mom-test
Mom Testのルール(アイデアではなく顧客の生活について話す・過去の具体的な事実を聞く・話しすぎない)に基づき、顧客インタビューで誘導なく本音を引き出すスキル。「顧客インタビュー」「アイデアの検証」「ユーザーが欲しいと言うのに買わない」「リーディングクエスチョン」「顧客フィードバックのバイアス」などに言及した際や、ユーザーリサーチの質問設計・曖昧な顧客フィードバックの解釈・誤検知を避ける顧客発見プロセスの構築時にも起動する。コミットメントの引き出し方、お世辞の回避、ノイズからシグナルを抽出する方法もカバーする。
description の原文を見る
Talk to customers without leading them using Mom Test rules: discuss their life not your idea, ask about specifics in the past, and talk less. Use when the user mentions "customer interviews", "validate my idea", "users say they want it but dont buy", "leading questions", "The Mom Test", "customer feedback bias", or "interview script". Also trigger when preparing user research questions, interpreting ambiguous customer feedback, or designing customer discovery processes that avoid false positives. Covers commitment and advancement, avoiding compliments, and extracting signal from noise. For product-market fit, see jobs-to-be-done. For rapid prototype testing, see design-sprint.
SKILL.md 本文
ザ・ママテストフレームワーク
顧客との有用な会話を行うフレームワークで、判断を誤らないようにします。基本的な真実に基づいています:誰もが嘘をついている -- 悪意からではなく、単に間違った質問をしているからです。あなたのお母さんはあなたを愛しているからあなたのアイデアは素晴らしいと言うでしょう。投資家、友人、さらには潜在顧客も同じことをします。ザ・ママテストは、あなたのお母さんでさえ嘘がつけないような質問をするためのルールを提供します。
中核原理
良い顧客会話はあなたのアイデアについてではなく、彼らの人生についてのものです。 あなたが何を作ろうとしているかを言及した瞬間、人々は真実の共有から礼儀正しさのパフォーマンスに切り替わります。彼らはあなたが聞きたいことを言います。その解毒剤はシンプルです:あなたのソリューションをピッチするのではなく、彼らの問題、人生、既存の行動について話します。未来の仮定ではなく、過去の具体的な事柄を聞きます。そして何より、話すより聞くことが重要です。
スコアリング
目標:10/10。 顧客会話をレビューまたは計画する際、以下の原則への準拠に基づいて0~10でスコア付けします。10/10は、質問が顧客の人生と過去の行動に完全に焦点を当て、誘導やピッチ、明確なコミットメント信号がある場合です。低いスコアはアドレスすべきギャップを示しています。常に現在のスコアと10/10に到達するために必要な具体的な改善を提供します。
フレームワークセクション
1. ザ・ママテストルール
中核的なコンセプト: 3つのシンプルなルールで、これに従えば、あなたの最も熱心な愛する人たちでさえ偽の検証を与えることが不可能になります。ルールは意見集めから事実調査への会話をシフトさせます。
なぜ機能するのか: 意見は人々が自分自身の将来の行動の信頼できない予測者であるため無価値です。過去の行動が唯一の信頼できるデータです。人々が実際に何をしたか、彼らが何をすると言うかではなく、その実際にしたことに焦点を当てることで、製品の意思決定を本当に知らせられる事実を抽出します。
重要な洞察:
- ルール1:あなたのアイデアではなく、彼らの人生について話す -- 最後まで(またはまったく)あなたのソリューションについて言及しない
- ルール2:未来について一般的または仮定的ではなく、過去の具体的なことを聞く
- ルール3:話すより聞く -- 彼らが時間の80%以上話すことを目指す
- ビジネスが成功するかどうかに関係なく、答えが常に「はい」である質問はママテストに失敗します
- 良い質問は、あなたが現在想像しているビジネスを潜在的に破壊する可能性があるものです
- あなたは褒め言葉と意見ではなく、事実とコミットメントを求めています
