注目の新星
ポケット茶箱イラストレーター
1枚または複数の写真を、「ポケット茶箱」スタイルの手描きイラスト表紙に変換します。詩的な命名、手書き書道のタイトル、英文の小さな文字、手書きの短い詩、サイドの情報カラーバーを備え、元の画像の被写体を保持し、単一の主色で自然なイメージを構成。複数画像の場合は自動でシリーズ化され、ひとつのコレクションウォールに組み合わせることができます。
モダンクール青緑エンジニアスタイルのブリーフィング
洗練されたエンジニアの美学を備えた、プロフェッショナルでデータ駆動型のプレゼンテーションブループリントを作成します。このスキルは、クリーンなビジュアル、モダンでクールなトーンのパレット、一人称視点を組み合わせた構造化されたプレゼンテーションフレームワークを生成することに特化しています。感情的な冗長性よりもデータファーストのストーリーテリングを優先することで、技術的に正確で魅力的にドライなナラティブを構築するのに役立ち、直接的で無駄のない聴衆にインサイトを共有するのに最適です。 集中したコンサルテーションから始まり、プロセスはあなたの具体的な目標、好みのトーン、制約を特定し、出力があなたの個人的なスタイルに合うようにします。次に、リアルタイムのウェブリサーチを実行して、検証可能な統計、比較データ、直感に反する事実を収集し、すべてのスライドが一般論ではなく現実に基づいていることを保証します。最終的な出力は、完全なスライドごとのプロンプトフレームワークであり、具体的なビジュアライゼーションの提案、インタラクティブな聴衆要素、トークのリズミカルなタイミングガイドを含みます。 ミニマリズムと技術的なメタファーを評価する人々のために設計されており、結果として得られるフレームワークは、乱雑さのない高い情報密度を特徴としています。ターミナルに着想を得たデザインの手がかり、正確なデータテーブル、微妙なユーモアを使用して、聴衆の注意を核となるインサイトに集中させます。技術的な比較や個人的な発見を提示する場合でも、お気に入りのスライド生成ツールに取り込んだり、手動のデザインガイドとして使用できる、すぐに使えるドキュメントが得られます。
Target Role: Software Engineer, AI/ML, Shopping Experiences | Google Commerce | ~2 years experience
Candidate: Patricia Shaw Target Company: Google (Commerce / Shopping Experiences) JD Compensation: $147,000 – $211,000 base + 15% bonus target + equity + benefits
Fit Assessment: This role is a significantly stronger match for Patricia's profile than the previously analyzed OpenAI role. The minimum qualifications require a Bachelor's degree (Patricia has a Stanford MS) and 2 years of software development experience (Patricia has ~2 years including her internship and full-time role). The preferred Master's degree in Computer Science is a direct match. The primary gaps are the 1-year LLM and 1-year ML/GenAI experience requirements — minimum qualifications that are not yet evidenced on her resume. Her Stanford CS coursework almost certainly included ML/AI foundations, and strategic surfacing of relevant coursework and projects can partially bridge this gap.
1. Resume Diagnosis
ATS Score: 37/100
Breakdown:
-
Keyword Match: 48% — The resume covers core software development keywords (Python, Java, React, algorithms, database optimization, cross-functional collaboration) but completely lacks the JD's AI/ML-specific vocabulary: Large Language Models, machine learning, predictive models, Generative AI, AI/ML quality evaluation, production-quality LLM systems.
-
Formatting Compatibility: 35% — Two-column layout (navy sidebar + white main body), circular section icons, visual timeline with nodes, and graphic design elements create high ATS parsing risk. Google's ATS (Google Hire/GCN) is particularly sensitive to multi-column layouts.
-
Experience Alignment: 35% — Patricia meets the 2-year software development threshold (1 year professional + 1 year internship). She has partial alignment with software design/architecture (algorithm design, module development) and testing/maintaining/launching (deployed modules, achieved uptime). However, she has zero demonstrated experience with LLMs, ML, predictive models, or GenAI — all minimum qualifications.
