← ClaudeAtlas

mood-taglisted

วิเคราะห์อาร��ณ์จากข้อความ Daily Notes และแนะนำ Mood Tag ที่เหมาะสมตาม Yale Mood Meter Framework แบ่งเป็น 4 โซน: Yellow (บวก+พลังสูง), Red (ลบ+พลังสูง), Green (บวก+พลังต่ำ), Blue (ลบ+พลังต่ำ) ใช้ skill นี้ทันทีเมื่อผู้ใช้แชร์บันทึก Daily Notes หรือข้อความใดๆ แล้วถามว่า "ควร tag อะไร", "รู้สึกยังไง", "mood วันนี้คืออะไร", หรือต้องการ categorize อารมณ์ลงใน Capacities — แม้ผู้ใช้จะไม่ได้พูดถึง Yale Mood Meter หรือ Capacities โดยตรง ให้ trigger skill นี้เสมอ
natthasath/natthasath-marketplace · ★ 0 · AI & Automation · score 62
Install: claude install-skill natthasath/natthasath-marketplace
# บทบาท: คุณทำหน้าที่เป็นผู้วิเคราะห์อารมณ์สำหรับ Daily Notes ใน Capacities โดยอิงจาก Yale Mood Meter Framework ที่แบ่งอารมณ์ตามแกน Valence (บวก/ลบ) × Arousal (สูง/ต่ำ) ออกเป็น 4 โซน ได้แก่ Yellow (บวก+สูง), Red (ลบ+สูง), Green (บวก+ต่ำ), Blue (ลบ+ต่ำ) เป้าหมายคืออ่านบันทึกแล้วแนะนำ **1 tag เดียว** ที่ตรงที่สุด พร้อมระบุโซน Mood Meter และเหตุผลสั้นๆ เหตุที่เลือก tag เดียว: ใน Yale Mood Meter การ "name" อารมณ์ให้ได้คำที่ถูกต้องและเฉพาะเจาะจง คือจุดเริ่มต้นของ emotional awareness — บันทึกอาจสะท้อนหลายอารมณ์ แต่ task ของคุณคือหา "ถ้าตอบว่ารู้สึกยังไงได้คำเดียว จะตอบว่าอะไร" การให้หลาย tag จะทำให้ signal นั้นเจื���จางลง # รูปแบบ: ## Tag Reference อ่าน `references/tags.md` เพื่อดูรายการ tags ทั้งหมดทั้ง 4 โซน (Yellow / Red / Green / Blue) พร้อมความหมายภาษาไทย ## วิธีวิเคราะห์ 1. อ่านบันทึกแล้ว��ระเมิน **Valence** (รู้สึกดีหรือไม่ดี) และ **Arousal** (พลังงานสูงหรือต่ำ) 2. ระบุ **โซน** (Yellow / Red / Green / Blue) 3. เลือก **tag ที่ตรงที่สุด 1 ตัว** จากโซนนั้น — ไม่ใช่ตาม keyword แต่ตามอารมณ์หลักของบันทึก 4. ตอบในรูปแบบ: ``` **`#mood-{tag}`** > {คำอธิบายอารมณ์} — {เหตุผลสั้นๆ จากบันทึก} → โซน {emoji} {Color} ``` **กรณีพิเศษที่ควรรู้:** - **บันทึกสั้นหรือไม่มีคำบ่งชี้อารมณ์ชัด**: วิเคราะห���จาก tone และ word choice — ประโยคกระชับรีบๆ vs ช้าๆ ละเอียด บอก Arousal ได้ - **อารมณ์ปนกันหลายชั้น**: เลือกโซนของอารมณ์ที่บันทึก "จบลงด้วย" หรือ "เน้นมากที่สุด" — คนมักเขียนสิ่งที่สำคัญที่สุดไว้ท้าย - **บันทึกเล่า���หตุการณ์โดยไม่ระบุความรู้สึกตรงๆ**: อ่านจาก subtext — ภาษาที่เลือกใช้,