Communitygithub.com

科学図表・スケマティックス生成

Nano Banana 2 AIとスマートな反復改良を用いて、出版物品質の科学図表を作成します。品質レビューにはGemini 3.6 Flashを使用し、ドキュメントタイプに応じた品質しきい値を下回る場合のみ再生成を行います。ニューラルネットワークアーキテクチャ、システム図、フローチャート、生物学的パスウェイ、複雑な科学ビジュアライゼーションに特化しています。

科学図表・スケマティックス生成 とは？

このスキルは、Nano Banana 2 AIを使用した図表生成と、Gemini 3.6 Flashによる品質レビューを組み合わせた、科学図表作成のための強力なツールです。ユーザーが自然言語で図表を説明すると、AIが自動的に出版物品質の画像を生成し、Gemini 3.6 Flashがドキュメントタイプ（ジャーナル論文、学会発表、ポスターなど）に応じた品質しきい値（例：ジャーナル論文は8.5/10）に基づいてレビューを実行します。レビューでしきい値を下回った場合のみ、改善されたプロンプトで再生成を行い、品質が基準を満たすか最大反復回数に達するまでこのプロセスを繰り返します。この「スマート反復」アプローチにより、高品質な図表を効率的に生成でき、ジャーナル論文、学会発表、研究助成金申請など様々な用途に対応可能です。出力はPNG形式で、レビューログも生成されるため、品質管理も容易です。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/scientific-schematics
オリジナルを見る→すべてのスキルを見る

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

ドキュメント

科学図表・スケマティックス（Scientific Schematics and Diagrams）

概要

科学図表・スケマティックスは、複雑な概念を明快なビジュアル表現に変換し、出版物で利用できるようにします。このスキルは、図表生成にNano Banana 2 AIを、品質レビューにGemini 3.6 Flashを使用します。

動作の仕組み:

  • 図表を自然言語で記述します
  • Nano Banana 2が自動的に出版物品質の画像を生成します
  • Gemini 3.6 Flashがドキュメントタイプに応じたしきい値で品質をレビューします
  • スマート反復: 品質がしきい値を下回る場合のみ再生成します
  • 数分で出版物対応の出力を生成
  • コーディング、テンプレート、手動描画は不要です

ドキュメントタイプ別品質しきい値:

ドキュメントタイプしきい値説明
journal8.5/10Nature、Science、査読付きジャーナル
conference8.0/10学会発表論文
thesis8.0/10学位論文、博士論文
grant8.0/10研究助成金申請書
preprint7.5/10arXiv、bioRxivなど
report7.5/10テクニカルレポート
poster7.0/10アカデミックポスター
presentation6.5/10スライド、発表資料
default7.5/10汎用

希望する図表を説明するだけで、Nano Banana 2が作成します。 すべての図表はfigures/サブフォルダに保存され、論文やポスターで参照されます。

出力内容: 画像モデルが返す解像度のラスターPNGです。このスキルにベクターパスやDPI制御機能はありません。ジャーナルがPDF、EPS、または300 dpiのTIFFを要求する場合は、PNGをダウンロード後に変換し、最終印刷サイズで結果を確認してください。

クイックスタート: 図表を生成する

任意の科学図表を、説明するだけで作成できます。Nano Banana 2がスマート反復によりすべてを自動処理します:

# ジャーナル論文用に生成（最高品質しきい値：8.5/10）
python scripts/generate_schematic.py "CONSORT参加者フローダイアグラム、スクリーニング500、除外150、ランダム化350" -o figures/consort.png --doc-type journal

# プレゼンテーション用に生成（低いしきい値：6.5/10 - 高速）
python scripts/generate_schematic.py "マルチヘッドアテンションを示すTransformerエンコーダ-デコーダアーキテクチャ" -o figures/transformer.png --doc-type presentation

# ポスター用に生成（中程度のしきい値：7.0/10）
python scripts/generate_schematic.py "EGFRから遺伝子転写までのMAPKシグナル伝達経路" -o figures/mapk_pathway.png --doc-type poster

# カスタム最大反復回数（最大2）
python scripts/generate_schematic.py "オペアンプ、抵抗、コンデンサを使用した複雑な回路図" -o figures/circuit.png --iterations 2 --doc-type journal

バックグラウンドで行われる処理:

