.md
Skill.mdサーチャーJP
Skill.md一覧に戻る
M
v1.0.0

マスターデータのスキーマを効率よく編集・追加

by moorestech

69
965
2026-04-12

説明

できること

  • VanillaSchema 配下の YAML スキーマを安全に編集できる。ブロック・アイテム・液体など、マスターデータのスキーマ構造を体系的に変更・追加でき、SourceGenerator の自動コード生成の仕組みが分かります。
  • スキーマ追加・削除時の設定変更が自動化される。csc.rsp への追加・削除、_CompileRequester.cs の更新手順が明確で、ビルド失敗のリスクが減ります。
  • 再利用可能なスキーマ部品（ref）を活用できる。inventoryConnects.yml など共通パターンをスキーマ部品として定義し、定義の重複を削減できます。
  • switch・cases、foreignKey などの高度なスキーマ機能を使いこなせる。条件分岐、他スキーマへの参照、共有インターフェース定義など、複雑なマスターデータ構造を表現できます。

こんな人におすすめ

  • Moorestech プロジェクトでマスターデータを管理するエンジニア。YAML スキーマから自動生成される C# クラスの関係を理解でき、スキーマ変更時の対応ミスが減ります。
  • 新しいブロックタイプ・パラメータを追加する開発者。スキーマ定義から SourceGenerator 発動、コード生成までのフロー全体が把握でき、追加作業の手戻りが減ります。
  • CI/CD パイプラインの失敗を減らしたい DevOps エンジニア。JSON データとスキーマのプロパティ名をすべてチェック、grep コマンドで更新漏れを検出する方法が明確です。
  • マスターデータ管理を一から構築する技術リーダー。ref・defineInterface・switch/cases などのパターンが実例で示されており、保守性の高いスキーマ設計が可能になります。
SKILL.md の内容
# Schema Editing Guide