-
Skills Alignment: 30% — Python (the primary ML language) is a direct match. Java, React, and algorithm design are transferable. AWS certification is adjacent. But no ML frameworks (TensorFlow, PyTorch, scikit-learn), no LLM tooling, no GenAI experience, and no explicit testing or code review skills are listed.
Top 5 Issues Preventing Interviews
1. 🔴 Critical — No Demonstrated LLM Experience (Minimum Qualification) The JD requires "1 year of experience developing and deploying production-quality systems utilizing Large Language Models (LLMs)." Patricia's resume shows zero LLM-related work. This is a hard minimum qualification — Google's ATS will likely filter out candidates who don't surface LLM-related keywords. Fix: Add a "Relevant Coursework" and/or "Academic Projects" section to surface any Stanford CS coursework involving NLP, LLMs, transformers, or language models. If Patricia has completed any self-directed projects using OpenAI API, Hugging Face, LangChain, or fine-tuning models, add a "Projects" section. Even a single LLM-related project can satisfy the keyword threshold for ATS passage.
2. 🔴 Critical — No Demonstrated ML/GenAI Experience (Minimum Qualification) The JD requires "1 year of experience with machine learning, predictive models or Generative AI." Again, zero evidence on the resume. This is a second hard minimum qualification that will trigger ATS filtering. Fix: Surface any Stanford coursework in machine learning, deep learning, statistical modeling, or AI. If Patricia completed ML projects (even academic), list them with technologies used (e.g., scikit-learn, TensorFlow, PyTorch). If she has applied ML concepts in her current role (e.g., predictive algorithms, data-driven optimization), reframe those bullets to highlight the ML angle.
3. 🔴 Critical — Two-Column Resume Layout with Icons and Graphics The navy sidebar layout, circular section icons, and visual timeline create significant ATS parsing risk. Google's applicant tracking system may jumble sidebar content with main body text, losing critical skills and certification data. Fix: Convert to a single-column, top-to-bottom layout. Remove all icons, graphics, timelines, and visual design elements. Use plain-text section headers. Save as .docx or plain-text PDF.
4. 🟡 Medium — No Explicit Testing, Code Review, or Documentation Experience The JD's responsibilities include writing and testing code, participating in design reviews, reviewing others' code, contributing to documentation, and triaging/debugging issues. Patricia's resume implies some of these (she deployed modules, optimized queries) but never explicitly mentions testing practices, code reviews, documentation contributions, or debugging methodologies. Fix: Add testing-related keywords to experience bullets (e.g., "tested and deployed," "unit testing," "code review"). If Patricia has participated in code reviews or written documentation, surface that explicitly. Add testing frameworks to the Skills section if applicable (e.g., pytest, JUnit).
5. 🟡 Medium — No Evidence of AI/ML Quality Evaluation (Preferred Qualification) The JD prefers "1 year of experience in AI/ML quality evaluation and improvement." While this is a preferred (not minimum) qualification, its absence puts Patricia behind candidates who have it. Given her strong optimization background (25% efficiency improvement, 40% load time reduction), she has transferable skills in quality measurement and improvement — just not specifically in AI/ML contexts. Fix: If Patricia has any experience evaluating model outputs, testing ML system quality, or working with evaluation metrics (precision, recall, F1, A/B testing), surface it. Frame her existing optimization work as evidence of a data-driven, metrics-oriented approach that transfers to ML quality evaluation.
