菜单
動画ファイルからアプリの画面遷移リファレンスドキュメントを生成する。video-analyzerスキルのキーフレーム抽出スクリプトでフレームを抽出し、Haikuサブエージェントで並列分析、遷移シーン画像と構造化マークダウン（README.md）を指定ディレクトリに出力する。使用タイミング：動画からアプリのUIフロー・ユーザーストーリーをステップごとにまとめたリファレンスを作成したい場合。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
repositoryを調査し、`docs/PLAN/YYMMDD_{slug}.md` にPhase、Gate、完了状態、実行ルール、チェック項目を持つ自己完結した永続計画を作成または再構成する。Use when the user asks for simple-plan、チェックリスト式の計画、複数停止点を持つ中規模作業、段階的なapp分割やlocal migration、production前Gate、または既存planの構成変更。単発Sprintでは収まらないが、詳細なworker委任計画までは不要な作業向け。既存planをそのまま実行・再開するだけの場合は使わない。
Cloudflare ベースの新規アプリ設計、または既存アプリを Cloudflare 構成へ大きく移行する前に、短い設計メモを作る。Workers、Agents SDK、Durable Objects、D1、KV、R2、Wrangler、Workers 上の Hono などの構成判断を実装前に整理するときに使う。通常の Cloudflare コード修正だけなら、公式 Cloudflare 実装系 skill を使う。
事前設計が必要な中〜大規模作業について、repositoryを調査し、依存関係・設計境界・worker/model・統合順・完了条件を持つsingle-md実行計画を `docs/PLAN/{YYMMDD}_{slug}.md` に作成してから実行する。局所実装はheadless Cursor CLI、複雑な実装・調査・レビューはmodelを明示したCodex subagent、共有境界・統合・最終判断はmain Codexが担う。短期作業は対象外。Trigger: cursor-agent-delegate、Cursorで計画、worker委任計画、依存関係を設計して実装
Cursor CLI headless worker を使い、ユーザーの実装指示を短いローカル実行計画に分解し、安全に分離できる小タスクだけを `cursor agent --print --yolo --trust --model composer-2.5-fast` に並列委任する。`.codex/tmp/YYMMDD_slug/` 配下で状態を管理し、docs/PLAN を作らず main Codex が統合と検収を行う。Trigger: cursor-agent-sprint-cli、Cursor CLI sprint、headless Cursor Agent 並列実装、CLI worker sprint、 Cursor を使って計画を実装
既存キャラクター画像を、承認制でピクセルアートの正準画像へ変換し、3状態パイロット、クロマ前処理、状態間ジオメトリ検証、9状態生成、遷移QA、仮配置、アプリ内確認、ロールバック可能な正式配置まで行う。キャラクターからCodexペットを作る依頼に加え、ジャンプで小さくなる、状態ごとに身長が変わる、足元が跳ねる、クロマ縁が出る、アニメーションを修復したい依頼で使用する。
Git commit automation for Codex. Use when the user asks for simple-add, a lightweight commit, or committing the current work with an optional push. Trigger: simple-add, simple commit, 軽量コミット, 変更をコミット, コミットして, -p で push
| name | dev:video-ref |
| description | 動画ファイルからアプリの画面遷移リファレンスドキュメントを生成する。video-analyzerスキルのキーフレーム抽出スクリプトでフレームを抽出し、Haikuサブエージェントで並列分析、遷移シーン画像と構造化マークダウン（README.md）を指定ディレクトリに出力する。使用タイミング：動画からアプリのUIフロー・ユーザーストーリーをステップごとにまとめたリファレンスを作成したい場合。 |
動画 → キーフレーム抽出（video-analyzer）→ Haiku並列分析 → スクリーンショット + README.md 生成。
ユーザーから以下を確認する（不明な場合のみ質問）：
VIDEO_PATH — 動画ファイルの絶対パス（必須）OUTPUT_DIR — 出力先（デフォルト: docs/REFERENCE/inspire/{動画名}/）APP_NAME — ドキュメントのタイトル用アプリ名（動画ファイル名から推定可）Bash call 1 — venv セットアップ（初回のみ）
test -d /tmp/video-env || uv venv /tmp/video-env
source /tmp/video-env/bin/activate && uv pip install opencv-python numpy Pillow
Bash call 2 — キーフレーム抽出（video-analyzerスキルのスクリプトを使用）
source /tmp/video-env/bin/activate && python3 ~/.claude/skills/video-analyzer/scripts/extract_keyframes.py \
{VIDEO_PATH} \
--output /tmp/keyframes/{slug}/ \
--threshold 0.80 \
--quality 80 \
--scale 0.5
{slug} は OUTPUT_DIR の末尾ディレクトリ名。抽出後にフレーム総数を確認:
find /tmp/keyframes/{slug}/ -name "*.jpg" | sort | wc -l
| フレーム総数 | バッチ構成 |
|---|---|
| ～20枚 | 1バッチ |
| 21～40枚 | 2バッチ（前半/後半） |
| 41枚以上 | 20枚ずつ分割 |
単一メッセージで全バッチを並列 Task 呼び出しする（model: haiku）。
Haiku サブエージェントへのプロンプト:
{APP_NAME} アプリのキーフレームを分析してください。
以下のファイルパスを Read ツールで直接読み込む（ディレクトリ列挙は不要）:
- /tmp/keyframes/{slug}/frame_XXX.jpg
...（バッチ内の全パスを列挙）
各フレームを分析し、以下の JSON で返す:
{
"batch": "{バッチ番号}",
"frames": [
{
"frame": "frame_XXX.jpg",
"screen_type": "画面タイプ",
"ui_elements": ["要素1", "要素2"],
"user_action": "推定操作",
"description": "画面の説明（日本語2-3文）",
"change_from_previous": "前フレームからの変化（最初はnull）",
"is_transition_point": true または false
}
]
}
注意: Haiku は ls でディレクトリを列挙できないことがある。プロンプトに全ファイルパスを明示的に列挙すること。
mkdir -p {OUTPUT_DIR}/screenshots
is_transition_point: true のフレーム + frame_001.jpg（開始画面）を screenshots/ にコピー。
{OUTPUT_DIR}/README.md を以下の構造で作成:
# {APP_NAME} アプリ画面分析
概要（動画長・分析日・抽出フレーム数）
---
## ユーザーフロー全体像
（テキストのフロー図）
---
## Step N: {画面タイプ名}
**画面タイプ**: ...
- UI要素・操作の説明
[](./screenshots/frame_XXX.jpg)
---
末尾に UIデザイン特性まとめ（テーブル）と 参照画像一覧（テーブル）を追加。
画像リンクは [](./screenshots/frame_XXX.jpg) 形式（クリックで拡大）。
{OUTPUT_DIR}/README.md が存在する{OUTPUT_DIR}/screenshots/ に画像が1枚以上ある