ワンクリックで
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。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
メニュー
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。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
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