  1. 生成 1: Nano Banana 2が科学的図表のベストプラクティスに従って初期画像を作成
  2. レビュー 1: Gemini 3.6 Flashがドキュメントタイプのしきい値に対して品質を評価
  3. 判定: 品質 >= しきい値 → 完了（これ以上の反復は不要！）
  4. しきい値未満の場合: 批評に基づいてプロンプトを改善し、再生成
  5. 繰り返し: 品質がしきい値を満たすか、最大反復回数に達するまで

スマート反復の利点:

  • ✅ 最初の生成で十分な場合、API呼び出しを節約
  • ✅ ジャーナル論文にはより高い品質基準を適用
  • ✅ プレゼンテーション/ポスターでは迅速なターンアラウンド
  • ✅ 各ユースケースに適切な品質を提供

出力: バージョン管理された画像（name_v1.png、name_v2.png）、指定されたパスへの勝者画像のコピー、反復ごとのスコア、批評、早期停止理由を含むname_review_log.json。

レビューが実行できない場合（レート制限、コンテンツフィルター、レビューアが予期しない形式で応答したなど）、画像は引き続き生成・保存されますが、スコアは生成されません。ログには"score": null、"reviewed": false、および"review_error"に理由が記録され、実行時にはReview unavailable — image kept, quality not verifiedと表示されます。その画像は未チェックとして扱い、自分で確認してください。再実行を試みる価値はあります。失敗は通常一時的なものです。

設定

OpenRouter APIキーを設定:

export OPENROUTER_API_KEY='your_api_key_here'

APIキーはこちらから取得: https://openrouter.ai/keys

データはマシン外に送信されます。 プロンプトは画像生成のためにOpenRouterに送信され、生成された画像は品質レビューのためにOpenRouterに返送されます。どちらもOpenRouterおよび基盤となるモデルプロバイダーのデータポリシーの対象となります。プロンプトに未発表データ、患者情報、または機密情報を記述しないでください。

AI生成のベストプラクティス

科学図表のための効果的なプロンプト:

✓ 適切なプロンプト（具体的、詳細）:

  • "CONSORTフローチャート：スクリーニング（n=500）からランダム化、最終解析までの参加者の流れ"
  • "Transformerニューラルネットワークアーキテクチャ：左側にエンコーダースタック、右側にデコーダースタック、マルチヘッドアテンションとクロスアテンション接続を示す"
  • "生物学的シグナル伝達カスケード：EGFR受容体→RAS→RAF→MEK→ERK→核、各リン酸化ステップをラベル付け"
  • "IoTシステムのブロック図：センサー→マイクロコントローラー→WiFiモジュール→クラウドサーバー→モバイルアプリ"

✗ 避けるべきあいまいなプロンプト:

  • "フローチャートを作成"（汎用的すぎる）
  • "ニューラルネットワーク"（どのタイプ？どのコンポーネント？）
  • "経路図"（どの経路？どの分子？）

含めるべき重要な要素:

  • タイプ: フローチャート、アーキテクチャ図、経路図、回路図など
  • コンポーネント: 含める具体的な要素
  • フロー/方向: 要素の接続方法（左から右、上から下）
  • ラベル: 含める主要な注釈やテキスト
  • スタイル: 特定のビジュアル要件

科学的品質ガイドライン（自動適用）:

  • 清潔な白/薄い背景
  • 読みやすさのための高いコントラスト
  • 明確で読みやすいラベル（最小10pt）
  • プロフェッショナルなタイポグラフィ（サンセリフフォント）
  • 色覚異常に配慮した色（Okabe-Itoパレット）
  • 混雑を防ぐ適切なスペーシング
  • スケールバー、凡例、軸（必要に応じて）

このスキルを使用すべき場合

このスキルは以下の場合に使用します:

  • ニューラルネットワークアーキテクチャ図の作成（Transformers、CNN、RNNなど）
  • システムアーキテクチャとデータフロー図の図示
  • 研究デザインの方法論フローチャートの作成（CONSORT、PRISMA）
  • アルゴリズムワークフローと処理パイプラインの可視化
  • 回路図と電気スケマティックの作成
  • 生物学的経路と分子間相互作用の描写
  • ネットワークトポロジーと階層構造の生成
  • 概念的枠組みと理論モデルの図示
  • 技術論文のブロック図のデザイン

このスキルの使用方法

図表を自然言語で説明するだけです。 Nano Banana 2が自動的に生成します:

python scripts/generate_schematic.py "図表の説明" -o output.png

これだけです！ AIが以下を処理します:

