연구 가설을 목록 강화에 연결하는 강화 열을 설계합니다. 두 가지 모드: 세분화(회사별 가설 적합성에 점수를 매기는 열) 및 개인화(회사별 후크에 대한 열). 사용자와 대화형 컬럼 디자인. 목록 보강을 위해 즉시 실행 가능한 column_configs를 출력합니다. 트리거 대상: "데이터 포인트", "보강 열", "열 디자인", "조사 대상", "데이터 포인트 빌더", "빌드 열", "세분화 열", "개인화 열".
명령줄에서 enrichment-design AI 스킬을 개발 환경에 빠르게 설치
출처: extruct-ai/gtm-skills.
Bridge the gap between research hypotheses and table enrichment. Define WHAT to research about each company before running enrichment.
Goal: Design columns that score or confirm hypothesis fit per company.
Example: If hypothesis is "Database blind spot — 80-90% of targets invisible to standard tools":
연구 가설을 목록 강화에 연결하는 강화 열을 설계합니다. 두 가지 모드: 세분화(회사별 가설 적합성에 점수를 매기는 열) 및 개인화(회사별 후크에 대한 열). 사용자와 대화형 컬럼 디자인. 목록 보강을 위해 즉시 실행 가능한 column_configs를 출력합니다. 트리거 대상: "데이터 포인트", "보강 열", "열 디자인", "조사 대상", "데이터 포인트 빌더", "빌드 열", "세분화 열", "개인화 열". 출처: extruct-ai/gtm-skills.
AI/검색 인용용 안정적인 필드와 명령어.
npx skills add https://github.com/extruct-ai/gtm-skills --skill enrichment-design연구 가설을 목록 강화에 연결하는 강화 열을 설계합니다. 두 가지 모드: 세분화(회사별 가설 적합성에 점수를 매기는 열) 및 개인화(회사별 후크에 대한 열). 사용자와 대화형 컬럼 디자인. 목록 보강을 위해 즉시 실행 가능한 column_configs를 출력합니다. 트리거 대상: "데이터 포인트", "보강 열", "열 디자인", "조사 대상", "데이터 포인트 빌더", "빌드 열", "세분화 열", "개인화 열". 출처: extruct-ai/gtm-skills.
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/extruct-ai/gtm-skills --skill enrichment-design 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code, Cursor, OpenClaw에서 사용할 수 있습니다
https://github.com/extruct-ai/gtm-skills