2. ATS Keyword Analysis
Keyword Match Summary
キャリアプロ
ユーザーの履歴書を対象の職務経歴書と照らし合わせ、ATS最適化かつ採用担当者承認済みの履歴書リライトをGoogle's XYZフォーミュラを用いて生成します。面接対策、カバーレターの抜粋、給与交渉ガイダンスを保存文書として提供します。
AIメンタルコーチ
構造化された傾聴により、ユーザーが現在本当に行き詰まっている場所を明確にするのを助けます。パターンラベルを貼らず、ユーザーに代わって判断しません——まず感情やニーズを受け止め、次に質問を通じてユーザー自身が前に進むのを支援します。ユーザーが自ら求めた場合には、軽量なフレームワークを提示して整理を補助することも可能です。
大学教員向けワンストップ授業準備 v2.1.1
1. 授業準備を5時間から10分に短縮。準備時間はインターネット速度とコピペの速さに依存しますが、教育の質は向上します。 2. これはAIによる単なるコピー機ではなく、専門的な教育設計システムです。 3. 本ツールは医学・看護学専門の学部から大学院までのコースに適用されます。 !!!医学・看護学の教員向けに特化したエンドツーエンドのスマート授業準備システムであり、煩雑な教育準備を標準化された専門的アウトプットに変換することを目的としています。このシステムはカリキュラムの大綱に沿って、教材の知識ポイントを自動解析し、BOPPPS教育モデルに基づいて理論講義、実験、臨床実習など様々な授業形式の教育計画を生成します。教育目標の設定から参加型学習活動の計画に至るまで、各ステップは厳密に学術規範に従い、教育論理の厳密性と科学性を保証します。
文化財要素抽出ツール
まず忠実に抽出し、そこから創造的に展開する。 「文化財要素抽出ツール」は、文化財愛好家、デザイナー、教師、コンテンツ制作者を対象として、権限のある文化財や器物の写真を、再利用可能な外形輪郭、主体文様、縁飾り、反復単位、孔とネガティブスペース、構図骨格に分解し、また制限を明示した上で写真の色彩関係も抽出できます。 デフォルトでは2段階の文化財創作ワークフローを採用しています。最初の段階で写真の証拠を判断し、抽出可能な要素をリストアップし、要素分解ボードを生成し、3つの適切な応用方向を提示します。パッケージ、ポスター、アイコン、しおり、ステッカー、連続文様などの方向を選択すると、2段階目で応用プレビューとデザイン説明を生成し、無駄な生成を減らします。 毎回の出力では、「原物からの直接抽出」「実用性のための簡略化」「現代的な創造的翻訳」「証拠不足／不確実性の保持」を明確に区別し、現代デザインを本来の文様と誤認することを避けます。斜め撮り、低解像度、反射、遮蔽、損傷のある写真は可視部分のみ処理し、背面、断面、完全な器形を補完しません。銘文や記号は常に図形として扱い、自動翻訳、フォント適用、欠けの補完は行いません。 考古学図面、器物線図、正投影図、断面図、測定図、報告図案などを明示的にリクエストすると、スキルは専門図面モードに切り替わり、証拠の等級、図面方案、検証リスト、リスクノートを出力します。 本スキルは真贋鑑定、年代測定、評価、商業利用許可の判断は提供しません。ご自身が所有または使用許可を得た写真のみをアップロードしてください。商業利用の前には、画像の著作権、所蔵機関の要件、関連許諾を自ら確認してください。
中高生宿題添削・テスト対策オールインワン
子どもの宿題をアップロードすると、自動で採点し、中高の過去問に関連付け、テストポイントの診断と選択可能なマイクロトレーニングを生成します。保護者が宿題をアップロードするだけで、素早い採点、弱点のテストポイント、過去問の関連付け、5〜10分の選択可能なトレーニングが得られます。正解のない問題でも採点が可能で、誤答の解説、中高のテストポイント、後で行えるトレーニングを出力します。保護者の負担を大幅に軽減します！
医療職場昇進の科学普及連鎖完成機
医療従事者（医師・看護師・医療技術者）向けに、直接実行可能で、職位昇進、研究助成申請、科学普及プロジェクト立ち上げ、ソーシャルメディア運営に適した完全な医療科学普及企画チェーンを提供します。一度で完結し、繰り返しのやり直しを防ぎます。「繰り返しの修正と散らかったアイデアを終わらせる」という痛点を解決します。