  • ✓ レイアウトと構成
  • ✓ ラベルと注釈
  • ✓ 色とスタイリング
  • ✓ 品質レビューと改良
  • ✓ 出版物対応の出力

すべての図表タイプに対応:

  • フローチャート（CONSORT、PRISMAなど）
  • ニューラルネットワークアーキテクチャ
  • 生物学的経路
  • 回路図
  • システムアーキテクチャ
  • ブロック図
  • あらゆる科学ビジュアライゼーション

コーディング、テンプレート、手動描画は不要です。

AI生成モード（Nano Banana 2 + Gemini 3.6 Flashレビュー）

スマート反復改良、高度な使用法、例

生成-レビュー-改良ループ、Python APIとコマンドラインオプション、プロンプトエンジニアリングガイダンス、および4つの実例（CONSORTフローチャート、ニューラルネットワークアーキテクチャ、生物学的経路、システムアーキテクチャ）は、references/iterative_refinement.mdにあります。

レビューに合格するとすぐにループが停止するため、単純な図表は通常1回の反復で完了し、複雑な図のみが全予算を使用します。

コマンドラインの使用法

科学的スケマティックス生成のための主要エントリポイント:

# 基本的な使用法
python scripts/generate_schematic.py "図表の説明" -o output.png

# カスタム反復回数（最大2）
python scripts/generate_schematic.py "複雑な図" -o diagram.png --iterations 2

# 詳細モード
python scripts/generate_schematic.py "図" -o out.png -v

注: Nano Banana 2 AI生成システムは、反復改良プロセスに自動品質レビューを含みます。各反復は、科学的正確性、明確性、アクセシビリティについて評価されます。

ベストプラクティスのまとめ

デザイン原則 — プロンプトでこれらを指定する

  1. 複雑さよりも明確さ - 簡素化し、不要な要素を削除する
  2. 一貫したスタイリング - 論文全体の図で同じビジュアル規則を記述する
  3. 色覚異常へのアクセシビリティ - Okabe-Itoパレットと冗長なエンコーディングを指定する
  4. 適切なタイポグラフィ - サンセリフフォント、十分な大きさのラベル
  5. 論理的なフロー - 方向（左から右、上から下）を明示的に指定する

ジェネレーターはデフォルトでこれらすべてを適用しますが、特定の図に対して自分の言葉でこれらを指定する方が、組み込みガイドラインのみに依存するよりも効果的です。

パイプラインでできないこと

  1. ベクター出力 - PNGのみ。PDF、SVG、EPSは生成されません。
  2. 解像度制御 - 画像モデルが決定します。DPIフラグはありません。
  3. カラースペース - RGBのみ。CMYK印刷ワークフローが必要な場合はダウンストリームで変換します。
  4. 正確な線の太さやテキストサイズ - プロンプトで記述し、目視で確認します。

ベクターアートや300 dpi以上のTIFFを要求するジャーナルの場合は、生成後にPNGを変換し、実際に印刷されるサイズで結果を確認してください。

統合ガイドライン

  1. LaTeXに含める - 生成画像には\includegraphics{}を使用する
  2. 詳細にキャプションを付ける - すべての要素と略語を説明する
  3. テキストで参照する - 説明の流れの中で図を説明する
  4. 一貫性を維持する - 論文内のすべての図で同じスタイルを使用する
  5. バージョン管理 - プロンプトと生成画像をリポジトリで管理する

よくある問題のトラブルシューティング

生成は確率的であり、反復回数は最大2回に制限されているため、実際に結果を変える手段はプロンプト、ドキュメントタイプ、再実行です。このスキルには後処理ステップや品質チェックライブラリはありません。検査できるものはすべて、生成されたPNGと<name>_review_log.jsonにあります。

図が間違っている

テキストの重なり、要素の密集、矢印のターゲットミス

  • レイアウトをプロンプトで指定する: "垂直フロー、行ごとに1ボックス、ステージ間のスペースを広く"
  • 接続を指定する: "リン酸化とラベル付けされたRAFからMEKへの矢印"（"カスケードを示す"ではない）
  • 再実行する。同じプロンプトの2回の実行は異なり、悪いレイアウトは単に不運な場合が多いです。

内容が科学的に間違っている、またはコンポーネントが欠落している

  • コンポーネントを数とラベルとともに明示的にリストする。モデルは推測しません。
  • レビューログのcritiqueフィールドを読む。レビューアは通常、欠落しているものを挙げています。

