APIキーをAIに渡して、
反応をシミュレーションする。

公式スキル

公式スキルは、どの場面でAPIを使うか、どう文脈を集めるか、どう結果を確認するか、そしてAPIを使わずに雑な予測で代替しないことをAIエージェントに教えます。

このGitHubリポジトリから、公式のYomiraスキルを導入してください。
https://github.com/ryuzo-k/yomira/tree/main/skills/yomira

導入後は、私がメッセージ、投稿、LP、オファー、価格ページ、プロダクト案、意思決定候補への反応をシミュレーションしてほしいと言ったときに、このスキルを使ってください。

YomiraのAPIキーを渡した場合は、必ず実際のAPIを呼んでください。私が明示的に「APIを使わないで」と言わない限り、あなた自身の雑な反応予測で代替しないでください。

AIエージェントから登録する

Yomiraは、ターミナルを使えるAIエージェントからもアカウント作成できます。メール、パスワード、APIキーの所有者はユーザーです。AIエージェントは、登録リクエストの作成、APIキー取得、スキル導入、API確認まで実行できます。

MCP対応のAIエージェントでは、Yomira資料用のMCPサーバー https://docs.tryyomira.com/mcp を接続できます。Yomiraのセットアップ、APIパラメータ、使用例、推奨手順を検索してから、Yomira APIを呼びます。

最短で使う場合は、AIエージェント向けセットアップ を開き、セットアッププロンプトを Claude Code、Codex、Cursor、Hermes Agent などに貼ってください。

curl -s -X POST "https://tryyomira.com/api/auth/register" \
  -H "content-type: application/json" \
  -d '{
    "name": "Your Name",
    "email": "you@example.com",
    "password": "choose-a-long-password",
    "companyName": "Your Company",
    "companyUrl": "https://example.com",
    "role": "Founder",
    "intendedUse": "I want to simulate reactions to messages, content, landing pages, and product ideas."
  }'

レスポンスには apiKey、credits、user が含まれます。APIキーはシークレットとして保存し、その後Yomiraスキルを導入してください。

npx -y github:ryuzo-k/yomira init --api-key sim_YOUR_KEY --target all --with-mora
npx -y github:ryuzo-k/yomira doctor

AIエージェント導入プロンプト

sim_YOUR_KEY を管理画面のAPIキーに置き換えて、AIエージェントに貼ってください。これで、ユーザーが自分でAPIを叩かなくても使える状態になります。

あなたは Yomira を使って、人間の反応シミュレーションを実行できます。

APIのベースURL:
https://tryyomira.com

APIキー:
sim_YOUR_KEY

私が「反応をシミュレーションして」「どちらを送るべきか見て」「公開前チェックして」などと言ったら、次の手順で進めてください。

1. 人に見せる成果物を特定してください。成果物が不足している場合は、先に私に聞いてください。
2. 現在の会話から、目的、対象者、表示される場所、送信者/会社の文脈、望む行動、既知の懸念、比較候補をまとめたコンテキストパケットを作ってください。
3. POST /api/simulate を呼んでください。bodyには以下を入れてください。
   - objective
   - artifact.type
   - artifact.content
   - audience.description
   - simulation.mode: 最初は "fast"、重要な意思決定では "standard"
   - simulation.target_n: 最初は40、重要な意思決定では120
4. GET /api/simulations/{simulation_id} を呼び、ステータスが completed になるまで結果を確認してください。
5. 結果として、必ず以下を見せてください。
   - simulation_id
   - 反応分布
   - 代表的な生の声
   - 具体的な意思決定上の示唆
   - 次に何を変える/試すべきか
6. 複数の候補がある場合は、推測で選ばず、それぞれをシミュレーションしてください。
7. 私が明示的に「APIを使わないで」と言わない限り、あなた自身の雑な反応予測で代替しないでください。

頼み方の例

• DM比較 — 「この3つのDMをYomiraで比較して、どれを送るべきか判断して。」
• コンテンツ公開前チェック — 「この投稿を出す前に、AI創業者や代理店経営者がどう反応するかシミュレーションして。」
• LP検証 — 「このLPをstandardでシミュレーションして、信頼される点と疑われる点を出して。」
• 新規事業案 — 「この事業案に対する買い手の反応を見て、興味と支払意欲を分けて。」
• Mora連携 — 「Moraで選択肢を整理してから、具体的な候補を全部Yomiraでシミュレーションして。」

