/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。
$ npx -y skills add minicoohei/ai-agent-camp --skill monitoring-dashboard --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/monitoring-dashboard
Context preview
The summary Claude sees to decide when to auto-load this skill.
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。
SKILL.md
monitoring-dashboard.SKILL.mdname: 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
Monitoring Dashboard - プロジェクトモニタリングダッシュボード
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。
Workflow
1. データソース(JSON/CSV)を指定 2. ダッシュボードのレイアウトを選択(進捗/テスト/統合) 3. marimo ノートブック(.py)を自動生成 4. `marimo run` で起動し、ブラウザで確認
Dashboard Types
1. プロジェクト進捗ダッシュボード
WBS進捗データから以下を可視化:
- タスク完了率(全体/フェーズ別)
- バーンダウンチャート
- 担当者別負荷(ワークロード)
- 遅延タスクアラート
**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"
}
]
}2. テスト結果ダッシュボード
テスト実行結果から以下を可視化:
- テストスイート別 成功/失敗/スキップ率
- テストカバレッジ推移
- 失敗テスト一覧(重要度順)
- テスト実行時間分析
**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"
}
]
}
]
}3. 要件トレーサビリティダッシュボード
要件→設計→テストの追跡:
- 要件カバレッジマトリクス
- 未テスト要件のハイライト
- 要件ステータス分布(円グラフ)
marimo ノートブック構造
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}%**
""")Parameters
| 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 |
Output Format
marimo ノートブック(.py)を生成:
- `output/pm/dashboard.py` — `marimo run output/pm/dashboard.py` で起動
Requirements
- Python 3.10+
- marimo (`uv add marimo`)
- pandas (`uv add pandas`)
- plotly (`uv add plotly`)
Example
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
Read more
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
Monitoring Dashboard - プロジェクトモニタリングダッシュボード
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。
Workflow
1. データソース(JSON/CSV)を指定 2. ダッシュボードのレイアウトを選択(進捗/テスト/統合) 3. marimo ノートブック(.py)を自動生成 4. `marimo run` で起動し、ブラウザで確認
Dashboard Types
1. プロジェクト進捗ダッシュボード
WBS進捗データから以下を可視化:
- タスク完了率(全体/フェーズ別)
- バーンダウンチャート
- 担当者別負荷(ワークロード)
- 遅延タスクアラート
**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"
}
]
}2. テスト結果ダッシュボード
テスト実行結果から以下を可視化:
- テストスイート別 成功/失敗/スキップ率
- テストカバレッジ推移
- 失敗テスト一覧(重要度順)
- テスト実行時間分析
**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"
}
]
}
]
}3. 要件トレーサビリティダッシュボード
要件→設計→テストの追跡:
- 要件カバレッジマトリクス
- 未テスト要件のハイライト
- 要件ステータス分布(円グラフ)
marimo ノートブック構造
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}%**
""")Parameters
| 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 |
Output Format
marimo ノートブック(.py)を生成:
- `output/pm/dashboard.py` — `marimo run output/pm/dashboard.py` で起動
Requirements
- Python 3.10+
- marimo (`uv add marimo`)
- pandas (`uv add pandas`)
- plotly (`uv add plotly`)
Example
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
AI Agent Training for Non-Engineers - Complete Guide to Claude Code / Cursor / Codex ### ⚠️ Before you clone Official repository (maintained by the authors): Running AI agents from this repo grants them shell, file-write, and external-API permissions on your
Other skills on ai-agent-camp.
- /ab-test-setup
A/Bテストや実験の設計・実装を支援するスキル。 「A/Bテストを設計して」「スプリットテストしたい」「仮説を立ててテストしたい」「バリアントを比較」等のリクエストで発動。 トラッキング実装は analytics-tracking を参照。
Open skill - /agent-designer
マルチエージェントシステムのアーキテクチャ設計ツールキット。 「エージェントを設計して」「マルチエージェント構成」「エージェントのアーキテクチャ」「オーケストレーション設計」等のリクエストで発動。
Open skill - /analytics-tracking
アナリティクスのトラッキング設定・改善・監査を支援するスキル。 「トラッキングを設定」「GA4を導入」「コンバージョン計測」「イベントトラッキング」「UTMパラメータ」「GTMの設定」等のリクエストで発動。 A/Bテスト計測は ab-test-setup を参照。
Open skill - /article-writer
テーマからアウトライン生成→文体プロファイル適用→Markdown記事出力を行う記事執筆スキル。 挿絵マーカーの自動挿入、style-analyzerプロファイル参照による文体統一に対応。 「記事を書いて」「ブログ作成」「テーマで記事生成」等のリクエストで発動。
Open skill - /banner-creator
各種SNS・広告プラットフォーム向けのバナー/クリエイティブを生成するスキル。 X, Facebook, Instagram, PRTimes, YouTube, LINE, Web広告に対応。 「バナーを作って」「広告画像を生成」「SNS用の画像」「クリエイティブ制作」等のリクエストで発動。
Open skill - /bigquery-auth
GCPプロジェクト単位でBigQuery認証を設定するスキル。 gcloud設定プロファイルで複数プロジェクトを安全に分離管理。 「BigQueryに繋ぎたい」「BQ認証」「gcloud認証」「データ分析の認証設定」等のリクエストで発動。
Open skill