- 最高の学習は、あなたが黙ってぎこちない沈黙が機能するようにするときに起こります
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| アイデア検証 | ソリューションではなく、問題について聞く | 「「アプリでXができたら使いますか?」ではなく、「最後に[問題領域]をしようとしたときのことを教えてください」 |
| 機能優先順位付け | 人々が実際に何をしているか対言うことを発見する | 「先週このことにどう対応したかを説明してください」は実際のワークフローを明らかにします |
| 価格調査 | 既存の支出行動にアンカーする | 「これを解決するために現在いくら支払っていますか?」ではなく「$Xを支払いますか?」 |
コピーパターン:
- 「最後に...した時のことを教えてください」
- 「その次はどうなりましたか?」
- 「現在、それにどう対応していますか?」
- 「あなたのプロセスを説明してもらえますか?」
- 「他に何を試しましたか?」
倫理的境界線: 誰かの正直な答えを彼らに対して使用しないでください。ザ・ママテストは人々の時間と正直さを尊重することで信頼を獲得します -- 脆弱性データを操作的な販売に使用することは一線を超えます。
参照:references/question-patterns.md
2. 良い質問と悪い質問
中核的なコンセプト: ほとんどの顧客インタビュー質問は基本的に壊れています。なぜなら、人々に未来を予測するように、仮定の製品を評価するように、またはあなたの仮定を確認するようにと求めているからです。良い質問は観察可能な過去の行動にアンカーし、具体的な事実を抽出します。
なぜ機能するのか: 人間は自分自身の行動を予測するのに非常に下手です。「これを買いますか?」と聞くことは「来週ジムに行きますか?」と聞くようなもの -- 答えは常に「はい」ですが、実行はめったにありません。人々が既に何をしたかに関する質問は、行動が既に起こったので合理化できないため信頼できます。
重要な洞察:
- 悪い:「いい考えだと思いますか?」-- 常に「はい」という答えが得られます
- 悪い:「Xをしている製品を買いますか?」-- 仮定的、無意味
- 悪い:「Xにいくら支払いますか?」-- 人々はあなたが聞きたいことにアンカーします
- 良い:「この問題に今日どう対応していますか?」-- 実際の行動を明らかにします
- 良い:「以前何を試して、なぜやめたのですか?」-- 過去の決定を明らかにします
- 良い:「このようなソリューションのお金はどこから来ていますか?」-- 実際の予算を明らかにします
- 最も怖い質問(聞くのが怖い質問)は通常、最も有用なデータを生成します
- あなたが構築しようとしていることを変える力を持つ質問をしてください
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| 問題検証 | 問題が存在し、十分に重要であることを確認する | 「これはいつ最後に出てきましたか?何をしましたか?何がうまくいきませんでしたか?」 |
| 市場規模調査 | 十分な人数がこの問題を持っているかを理解する | 「あなたの会社/業界の誰がこれに対処していますか?彼らはどのように対処していますか?」 |
| 競合分析 | 人々が既に使用している実際の代替案を発見する | 「これに現在どのツール/プロセスを使用していますか?」 |
コピーパターン:
- 「[このことをする]について最も難しい部分は何ですか?」
- 「なぜそれは難しかったのですか?」
- 「これはどのくらいの頻度で出てきますか?」
- 「このワークフローの完璧な1週間はどのように見えますか?」
- 「このことが最後に起こった時を説明してください」
倫理的境界線: 回答者を望ましい答えに向かって導く誘導的または負荷のかかった質問を使用しないでください。あなたの仕事は販売することではなく学ぶことです。
参照:references/question-patterns.md
3. 褒め言葉と意見を避ける
中核的なコンセプト: 進捗しているように感じるが実際に誤解を招く3種類の悪いデータがあります:褒め言葉(「いいアイデアですね!」)、無駄(仮説的なステートメント、多分、将来の約束)、アイデア(実際の問題から切り離された機能要求)。これらを反射する方法を学び、真実を掘り下げることは、顧客会話の中核スキルです。
なぜ機能するのか: 褒め言葉は顧客開発の愚か者の金です。素晴らしく感じます -- 「みんなが僕たちのアイデアを愛しています!」-- しかし、誰かが実際にあなたの製品を買うか使うかについてのゼロ情報が含まれています。無駄と意見は具体的な証拠なしで検証の幻想を与えます。過去の実際の行動と本物のコミットメントに関する特定の事項だけが信号を提供します。
重要な洞察:
- 褒め言葉:すぐに反射し、具体的な事実に戻る(「ありがとう -- しかし、あなたが実際に今日これにどう対応しているかを理解させてください」)
- 無駄:一般的な主張(「通常、私は」、「常に」、「決して」)は特定のインスタンスなしで無価値です