Skill デザイナー
Skillが書けない？一言で大丈夫です。 Skillデザイナーは「Skillの書き方を教えるSkill」です。7層のメタフレームワーク（意図定義→入力分類→ワークフロー設計→ツール戦略→出力仕様→制約と境界→構成可能性とテスト）を使って、あなたの曖昧なアイデアを構造が完全で直接実行可能なYouMind Skillに変えます。 2つのパスをサポート：ゼロからの設計（あなたのアイデアを説明すると、不足情報を自動的に質問し、7つのフレームワークを実行して、直接Skillを作成）とレビュー改善（既存のSkill草案を送ると、レイヤーごとに問題を診断して改善提案を提供）。情報不足時には自動的に質問し、オープンクエスチョンではなく選択肢を提示することで、回答コストを低減します。最終的にcreateSkillを直接呼び出して使用可能なSkillを作成し、手動で指示を書く必要はありません。 自分の経験をスキルとして蓄積したいが、どこから始めればよいかわからないクリエイターに最適です。
PPT報告資料生成
📋 **正式な報告資料、PPTから完成原稿までたったの1ステップ** PPTをアップロードすると、すべての内容を自動抽出し、五段階の標準構成（全体状況→キーテクノロジー→イノベーション成果→展開実践→プロジェクト総括）に従って、口語的な報告文書に再構成します。ページ番号、タイムスタンプ、イノベーションポイントの太字表示がワンクリックで完了します。 ✨ **コア機能** - 🔍 **スマート抽出**：各ページのタイトル、本文、表、注釈を自動読み取り - 📐 **五段階再構成**：標準的な鑑定報告の骨格で、論理明瞭 - 🗣️ **口語化リライト**：PPTの要点を一貫したナレーションに変換、そのままのコピーではありません - 🏷️ **精密マーキング**：ページ番号＋タイムスタンプ、元のPPTと照らし合わせて一目瞭然 - ✍️ **イノベーションポイントを太字**：重点を強調、審査員がすぐにハイライトを把握 - 📄 **二形式出力**：Markdownそのまま利用＋Word文書保存 👥 **対象ユーザー** - プロジェクト責任者 → 鑑定会／審査会の報告資料 - 技術リーダー → 成果鑑定／検収報告 - PPTを正式な報告文書に変換したいすべての方
週報ワンクリック生成
今週の作業内容を入力してください（形式は問いません）： 📝 毎日の日報項目（例：月曜はXXを行い、火曜はYYを行ったなど） 🗒️ 作業メモ/ToDoリスト 📋 会議議事録/プロジェクト更新 入力例： 「月曜：結合テストのバグ修正完了、火曜：レビュー会議参加、水曜：データ移行処理80%完了、木曜：大規模モデル方案2000字作成、金曜：巡回点検」 オプション：出力スタイルを指定可能（標準/簡潔/技術/管理）、デフォルトは標準。
今日の歴史
📅 毎日が歴史の一片です。 日付を入力すると、一瞬で時を超えて——古代から現代、東洋から西洋まで、世界を変えた6～10の出来事が金色のタイムラインに沿って展開します。 🔍 主な機能： インターネットで実際の歴史的事件を検索。政治、科学技術、文化、軍事、探検など多分野をカバー。 縦長のタイムライン図。イベントカードが左右交互に配置され、典雅で重厚なデザイン。 各イベントには年、タイトル、概要、分野タグが付き、一目でわかる。 開始アニメーションが「巻物を開く」ような儀式感を演出。 🎯 使用シーン： 毎朝の好奇心：「今日の歴史で何があった？」 誕生日・記念日スペシャル：「私が生まれた日、世界は何を経験していた？」 歴史の授業の素材、SNS投稿のアイデア、知識の共有に。 純粋な好奇心の充足——歴史はこんなに身近。 日付を入力して、タイムトラベルを始めましょう。⏳ 日付を入力して、タイムトラベルを始めましょう。⏳
文献インサイトと方向性探索
研究分野のキーワードに基づき、SCI/SSCIおよび中国語の主要学術誌の文献を検索し、構造化された文献レビューとイノベーション方向性レポートを生成します。検証可能な原文の要約を各文献ごとに収録し、ギャップフィリングと方法転移を通じて、実現可能性評価付きの候補方向を提案します。
UGC動画生成
