microsoft_clarity-automation

microsoft_clarity-automation skill 概覽

microsoft_clarity-automation 的用途

microsoft_clarity-automation skill 可協助 AI agent 透過 Composio 的 Rube MCP toolkit 操作 Microsoft Clarity。它適合用在 session recordings、heatmaps、專案分析、使用者行為檢視，以及 Clarity 資料擷取等工作流程，讓你不必手動猜測工具名稱或 schema。

它最重要的指示是操作順序：agent 應該先呼叫 RUBE_SEARCH_TOOLS，因為 Microsoft Clarity 的工具 schema 可能會變動。當你需要即時、能感知目前 schema 的工作流程時，這會比靜態 prompt 更實用。

最適合的使用者與任務

這個 skill 適合已經使用 Microsoft Clarity，並希望透過 agent 協助檢視行為資料的 growth、product、UX 與 analytics 團隊。常見任務包括尋找相關 recordings、確認 heatmap 是否可用、彙整使用者卡點，或在進一步人工檢視前先整理分析流程。

它特別適合正在建立 Workflow Automation 的使用者，用於客戶行為研究、轉換分析、onboarding 檢視，或網站問題分流。

主要採用條件

若要使用 microsoft_clarity-automation skill，你的 AI client 必須支援 MCP，並且已設定 Rube MCP。你也需要透過 RUBE_MANAGE_CONNECTIONS 使用 microsoft_clarity toolkit 建立有效的 Microsoft Clarity 連線。

上游 repository 只有一個主要檔案：SKILL.md，沒有附帶 scripts、references 或輔助資源。這讓安裝很單純，但也代表你的 prompt 必須提供業務目標、專案背景、日期範圍與分析標準。

如何使用 microsoft_clarity-automation skill

microsoft_clarity-automation 安裝與設定路徑

從 Composio skill collection 安裝：

npx skills add ComposioHQ/awesome-claude-skills --skill microsoft_clarity-automation

接著開啟已安裝的 SKILL.md：

composio-skills/microsoft_clarity-automation/SKILL.md

在你的 client 中加入以下位址來設定 Rube MCP：

https://rube.app/mcp

在要求執行 Clarity 工作前，先確認 RUBE_SEARCH_TOOLS 可用。接著使用 toolkit microsoft_clarity 呼叫 RUBE_MANAGE_CONNECTIONS。如果連線狀態不是 ACTIVE，請完成回傳的授權流程，並在執行分析任務前確認狀態已啟用。

skill 需要的輸入內容

像「analyze Clarity」這類太薄弱的要求會留下過多模糊空間。有效的 microsoft_clarity-automation usage prompt 應包含：

• 你關注的 Microsoft Clarity project 或 site
• 業務問題，例如「為什麼使用者會在 pricing 放棄」
• 日期範圍或比較期間
• 要檢視的行為訊號，例如 rage clicks、scroll depth、dead clicks、session recordings 或 heatmaps
• 輸出格式，例如優先排序的問題清單、UX research notes 或 experiment ideas
• 任何隱私、法遵或報告限制

範例 prompt：

「Use microsoft_clarity-automation to inspect Microsoft Clarity data for the marketing site. First discover current Rube tools and schemas. Focus on the last 14 days, especially pricing and signup pages. Look for heatmap patterns, confusing clicks, and session recording evidence of form friction. Return a prioritized table with issue, evidence, affected page, confidence, and recommended next action.」

降低失敗率的實務工作流程

每次執行都先從工具探索開始：

RUBE_SEARCH_TOOLS: queries=[{"use_case":"session recordings, heatmaps, and user behavior analytics","known_fields":""}]

使用回傳的 tool slugs 與 schemas，不要自行編造參數。接著確認 Microsoft Clarity 連線為 active。然後先跑最小但有用的查詢，例如一個 project、一組 page group，或一段 date range。等初始結果證明 schema 與資料存取都正確後，再逐步擴大範圍。