- アイデア:誰かが機能を提案したら、動機を掘り下げる(「興味深い -- 何が駆動していますか?最後にそのようなものが必要だったときのことを教えてください」)
- 「これを買いますか?」トラップ:答えは常に「はい」です。「いいえ」と言うのは失礼に感じるからです
- 褒め言葉を釣る:無意識に検証を求める(「これは本当に便利ではないと思いますか?」)
- 悪い会話の症状:素晴らしく感じて去ります。しかし、具体的な事実やコミットメントがありません
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| デモ後のフィードバック | 「これはすごく見えます」を実行可能なデータに反射する | 「ありがとう!あなたの現在のワークフローのどの部分が実際にこれに置き換わりますか?」 |
| 機能要求 | リクエストの背後にある基本的なジョブを掘り下げる | 「なぜそれが必要ですか?最後にそれが必要だったときを見せてもらえますか?」 |
| 投資家会話 | 励ましから実際の関心を分離する | 「素晴らしい」フィードバックだけではなく、顧客への紹介を求めます |
コピーパターン:
- 「ありがとう。しかし、あなたの時間を無駄にしていないことを確認するために -- あなたの現在のプロセスはどのように見えますか?」
- 「興味深い。それが起こった具体的な時を教えてもらえますか?」
- 「あなたが「確実に」これを使うと言うと、何を使うのをやめるのですか?」
- 「それは素晴らしい機能のアイデアです -- それはあなたにとって特に何の問題を解決しますか?」
倫理的境界線: 人々を彼らが後悔する偽のコミットメントに操作しないでください。褒め言葉を反射することは真実を得ることについてのものであり、誰かを販売に圧力をかけることではありません。
参照:references/avoiding-bad-data.md
4. コミットメントと前進
中核的なコンセプト: 顧客会話の通貨は褒め言葉ではなく、コミットメントです。実際の関心は何かを投資する意思で現れます:時間、評判、またはお金。すべての会話は明確な「前進」(販売/採用に向かって移動)または明確な「拒否」(これも価値あるデータ)で終了すべきです。最悪の結果は「ゾンビリード」です -- 礼儀正しい人が決してコミットしません。
なぜ機能するのか: 会話は安いです。誰かが「確実にそれを買う」と言うと、それは彼らに何も費やされません。誰かがボスを紹介したり、デポジットを下ろしたり、パイロットプログラムに同意したりすると、彼らは何か本物に投資しています。人々が言うことと彼らがすることの間のギャップは、顧客開発で最も危険なトラップです。コミットメントはそのギャップを閉じます。
重要な洞察:
- コミットメント通貨:時間(会議、試験)、評判(紹介、推薦)、お金(デポジット、事前注文、意思の手紙)
- 前進:会話は関係を販売またはロールアウトに向かって進める
- ホイールの回転:決してプログレスしない、ゾンビリードを生成する楽しい会話
- 常に会議の前にあなたの「質問」を知っていて下さい -- これが本物だと証明する最小限のコミットメントは何ですか?
- 「多分」より「いいえ」がより価値があります -- 少なくともあなたはそれから学んで進むことができます
- 最初の会議の質問:「来週15分の試験に向いていますか?」
- 彼らがあなたに時間を与えないなら、彼らは確かにあなたにお金を与えません
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| 早期検証 | 本物の関心をテストするコミットメントを要求する | 「来週のプロトタイプをあなたの時間の15分でフォローアップできますか?」 |
| B2B販売 | 意思決定者会議に向かって前進 | 「この予算を処理する人を紹介していただけますか?」 |
| 発売前 | 事前注文または意思の手紙を収集する | 「8週間で発売されます -- 最初のコホートで40%オフであればあなたはそれに興味がありますか?」 |
コピーパターン:
- 「ここで次は何ですか?」
- 「誰が他にこれについて話すべきですか?」
- 「来週プロトタイプを試してくれますか?」
- 「早期アクセスリストにあなたを入れてもいいですか?」
- 「これを構築したら、30日間のパイロットをしてくれますか?」
倫理的境界線: 彼らが後悔するコミットメントに人々を圧力をかけないでください。目標は、途中で販売を閉じるのではなく、本物の関心から礼儀正しさを分離することです。
参照:references/commitment-advancement.md
5. 会話を見つける
中核的なコンセプト: 顧客から学ぶために正式な会議が必要ではありません。最高の顧客会話はカジュアルに起こります -- 業界イベントで、ウォームイントロを通じて、オンラインコミュニティで、またはコーヒーの上で。正式な「顧客インタビュー」フレーミングはあなたが聞きたいことを言うパフォーマンスモードをトリガーします。カジュアルな会話はより正直なデータを生成します。