OnePlus Nord Buds 4を日常のライフスタイルで自然に紹介する、リアルな15秒のUGCスタイル縦型広告です。プレミアムな音質、力強い低音、クリアなオーディオ、一日中快適な装着感、スタイリッシュなモダンデザインを、ユーザーの自然な操作を通じて強調します。学生、若手社会人、音楽愛好家、通勤者、フィットネス愛好家、そして没入型ワイヤレスオーディオ体験を求めるZ世代・ミレニアル世代（18～35歳）をターゲットにしています。手持ちスマートフォン風の撮影、映画的なクローズアップ、リアルな表情、鮮やかなビジュアルを特徴とし、Instagram Reels、YouTube Shorts、Facebook Reels、TikTokに最適化され、最後に「Amazonで発売中」という明確なコールトゥアクションで締めくくられます。
キッズ恐竜なぞり書きブック
就学前および幼稚園児向けの印刷可能な恐竜なぞり書きワークブックのページを生成します。各ページには、かわいい恐竜のイラスト、点線のなぞり書きガイド、なぞり書き可能な恐竜の名前、そして一貫した白黒スタイルの簡単な学習アクティビティが含まれており、教育用ワークブックに最適です。 ワークブックのすべてのページで一貫したイラストスタイルを維持してください。すべての恐竜で同じ線の太さ、プロポーション、顔のスタイル、ページレイアウトを使用してください。すべてのページが同じプロフェッショナルなデザインのアクティビティブックの一部であるように見えるようにしてください。
会議メモ→ツイート・NL・記事：コンテンツ増幅器
会議メモを公開可能な4つのコンテンツ資産に変換：自動匿名化、インサイトの抽出、あなたの個人的なスタイルに合ったツイートとニュースレターを生成。 初回使用時にあなたの書き方やテーマを自動学習し、使うほどにあなたを理解します。 一度の会議で、4倍のレバレッジ。
段永平投資戦略の銘柄選定モデル
価値投資の理念に基づくA株リサーチアシスタントです。企業のビジネスモデル、モート、財務品質、評価水準を分析し、投資家が長期的な複利の可能性を持つ優れた企業を見つけるのを支援します。
バズるサムネイルジェネレーター
人物写真、アイコン、動画スクリーンショットとショート動画のテーマに基づき、実在のIPが登場し、高彩度の大きな文字、強力な視覚的比喩を用いた知識系バズるショート動画のサムネイルを自動生成します。
小红书ラクラク起号ツール
1. wb-xhs-monetization-backsolve 統合： 小红书アカウントの収益化パスの逆算、アカウントポジショニングとコンテンツ方向性。 yanliudreamer のタイミング判断、個人IPルート、長期的な発信力と10-20の検証アイデア。 ビジュアルディレクターの「異なる信頼パスには異なるビジュアル信頼感が必要」という判断。 核心の変更：「どうやって収益化するか」だけでなく、「なぜ今やるのか、なぜあなたなのか、長期的に発信し続けられるのか、どのようなビジュアル信頼を構築すべきか」にも答える。 2. wb-xhs-low-follower-pattern 統合： 小红书の低フォロワー高エンゲージメントサンプルの分解。 yanliudreamer のクリック率 × 滞在時間 × インタラクション率、および5つのユーザー根底ニーズ。 dbskill のベンチマークフィルタリング、拡散理由と共感メカニズム判断。 ビジュアルディレクターのカバー構図、メインビジュアル、ページ間リズム、モバイル可読性チェック。 核心の変更：単にサンプル形式を模倣するのではなく、どのデータフェーズで効果的なのか、どのコンテンツとビジュアルメカニズムが転用可能かを判断する。 3. wb-xhs-account-profile 統合： 小红书のアカウントプロファイルと長期記憶。 yanliudreamer の信頼資産、個人IPストーリー、ペルソナの垂直性、コメント/DMフィードバックの書き戻し。 dbskill の個人言語サンプル、信頼できるエビデンス、AI文体校正。 ビジュアルディレクターの画角、色彩、フォント、コンポーネント、禁止パターンからなるビジュアルアイデンティティ。 核心の変更：アカウントプロファイルが静的なスタイル説明から、持続的に更新可能な「信頼の名刺＋コンテンツとビジュアルの記憶」にアップグレードされる。 