ラベルのテキストが間違っている、または画像に図番号が埋め込まれている

  • プロンプトはすでに"Figure 1:"キャプションを禁止しています。もし現れた場合は再実行してください。
  • スペルミスのあるラベルは、画像モデルの最も一般的な失敗です。使用前にすべてのラベルを読んでください。

スコアが間違っているように見える

スコアが図に値するよりも低い

  • 再実行する前に批評を読む。レビューアの指摘は多くの場合正当かつ具体的です。
  • 反復を決定するのはスコアではなくしきい値です。--doc-type journalは8.5を要求します。

しきい値を下回るスコアで実行が停止する

  • それは反復回数の上限です。--iterations 2が最大値です。最後の画像が保持され、実際のスコアとともに報告されます。

ログに"score": nullと"reviewed": falseがある

  • レビュー呼び出しが失敗したか、使用できない形式で応答しました。画像自体は問題なく保持されています。品質が測定されなかっただけです。"review_error"を確認し、自分で画像を確認し、再実行してください。

セットアップ

Error: OPENROUTER_API_KEY not found

  • export OPENROUTER_API_KEY='sk-or-v1-...'、または.envファイルに追加、または--api-keyを渡す

Error: requests library not found

  • uv pip install requests

APIエラー全般 — -vを付けて実行し、リクエスト、モデルスラッグ、エラー本文全体を確認する

リソースと参照

詳細な参照

特定のトピックに関する包括的な情報については、以下のファイルを参照:

  • references/iterative_refinement.md - 生成-レビュー-改良ループ、Python API、すべてのコマンドラインオプション、プロンプトエンジニアリングガイダンス、4つの実例
  • references/best_practices.md - プロンプト作成時と結果評価時に参照する出版基準とアクセシビリティガイドライン

外部リソース

出版基準

他のスキルとの統合

このスキルは以下と相乗効果を発揮します:

  • サイエンティフィックライティング - 図表が図のベストプラクティスに従います
  • サイエンティフィックビジュアライゼーション - カラーパレットとスタイリングを共有
  • LaTeXポスター - ポスター発表用の図表を生成
  • 研究助成金 - 提案書の方法論図
  • ピアレビュー - 図の明確さとアクセシビリティを評価

クイックリファレンスチェックリスト

図を提出する前に、以下を確認:

レビューログを読む（これが唯一の自動チェックです）

  • <name>_review_log.jsonが存在し、最終反復の"reviewed"がtrueである
  • "final_score"が実数（nullではない）であり、ドキュメントタイプのしきい値を満たしている
  • "critique"を読む — レビューアの残りの問題は、合格スコアの場合でもリストされています
  • 複数のバージョンが生成された場合は、_v1と_v2を比較し、良い方を保持する

自分で画像を確認する

  • すべてのラベルが正しくスペルされている — 画像モデルはテキストのスペルを間違えることがあり、ここではそれを自動的にチェックしません
  • テキストの重なりやクリッピングがない
  • すべての矢印が意図した要素に接続されている
  • 科学的内容が正しい

図の例

CONSORTフローチャート（ジャーナル論文用）

figures/consort.pngに保存されたCONSORTフローチャート図。スクリーニング、登録、割り当て、フォローアップ、分析の各段階を示します。ラベルには各段階の参加者数が含まれます。

Transformerアーキテクチャ（プレゼンテーション用）

figures/transformer.pngに保存されたTransformerアーキテクチャ図。エンコーダーとデコーダーのスタック、マルチヘッドアテンションメカニズム、位置エンコーディング、フィードフォワードネットワークを示します。

MAPKシグナル伝達経路（ポスター用）

figures/mapk_pathway.pngに保存されたMAPKシグナル伝達経路図。EGFR受容体の活性化からRAS、RAF、MEK、ERKを経て核内の遺伝子転写に至るカスケードを示し、各ステップのリン酸化イベントをラベル付けします。

IoTシステムアーキテクチャ（テクニカルレポート用）

figures/iot_architecture.pngに保存されたIoTシステムアーキテクチャ図。センサーからクラウド、そしてモバイルアプリへのデータフローを示します。

このスキルは、科学的な図表作成を簡素化し、高品質な出力を確保するために設計されています。詳細な使用例と高度な機能については、references/ディレクトリ内のファイルを参照してください。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

関連スキル

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community