なぜ機能するのか: 「あなたの問題についてインタビューできますか?」と言うと、人々は鎧を着ます。彼らは洗練された、警戒した、パフォーマンスです。「業界について学ぶプロフェッショナルなので、コーヒーを買ってもいいですか?」と言うと、人々は開きます。会話のフレーミングは、あなたが受け取るデータの品質を決定します。
重要な洞察:
- コールドアウトリーチ:短く保ち、彼らの専門知識をリードし、ピッチしないでください
- ウォームイントロ:最高のソース -- 1人の良い顧問は数十のドアを開くことができます
- 業界イベントとミートアップ:あなたの顧客が既に集まっているところに行く
- オンラインコミュニティ:質問を求める前に本当に参加してください
- ランディングページ:「詳しく知る」サインアップを使用して、関与している見込み客を見つける
- カジュアルに保つ:「我々は学ぼうとしています」は「顧客研究をしています」を打つ
- ビジョン/フレーミング/弱点/ペデスタル/質問:会議を取得するための5部構成
- アドバイザーは流通チャネルとして:ウェルコネクテッドの人々との関係を正式化する
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| 事前アイデア探索 | ターゲットコミュニティに自分を浸す | コードの1行を書く前に3つの業界イベントに参加し、20のカジュアルな会話をしてください |
| B2B見込み客 | アドバイザーと投資家を通じたウォームイントロを使用する | 「私たちのアドバイザー[名前]はあなたが[問題領域]をどのように処理するか話すように示唆しました」 |
| 消費者研究 | 行動のポイントで人々を傍受する | 店の行列で、ジムで、コワーキングスペースで人々と話す |
コピーパターン:
- 「私は[業界]が[問題]を処理する方法を研究しています -- 15分のコーヒーであなたの経験から学ぶことができますか?」
- 「[相互連絡先]はあなたが[地域]についてたくさん知っているので話すように示唆しました」
- 「私は何かを売ろうとしていません -- 私はただスペースを理解しようとしています」
- 「私は[スペース]で何かを始めることを考えており、私が妄想的ではないことを確認したい」
倫理的境界線: 学習会話として販売呼び出しを偽装しないでください。製品を既に持っていて販売している場合は、透明性を保ってください。ザ・ママテストは本物の学習用であり、隠密ピッチ用ではありません。
参照:references/finding-conversations.md
6. 処理と学習
中核的なコンセプト: 顧客会話は適切に処理された場合にのみ有用です。生のメモは信念に蒸留される必要があり、定期的に更新され、チームと共有されます。システムがなければ、あなたはあなたのバイアスを確認する引用を選別し、あなたの仮定に挑戦する信号を無視します。
なぜ機能するのか: メモリは信頼できず、最近および感情的に充電された情報に偏っています。構造化されたメモ取りとレビューがなければ、チームは彼らが既に信じていることを確認するデータを選択的に記憶します。チームとして会話を処理することは、1人の人間の偏見が物語を支配するのを防ぎます。
重要な洞察:
- 中に取ったノート、または直後 -- メモリに頼らない
- 事実(彼らが言ったと言ったこと)と解釈(あなたがそれが何を意味するか思う)を分離する
- フィルタリングされた要約ではなく、生のメモをチームと共有する
- 3つの主要な信念を更新する:問題、顧客セグメント、ソリューション
- いつ話すのをやめてビルドを開始するか知っている -- 会話が繰り返され始めるとき、あなたは十分に学んだ
- 会話は自分が正しいことを確信させるためではなく、学習のためです
- シンプルなスプレッドシートを使用:誰が、日付、主要な引用、事実、コミットメント、信念の変更
製品アプリケーション:
| コンテキスト | アプリケーション | 例 |
|---|---|---|
| チームアライメント | 週次スタンドアップで共有ノートを共有して、共有理解を構築 | 週に5つの会話をチームとしてレビューし、信念ボードを更新する |
| ピボット決定 | 証拠がコア信念に矛盾すると追跡 | 10回の会話のうち8回が予想と異なる問題を明らかにする場合、ピボット |
| 機能検証 | 何人の人が問題を促さずに言及するかをカウント | 10人中7人が言及された問題は実際です。1人中1人が言及された可能性がある |
コピーパターン:
- 「これはこの週の会話からの正確な引用です」
- 「私たちの現在の信念はXです -- ここで、それを確認するものとそれに挑戦するものがあります」
- 「我々はこれをM人中N人から聞いた -- それは十分な信号ですか?」
- 「時間を話すのをやめてビルドします -- 会話は繰り返されています」