APIの使い方

APIは非同期です。ジョブを作成し、完了まで確認し、JSONまたはMarkdown形式でダウンロードします。

export YOMIRA_API_KEY="sim_..."

curl -s -X POST "https://tryyomira.com/api/simulate" \
  -H "content-type: application/json" \
  -H "x-api-key: $YOMIRA_API_KEY" \
  -d '{
    "objective": "Decide whether to publish this content.",
    "artifact": {
      "type": "content_draft",
      "content": "Paste the actual text people will see."
    },
    "audience": {
      "description": "Describe who will see this, where they see it, and what they already believe."
    },
    "simulation": {
      "mode": "fast",
      "target_n": 40,
      "max_agent_voices": 8,
      "max_output_tokens": 30000
    }
  }'

curl -s "https://tryyomira.com/api/simulations/SIMULATION_ID" \
  -H "x-api-key: $YOMIRA_API_KEY"

レスポンス

• status — queued、running、completed、failed。
• result.reaction_distribution — 反応タイプごとの割合と人数。
• result.voice_clusters — 似た本音の声と、その背後にある傾向。
• result.agent_voices — 代表的な個別エージェントの声。
• downloads — 完了後に使えるMarkdown / JSONの出力URL。
• credits_charged — 使用されたクレジット数。

エクスポート

エクスポートは、次の会話に持ち込むための証拠です。Claude Code、Codex、Cursor、チームチャット、社内資料に貼って使えます。

curl -s "https://tryyomira.com/api/simulations/SIMULATION_ID?format=markdown" \
  -H "x-api-key: $YOMIRA_API_KEY"

モードとクレジット

コンテキスト品質

APIは、成果物そのもの、対象者、チャネル、送信者/会社の文脈、望む行動、既知の不安が入っているほど良くなります。情報が薄いと、声も薄くなります。AIエージェントから使う場合は、APIを呼ぶ前にコンテキストパケットを作らせてください。

文脈を先に集めるシミュレーション

Yomiraは、ユーザーの作業文脈を持っているAIエージェント内で使われることを前提にしています。AIエージェントは、会話、ファイル、資料、プロダクトメモ、ローンチメモ、顧客メモ、Moraの候補パスから文脈を抽出してからAPIを呼びます。文脈が薄い場合は、雑にシミュレーションせず、必要な質問を1〜3個だけ聞くべきです。

• 文章指定 — ユーザーまたはAIが対象者を文章で指定します。最速のセルフサーブモードです。
• 文脈拡張 — AIが会社、チャネル、商品、価格、実績、既知の不安をユーザーの作業環境から追加します。
• 実データ活用 — CRM、顧客メモ、インタビュー、レビュー、XやSNS上の情報、コミュニティ投稿、対象者例などの実データを使います。
• 補正 — 予測と実際の結果を比較し、用途ごとに補正していきます。

シミュレーション技術

現在のセルフサーブ版は、LLMベースの合成人間反応シミュレーターです。コンテキストパケットを作り、対象層に近い対象者エージェントを構成し、並列バッチで本音の反応を生成し、それを分布、クラスター、代表的な声、エクスポートにまとめます。高速な意思決定支援には使えますが、これが最終形ではありません。

• 段階1: 文章指定の対象者 — 現在の基本。ユーザーまたはAIが対象層を文章で指定します。
• 段階2: 文脈で補強した対象者 — AIが会社情報、チャネル、過去会話、資料、顧客仮説を集めてからAPIを呼びます。
• 段階3: 実データに基づく対象者 — CRM、顧客リスト、レビュー、インタビュー、XやSNS上の情報、コミュニティ投稿などを元に母集団を作ります。
• 段階4: 補正済みの対象者 — 実際の調査・インタビュー結果と仮想出力を比較し、用途やセグメントごとに補正します。

法人向け

セルフサーブのクレジットは、高速な合成シミュレーション向けです。法人向けでは、実データに基づくシミュレーションや補正済みシミュレーションのために、Yomira側がCRM、XやSNS上の情報、顧客リスト、レビュー、インタビュー、社内データ、市場データなどから必要な対象者データセットを構築します。