセット、CSV、または表形式データの分析にNVIDIA cuDFを使用します。groupby集約や統計処理を含むタスクで起動します。

cuml-machine-learning

GPUアクセラレーションによる表形式データの機械学習に使用します。NVIDIA cuMLを利用します。分類、回帰、クラスタリング、次元削減を含むタスクで起動します。

data-visualization

出版品質のチャートやマルチパネル分析サマリーを作成するために使用します。データの可視化、結果のプロット、作成などを含むタスクで起動します。