倫理的境界線: 顧客会話を誤表示または選択的に引用して、所定の結論を正当化しないでください。正直な処理は、不快な真実を受け入れることを意味します。
参照:references/processing-learning.md
よくある間違い
| 間違い | 失敗する理由 | 修正 |
|---|---|---|
| あなたのアイデアをピッチする代わりに彼らの人生について聞く | 礼儀の引き金、褒め言葉の代わりに事実を生成する | あなたのアイデアについて最後まで言及しないでください、まったくそうでなければ |
| 「これを買いますか?」と尋ねる | 人々は常に仮定説に「はい」と言う。それは彼らに何も費やされません | 彼らが既に何をしたかを聞いてください:「今これを解決するために何を使っていますか?」 |
| 褒め言葉を検証として受け入れる | 「いいアイデア!」には、将来の行動についての情報がゼロ含まれています | すぐに反射:「ありがとう -- しかし今日あなたがこれについて何をしているか何ですか?」 |
| 話しすぎ | あなたは話している間は何も学びません。聞いている間に学びます | タイマーを設定:彼らは時間の80%以上話す必要があります |
| 最後に明確な質問がない | ゾンビリードを生成する -- どこにも進まない楽しい会話 | 会議の前にあなたの前進を知ってください:試験、紹介、事前注文 |
| 正式な「インタビュー」セッションを実行する | パフォーマンスモードをトリガーします。人々はフィルター回答 | カジュアルに保つ:コーヒー、廊下の会話、Slack DM |
| チームとしてメモを処理しない | 個々のバイアスは生のデータを既存の信念の確認にフィルタリングします | 生のメモを毎週共有し、共有信念を一緒に更新する |
クイック診断
| 質問 | 「いいえ」の場合 | アクション |
|---|---|---|
| 会話はあなたのアイデアではなく、彼らの人生と過去の行動に焦点を当てていましたか? | あなたはママテスト会話ではなくピッチを実行しました | あなたのソリューションについてゼロの言及とともにやり直してください |
| 彼らが既に何をしたかについて具体的な事実を手に入れましたか? | あなたは意味のない意見と仮定を集めました | 彼らが最後に問題を経験して彼らがしたことについて聞いてください |
| 彼らはあなたにコミットメント(時間、評判、またはお金)を与えてくれましたか? | あなたはゾンビリードを持っているかもしれません -- 礼儀正しいが興味がない | 具体的な次のステップを求める:試験、紹介、または事前注文 |
| 彼らはほとんどの話をしましたか? | あなたはあまりにも話し、あまり学べませんでした | 沈黙を練習する。ぎこちない一時停止があなたのために働くようにしてください |
| あなたが構築しているものを変える可能性があることを学びましたか? | あなたは既に信じていたものを確認した安全な質問をしました | あなたが避けてきた怖い質問をしてください |
| あなたは会話に基づいて信念を更新しましたか? | あなたはデータを収集していますが、それから学んでいません | チームでメモを確認し、問題/セグメント/ソリューション信念を更新する |
| 会話からキー事実(意見ではない)を要約できますか? | 良いノート取りをしなかったか、意見と事実を混同しています | 直後にメモの事実を解釈から分離してください |
リファレンスファイル
question-patterns.md:良い対悪い質問の例、深さの3つのルール、質問定式化演習commitment-advancement.md:コミットメント通貨、ホイールの前進対回転、コミットメントへのプッシュ方法avoiding-bad-data.md:褒め言葉、無駄、アイデア -- 3種類の悪いデータとそれらを反射する方法finding-conversations.md:人を見つけるところ、コールド対ウォームアプローチ、会話をカジュアルに保つprocessing-learning.md:メモ取り、チーム共有、信念の更新、いつ話すのをやめるかcase-studies.md:SaaS、消費者、B2B、マーケットプレイスのコンテキストに適用されたママテスト原則を示す現実的なシナリオ
さらに詳しく
このスキルはRob Fitzpatrickによって開発されたザ・ママテスト方法論に基づいています。完全なフレームワーク、例、より深い洞察については、元の本を読んでください:
- 「The Mom Test: How to Talk to Customers & Learn if Your Business is a Good Idea When Everyone is Lying to You」 Rob Fitzpatrickによる
著者について