4. wb-xhs-topic-bank 統合： 小红书のトピックマトリクスとタイトル公式。 yanliudreamer の5つのユーザーニーズと投稿前の3つの質問。 dbskill のタイトルトリガー、タイトルハードチェック、トレーサブルなトリガー理由。 ビジュアルディレクターのカバーフック、メインビジュアル方向性、情報密度、ページ数提案。 核心の変更：トピックはタイトルを生成するだけでなく、ユーザーニーズ、コンテンツ約束、ビジュアル制作に渡すブリーフも同時に提供する。 5. wb-xhs-humanize-compliance 統合： 小红书の初稿校正と公開前チェック。 dbskill のフック、単一コアメカニズム、診断後に書き換え、5秒の冒頭。 ビジュアルディレクターの6-8ページの画像テキスト構造、情報階層、モバイル可読性。 核心の変更：AI臭さを取ることは口語化だけでなく、コンテンツをより人間らしく、最後まで読まれやすく、かつ画像テキストページに明確に分割できるようにすること。 6. wb-xhs-schedule-review 統合： WorkBuddy の最初の10件、7日、30日のスケジュールと振り返りクローズループ。 yanliudreamer のシステムペルソナ、10-20の検証、バズった後の深掘り。 dbskill の状態記録と結論書き戻しメカニズム。 ビジュアルディレクターのマスターテンプレート、ビジュアル確認図、最終図、ビジュアル振り返りノード。 核心の変更：スケジュールは投稿時間だけでなく、コンテンツとビジュアル制作も手配する。ビジュアル制約のみを保存し、ビジュアルルートや画像納品を代替しない。 7. wb-xhs-visual-router 統合： 本プロジェクトの既存のトピック、改稿、スケジュールで生成されたタイトル、ページ、ビジュアル制約。 今回新たに追加された共通ビジュアルブリーフ、事実境界、実際の実行状態、QA記録の取り決め。 核心の変更：ビジュアルリクエストに唯一の入り口ができた。まずカバータイトル、エビデンス、事実境界を補完し、その後対応する専門家に振り分ける。「画像ツールをまだ呼び出していない」状態を画像納品済みと書かない。 8. wb-xhs-cover-anchor 統合： ponyodong2026/ponyo-cover-anchor-system の情報密度×ビジュアルアンカー、競争/数字/スクリーンショット/感情の4つのテンプレート、既存カバーの診断と完成カバープロンプト。 ライフスタイルカバーの落書き風ふちどり・ナチュラル、日差し・フィルム・コラージュ・白ふちどりのバリエーション、および3:4サムネイル可読性ルール。 小红书事実境界：数字、スクリーンショット、ケース、主体は確認済みまたは許可がある場合のみ使用。 核心の変更：カバーは単なるタイトルの骨組みではなく、公開可能な完成カバーと定量診断となる。エビデンスがない場合でも信頼できるタイトルと構図を保持し、未確認のデータ、ケース、結果を事実として描かない。 9. wb-xhs-xiaohei-illustration 統合： helloianneo/ian-xiaohei-illustrations の小黑キャラクター、16:9本文挿絵、ショットリスト、白背景手描き、奇抜な認知メタファー。 純白背景、黒細線、少量の赤・オレンジ・青の注釈、および「小黑がコアアクションを担う」QA。 核心の変更：記事内の判断、フロー、状態、メタファーを一目で読める本文認知挿絵に変換。MIT出典の帰属を保持し、各図のメタファーを再構築し、サンプル図や構図を複製しない。 10. wb-xhs-material-illustration 統合： op7418/guizang-material-illustration のマテリアル化中央説明図、チャートの意味的再描画、参照は事実のみ補完、外側カードの役割分担。 メカニズム、フロー、ループ、階層、比較、チャート、および中央図から抽出されたオブジェクト、矢印、バッジ、説明コンポーネント。 核心の変更：まず一枚のワイド中央図で関係やデータを説明し、その後再利用可能なコンポーネントを蓄積。「素材＋カバー」が必要な場合、まずカバーの正確なタイトルを確認し、それぞれの納品を別々に完了する。