بنقرة واحدة
monitoring-dashboard
marimoダッシュボード・プロジェクト進捗可視化に使用。 「ダッシュボードを作って」「進捗を可視化して」「テスト結果を表示して」等のリクエストで発動。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
القائمة
marimoダッシュボード・プロジェクト進捗可視化に使用。 「ダッシュボードを作って」「進捗を可視化して」「テスト結果を表示して」等のリクエストで発動。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Slack検索・TODO抽出・タスク管理を行うサブエージェント。 複数データソースからタスクを抽出し、優先順位付けを行う。 「Slackを検索」「タスクを抽出」「TODO確認」「メンション確認」等のリクエストで発動。
ai-agent-campのレッスンをCodexで開始・進行するスキル。 「レッスン開始」「次のレッスン」「start-0-1を始めたい」「Codexでレッスン」「スラッシュコマンドのレッスン」等のリクエストで発動。
YouTube/マルチプラットフォーム動画からAIでハイライトを抽出し、 バイリンガル字幕付きクリップを自動生成するスキル。 「動画からクリップを切り出して」「ハイライトを抽出」「字幕付きクリップ」等で発動。
メールとSlackから返信すべき項目・タスクを抽出する統合型スキル。 Gemini 3.0 Flashで文脈判定し、優先度と返信ドラフトを生成。 「受信箱チェック」「TODO確認」「返信すべきメッセージ」「メール確認」等のリクエストで発動。
コンテンツの投稿・配信実行スキル。Typefully経由のX投稿、画像アップロード、 投稿スケジューリングを行う。 「投稿して」「スケジュール設定」「Typefullyに下書き」等で発動。
CSVファイルの行数・列数の取得、データ型推定、欠損値検出、数値列の統計情報を出力するスキル。 「CSVを分析して」「CSVの中身を確認」「データの概要を見せて」等のリクエストで発動。
| name | monitoring-dashboard |
| description | marimoダッシュボード・プロジェクト進捗可視化に使用。 「ダッシュボードを作って」「進捗を可視化して」「テスト結果を表示して」等のリクエストで発動。 |
| triggers | ["ダッシュボードを作って","進捗を可視化して","テスト結果を表示して","monitoring-dashboard","プロジェクト進捗ダッシュボード","モニタリング"] |
marimo Run Mode を使って、プロジェクト進捗・テスト結果・要件トレーサビリティを可視化するダッシュボードを生成します。
marimo run で起動し、ブラウザで確認WBS進捗データから以下を可視化:
データ形式: dummy-wbs-progress.json
{
"tasks": [
{
"id": "WBS-001",
"name": "タスク名",
"phase": "Phase A",
"assignee": "担当者",
"progress": 75,
"start_date": "2025-01-01",
"due_date": "2025-01-15",
"status": "in_progress"
}
]
}
テスト実行結果から以下を可視化:
データ形式: dummy-test-results.json
{
"suites": [
{
"name": "スイート名",
"tests": [
{
"id": "TC-001",
"name": "テスト名",
"status": "passed",
"duration_ms": 150,
"severity": "high"
}
]
}
]
}
要件→設計→テストの追跡:
import marimo as mo
import pandas as pd
import plotly.express as px
import json
app = mo.App()
@app.cell
def load_data():
"""データ読み込み"""
with open("path/to/data.json") as f:
data = json.load(f)
return pd.DataFrame(data["tasks"])
@app.cell
def progress_chart(df):
"""進捗チャート"""
fig = px.bar(df, x="name", y="progress", color="phase",
title="タスク進捗率")
mo.ui.plotly(fig)
@app.cell
def summary_metrics(df):
"""サマリーメトリクス"""
total = len(df)
completed = len(df[df["progress"] == 100])
mo.md(f"""
## プロジェクトサマリー
- 総タスク数: **{total}**
- 完了: **{completed}**
- 完了率: **{completed/total*100:.1f}%**
""")
| Parameter | Required | Default | Description |
|---|---|---|---|
| data_source | Yes | - | データファイルのパス(JSON/CSV) |
| dashboard_type | No | integrated | ダッシュボード種別(progress/test/traceability/integrated) |
| output | No | output/pm/dashboard.py | 出力ファイルパス |
| title | No | Project Dashboard | ダッシュボードタイトル |
marimo ノートブック(.py)を生成:
output/pm/dashboard.py — marimo run output/pm/dashboard.py で起動uv add marimo)uv add pandas)uv add plotly)monitoring-dashboardスキルを使って、ダミーデータからプロジェクト統合ダッシュボードを作成してください。
データ: 任意の進捗 JSON または CSV
→ output/pm/dashboard.py が生成される → marimo run で起動