Rob Fitzpatrickはアントレプレナー、著者、教育者で、複数のベンチャー支援スタートアップを設立し、ほとんどの顧客会話が無用であることを難しい方法で学びました。何年も誤解を招くフィードバックを収集して製品を構築した後、彼は顧客会話の効果的な原則をザ・ママテスト(2013年)に蒸留しました。スタートアップエコシステムで最も推奨される本の1つになりました。この本は20以上の言語に翻訳されており、Y Combinator、Techstars、500 Startupsを含むアクセラレーターで必須読書です。FitzpatrickはまたThe Workshop Survival GuideとWrite Useful Booksを著しており、教育と出版に同じ証拠ベースのアプローチを適用しています。彼はヨーロッパと米国のスタートアップを教え、助言し、理論よりも実行可能なフレームワークを優先する直接的で実用的なスタイルで知られています。彼はイギリスを拠点としています。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- wondelai
- リポジトリ
- wondelai/skills
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/wondelai/skills / ライセンス: MIT
関連スキル
nano-banana-2
inference.sh CLIを通じてGoogle Gemini 3.1 Flash Image Preview(Nano Banana 2)で画像を生成します。テキストから画像を生成する機能、画像編集、最大14枚の複数画像入力、Google Searchグラウンディング機能に対応しています。トリガーワード:「nano banana 2」「nanobanana 2」「gemini 3.1 flash image」「gemini 3 1 flash image preview」「google image generation」
octocode-slides
洗練されたマルチファイル形式のHTMLプレゼンテーションを生成します。6段階のフロー(概要 → リサーチ → アウトライン → デザイン → 実装 → レビュー)で構成されています。各スライドは独立したHTMLファイルとなり、iframeで読み込まれます。「スライドを作成してほしい」「プレゼンテーションを作ってほしい」「HTMLスライドを生成してほしい」「デックを構築してほしい」といった依頼や、ノート・ドキュメント・コードを洗練されたプレゼンテーションに変換する際に使用できます。
gpt-image2-ppt
OpenAIのgpt-image-2を使用して、視覚的に優れたPPTスライドを生成します。Spatial Glass、Tech Blue、Editorial Monoなど10種類のキュレーション済みスタイルに対応し、ユーザーが提供したPPTXファイルを模倣するテンプレートクローンモードも搭載しています。HTMLビューアと16:9形式のPPTXファイルを出力します。プレゼンテーション、スライド、ピッチデック、投資家向けPPT、雑誌風PPTの作成依頼などで活用してください。
nano-banana
Nano Banana PRO(Gemini 3 Pro Image)およびNano Banana(Gemini 2.5 Flash Image)を使用したAI画像生成機能です。以下の場合に活用できます:(1)テキストプロンプトからの画像生成、(2)既存画像の編集、(3)インフォグラフィックス、ロゴ、商品写真、ステッカーなどのプロフェッショナルなビジュアルアセット制作、(4)複数画像での人物キャラクターの一貫性保持、(5)正確なテキスト描画を含む画像生成、(6)AI生成ビジュアルが必要なあらゆるタスク。「画像を生成」「画像を作成」「写真を作る」「ロゴをデザイン」「インフォグラフィックスを作成」「AI画像」「nano banana」またはその他の画像生成リクエストをトリガーとして機能します。
oiloil-ui-ux-guide
モダンでクリーンなUI/UXガイダンス・レビュースキルです。新機能や既存システム(Webアプリ)に対して、実行可能なUI/UX改善提案、デザイン原則、デザインレビューチェックリストが必要な場合に活用できます。CRAP(コントラスト・反復・配置・近接)をベースに、タスクファーストなUX、情報設計、フィードバック・システムステータス、一貫性、affordances、エラー防止・復旧、認知負荷を重視します。モダンミニマルスタイル(クリーン・余白・タイポグラフィ主導)を強制し、不要なテキストを削減、アイコンとしての絵文字を禁止し、統一されたアイコンセットから直感的で洗練されたアイコンを推奨します。
axiom-hig-ref
Apple Human Interface Guidelines リファレンス — 色(セマンティックカラー、カスタムカラー、パターン)、背景(マテリアル階層、ダイナミック背景)、タイポグラフィ(標準スタイル、カスタムフォント、Dynamic Type)、SF Symbols(レンダリングモード、色、多言語対応)、ダークモード、アクセシビリティ、プラットフォーム固有の考慮事項を網羅したガイドラインです。