minicoohei/ai-agent-camp/content-optimizer

Claude Code and agent skill by minicoohei/ai-agent-camp

Trust tier 2
  • community
Source check pending

Checking that the SKILL.md file is still in the repository.

コンテンツのA/Bテスト・自己改善ループを支援するプランナースキル。 市場トレンド調査 → 仮説生成 → 実験設計 → メトリクス収集 → 分析改善の全サイクルをカバー。 「コンテンツを最適化」「投稿を改善したい」「トレンド分析して投稿案を作って」「エンゲージメント改善」等のリクエストで発動。

Install

npx vskill@latest install minicoohei/ai-agent-camp/content-optimizer

SKILL.md

Content Performance Optimizer - コンテンツ自己改善ループ

Description

5ソース（X, Google検索, Google Trends, Reddit/HN, 競合アカウント）から市場データを収集し、 LLMで統合分析して仮説とA/Bバリアントを自動生成します。 生成した投稿バリアントをTypefullyにドラフト登録し、投稿後のパフォーマンスを測定・学習することで、 コンテンツの継続的な自己改善サイクルを実現します。

ワークフロー概要

① 市場調査 → ② 仮説生成 → ③ バリアント作成 → ④ 投稿（Typefully） → ⑤ メトリクス収集 → ⑥ 分析・学習 → ①に戻る

クイックスタート

bash
# 仮説生成（トレンド調査→仮説→バリアント一気通貫）
python skills/content-optimizer/scripts/hypothesis_generator.py --topic "AIエージェント" --channel x_twitter
 
# メトリクス収集（投稿後のパフォーマンス測定）
python skills/content-optimizer/scripts/collect_metrics.py --tweet-ids "123,456" --experiment-id exp-001
 
# ドライラン（API呼び出しなし）
python skills/content-optimizer/scripts/hypothesis_generator.py --topic "SaaS" --dry-run

スクリプト一覧

スクリプト用途
hypothesis_generator.py市場調査→仮説生成→バリアント作成
collect_metrics.pyツイートメトリクス収集・バリアント比較
typefully_client.pyTypefully API v2 クライアント

hypothesis_generator.py Parameters

ParameterRequiredDefaultDescription
--topic, -tYes-調査トピック
--channel, -cNox_twitterチャネル: x_twitter, email, linkedin
--competitorsNo-競合アカウント（カンマ区切り）
--lang, -lNoja言語: ja, en, all
--days, -dNo7調査期間
--num-hypothesesNo5生成する仮説数
--auto-draftNofalseTypefullyにドラフト自動作成
--output, -oNooutput/content-optimizer/出力先
--dry-runNofalseAPI呼び出しなしでプレビュー
--testNofalseセルフテスト

collect_metrics.py Parameters

ParameterRequiredDefaultDescription
--tweet-idsNo-メトリクス取得対象ツイートID（カンマ区切り）
--usernameNo-ユーザーの直近投稿を取得
--experiment-idNo-実験IDで紐付けて比較
--days-afterNo3投稿後何日分のメトリクスを取得
--output, -oNooutput/content-optimizer/出力先
--testNofalseセルフテスト

データソース

ソースAPI取得データ環境変数
X (Twitter)X API v2 Recent Searchバズ投稿（エンゲージメント上位）X_BEARER_TOKEN
Google 検索Gemini Google Search groundingトレンド記事・ベストプラクティスGEMINI_API_KEY
Google TrendsGemini grounding経由検索ボリューム推移・急上昇トピックGEMINI_API_KEY
Reddit / HNReddit JSON API + HN Algolia APIコミュニティ議論・センチメント不要
競合アカウントX API v2 User Tweets競合の高パフォーマンス投稿X_BEARER_TOKEN

出力フォーマット

output/content-optimizer/hypotheses/YYYYMMDD_HHMMSS_{topic}/
├── market_report.md       # トレンドレポート
├── hypotheses.yaml        # 仮説リスト（優先度付き）
├── experiment_design.yaml # 実験設計書
├── raw_data.json          # 全ソースの生データ
└── drafts/                # A/Bバリアント投稿案
    ├── variant_a.md
    └── variant_b.md

環境設定

必須環境変数
bash
# .env に追加
X_BEARER_TOKEN=your_x_bearer_token_here   # X API v2 検索・ユーザー取得
GEMINI_API_KEY=your_gemini_api_key_here   # Google Search grounding + LLM分析
オプション環境変数
bash
TYPEFULLY_API_KEY=your_typefully_key_here  # --auto-draft オプション使用時
取得方法

自己改善ループの使い方

  1. hypothesis_generator.py でトレンド分析 → 仮説 → バリアント生成
  2. Typefully で A/B バリアントを投稿（手動 or --auto-draft フラグ）
  3. 2-3日後に collect_metrics.py でパフォーマンス測定
  4. 結果を踏まえて次の仮説を生成（学習が蓄積される）

使用例

bash
# AIエージェントについてX向けに仮説生成（日本語）
python skills/content-optimizer/scripts/hypothesis_generator.py \
  --topic "AIエージェント" --channel x_twitter --lang ja
 
# 競合アカウントも調査してバリアントをTypefullyに自動登録
python skills/content-optimizer/scripts/hypothesis_generator.py \
  --topic "SaaS" --competitors "user_a,user_b" --auto-draft
 
# 英語でLinkedIn向けコンテンツを5仮説生成
python skills/content-optimizer/scripts/hypothesis_generator.py \
  --topic "productivity" --channel linkedin --lang en --num-hypotheses 5
 
# ツイートID指定でメトリクス収集
python skills/content-optimizer/scripts/collect_metrics.py \
  --tweet-ids "1234567890,0987654321" --experiment-id exp-001
 
# ユーザーの直近投稿を取得して分析
python skills/content-optimizer/scripts/collect_metrics.py \
  --username myaccount --days-after 7
 
# dry-run でどんなデータが取れるか確認
python skills/content-optimizer/scripts/hypothesis_generator.py \
  --topic "生成AI" --dry-run

依存関係

text
requests>=2.28.0
python-dotenv>=0.19.0
pyyaml>=6.0
google-genai>=0.5.0

Related Skills

  • x-research — X検索データの収集
  • ab-test-setup — 実験設計の詳細フレームワーク
  • social-content — SNSコンテンツ戦略
  • content-strategy — コンテンツ計画
  • analytics-tracking — メトリクス計測

Security

  • Security scanPassed, 100 of 100Pattern checks on the skill's files.
  • Model reviewPassed

See the full security report

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

See evaluation results

Source

Popularity

Repository stars
357
Repository forks
12
7-day trend score
29

Stars and forks are for the whole GitHub repository, not this skill alone. Refreshed 27 Apr 2026, 6 months ago.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/minicoohei/ai-agent-camp/content-optimizer/badge)](https://verified-skill.com/skills/minicoohei/ai-agent-camp/content-optimizer)

Something wrong with this skill or its page? Tell us.