若要得到更好的結果，請要求 agent 區分「觀察到的證據」與「解讀」。Clarity 資料可以呈現行為模式，但不一定能直接證明使用者意圖。

優先閱讀的 repository 檔案

對這個 skill 來說，SKILL.md 是最重要的檔案。它包含先決條件、設定指引、工具探索說明，以及核心工作流程框架。提供的結構中沒有 README.md、metadata.json、rules/、resources/、references/ 或 scripts/ 資料夾，因此不要期待 skill 指示之外還有打包好的範例。

microsoft_clarity-automation skill 常見問題

microsoft_clarity-automation 適合初學者嗎？

適合，前提是你的 MCP client 已經設定完成，而且你能完成 Microsoft Clarity 授權流程。這個 skill 會指示 agent 先搜尋可用工具，因此可降低事先知道 Composio 工具名稱的需求。

如果你從未設定過 MCP tools，它就不算特別入門友善，因為主要障礙不在 skill 文字本身，而是連接 Rube MCP 並啟用 Microsoft Clarity toolkit。

它比一般 prompt 好在哪裡？

一般 prompt 可能會幻覺出不存在的 Microsoft Clarity API 呼叫，或使用過時欄位。microsoft_clarity-automation guide 這種模式更可靠，因為它會要求 agent 在執行前先透過 RUBE_SEARCH_TOOLS 探索目前可用的 tool schemas。

這對自動化 analytics 工作很重要：錯誤參數可能導致空結果、誤導性的摘要，或工具呼叫失敗。

什麼情況不該使用這個 skill？

如果你只是需要一段人類可讀的 Microsoft Clarity 介紹，或你沒有目標 Clarity project 的存取權，就不適合使用它。它也不能取代 product analytics instrumentation、A/B testing 或 compliance review。

也應避免把它用在過於寬泛、模糊的需求，例如「tell me what users think」。Microsoft Clarity 行為資料在連結到特定頁面、funnels、時間區間與可觀察事件時，最能發揮價值。

它適合 Workflow Automation 技術棧嗎？

適合。microsoft_clarity-automation for Workflow Automation 在搭配可重複的分析流程時最有用，例如每週 UX review、launch monitoring、conversion issue triage，或 support-ticket investigation。建議搭配清楚的報告模板，讓輸出能接續到 product、design 或 growth 工作流程中。

如何改善 microsoft_clarity-automation skill

改善 microsoft_clarity-automation prompts

最大的品質提升，來自把目標變得可衡量。不要要求寬泛分析，而是定義你需要做出的決策。

更好的輸入：

「Review Clarity behavior for the checkout funnel after the new form release. Compare the last 7 days with the previous 7 days if tools support it. Prioritize issues that appear in recordings or heatmaps and could block purchase completion.」

這會給 agent 明確的工作流程、比較框架與排序標準。

需要避免的常見失敗模式

最常見的失敗是跳過工具探索，直接猜測 schemas。請明確寫下：「Call RUBE_SEARCH_TOOLS first and use only returned tool schemas.」

另一個常見失敗是過度解讀行為。請要求 agent 標示信心水準，並為每個發現引用背後的 Clarity signal。如果資料不可用，agent 應該說明缺少什麼，而不是編造結論。

根據第一版輸出反覆收斂

請把第一次結果當成探索回合。接著用更聚焦的 prompt 追問，例如：

• 「Show only high-confidence issues affecting signup.」
• 「Group findings by page template.」
• 「Turn the top three issues into experiment hypotheses.」
• 「List what additional Clarity data would strengthen or weaken these conclusions.」

這能讓 skill 更有助於行動，而不只是產出摘要。

加入團隊本地脈絡

由於 repository 沒有包含自訂業務規則，請在 prompt 中補上自己的脈絡：關鍵頁面、funnel definitions、已知 releases、需排除的 traffic、device focus，以及 reporting format。若要經常使用，建議保存一個團隊專用的 prompt wrapper，固定包含 project name、date range、success metric 與 required evidence format。