## Directory Structure

```
VanillaSchema/
├── blocks.yml, items.yml, fluids.yml ...  # メインスキーマ
└── ref/                                    # 再利用可能なスキーマ部品
    ├── inventoryConnects.yml
    ├── gearConnects.yml

Skill.md 情報

バージョン
v1.0.0
カテゴリ
data
作成日
2021-03-31
GitHubで見る

インストール

ワンコマンドで導入
1

下の「Skill.mdをダウンロード」ボタンを押す

2

お使いのAIツール（Claude Code・Cursor・Copilot など）にファイルをアップロードして「このスキルを追加して」と入力する

ターミナルから追加する場合
$ mkdir -p ~/.claude/skills/ && curl -sL "https://github.com/moorestech/moorestech" -o ~/.claude/skills/SKILL.md

タグ

#テスト#コミット

関連 Skill.md

T

AIとの対話履歴を分析して、自分のスキル伸び具合を診断できる

by tokoroten

対話履歴を自動解析：Claude Code、GitHub Copilot Chat、Cursor、Clineなど複数のAIエージェントツールのログを自動検出し、過去の会話データを一元収集できます。 技術理解度を推定：プロンプトの質や複雑さから、自分がAIにどの程度の指示を出せているか、技術的な深さはどのレベルかを診断します。 AI依存度をスコア化：日々のコーディング作業でAIをどの程度頼っているか、自分でやっている部分とAI任せの部分のバランスを数値で見える化します。 レポートを自動生成：分析結果を日本語のMarkdownレポートとして自動出力し、期間や特定プロジェクト単位での比較も可能です。 複数のAIツールを使い分けている開発者：どのツールをどの場面で活用しているか、全体像を把握したい人 AI時代のスキルを自己評価したい人：AIと協働する中で、自分の技術力がどう変化しているか知りたい人 チームのAI活用状況を把握したい管理職：メンバーのAI依存度やスキル傾向を客観的に分析したい人 学習の効果を数値で見たい人：Linter指摘のような客観的な指標で、自分の成長を可視化したい人 このスキルは、ユーザーが「プロンプトをレビューして」「対話履歴を分析して」「理解度を診断して」と依頼したときや /prompt-review コマンドで呼び出されたときに動作します。前処理スクリプト scripts/collect.py を実行してClaude Code、GitHub Copilot Chat、Cursor、Cline、Roo Code、Windsurf、Antigravity、Gemini CLI、OpenAI Codex、OpenCodeのログを自動検出し、フィルタ済みのJSONを取得します。引数処理は柔軟で、数値のみで日数フィルタ（例：30日分）、文字列のみでプロジェクト名フィルタ、両者の組み合わせに対応。タイムスタンプ付きファイル名を生成し、スクリプト出力を保存・参照することで、複数の対話ソースからデータを統合。結果は日本語Markdownレポート（reports/prompt-review-YYYY-MM-DD.md）として出力されます。

レビュー
3444.2k2026-03-17
O

過去データを自然言語で検索

by okikusan-public

自然言語で知識グラフを検索: 「トヨタの前回レポートは？」のような日本語の質問をそのまま入力すると、Neo4j に蓄積された過去データから該当する情報を自動で探します。 複数の過去情報源を横断検索: 過去のレポート、スクリーニング結果、取引記録、リサーチ、市況データなど、複数の情報源からまとめて検索できます。 保有銘柄の自動標記: 検索結果に現在の保有銘柄が含まれていれば「保有中」マークを自動付記し、ポートフォリオ管理の効率化を図ります。 最新データとの比較を提案: 過去レポートの検索結果が返ったら、「最新データとの差分を確認するなら /stock-report 推奨」と自動的にアドバイスを提供します。 Markdown形式で結果を表示: 検索結果をわかりやすいMarkdown形式で表示。データがない場合はその旨を明確に表示します。 投資分析担当者: 過去のリサーチレポートや取引記録をすばやく引き出したい人 ポートフォリオマネージャー: 銘柄の過去レポートと現在のポジションを関連付けて確認したい人 市場分析者: 過去の市況データやスクリーニング結果を参考に、最新分析の背景を確認したい人 経営判断支援: 過去のリサーチ結果を素早く参照し、意思決定の根拠を確認したい人 実行方法: python3 .claude/skills/graph-query/scripts/run_query.py "自然言語クエリ" でNeo4jに接続し、自然言語を解釈してグラフクエリに変換・実行します。自然言語→スキル判定は .claude/rules/intent-routing.md に従います。 結果表示と統合ルール: 結果はMarkdown形式で表示され、データが見つからない場合はその旨を表示。Neo4jが未接続の場合は「データが見つかりませんでした」と表示します。前提知識統合ルール(KIK-466)に基づき、クエリ結果に保有銘柄が含まれれば「保有中」マークを付記、過去レポート検索結果には「最新データとの差分を確認するなら /stock-report 推奨」と自動促示します。

911.4k2026-03-22
W

ビジネスプロセスを物語で可視化し共通理解を作れる

by wfukatsu

複雑な業務フローを誰もが理解できる物語に変換：難しい業務ルールやシステム動作をストーリー形式で段階的に説明するため、技術者でない経営層やスタッフも直感的にプロセスを理解できます。 暗黙知の引き出しと形式知への変換：ベテラン社員の頭の中にある「こういう時はこうする」という知識をAIとの対話を通じて言語化し、マニュアルやシステム設計に反映させられます。 業務フローの抜け漏れと例外を一気に可視化：7段階のファシリテーションプロセスで、通常フローだけでなく失敗時の対応やシステムトラブル時の代替手段が明確になるため、リスク管理や運用マニュアル作成に直結します。 Mermaidで自動生成された図解で即座に共有：物語から自動的に可視化図が生成されるため、会議や研修で「この場面はどこに当たるのか」という議論が可能になります。 複数プロセスを関連付けて全体ドメインマップを構築：個別のドメインストーリーを積み重ねることで、組織全体の業務体系図やシステム連携図が完成するため、新人研修やシステム企画の基礎資料になります。 業務改革やプロセス改善の推進者：現状業務を可視化し、どこに無駄や矛盾があるかを全員で共通認識したい場合、ストーリー形式で引き出した情報が改善提案の根拠になります。 システム開発やBPM導入に関わるコンサルタント：クライアントの業務を深く理解し、システム要件を正確に定義したい場合、このプロセスで引き出した情報が要件定義書の品質を大幅に向上させます。 品質管理や監査部門：各部門の業務がどのように連携し、どこにリスク要因があるかを把握したい場合、例外シナリオ分析から予防的な対策を講じられます。 組織の新入社員研修や教育企画の担当者：複雑な業務フローを時系列に分かりやすく説明する教材が短期間で整備でき、教育効果が格段に上がります。 本スキルは、ドメインストーリーテリング手法を用いてビジネスプロセスを物語形式で可視化するエージェントです。コア要素は3つ：アクター（人・役割・システム）、ワークアイテム（扱うモノ・情報）、アクティビティ（実行行動）です。実行モードは2つ：インタラクティブモード（ユーザーとの対話で引き出す、推奨）と自動生成モード（既存資料から自動生成、低精度だが高速）です。7段階のファシリテーションプロセスは：（1）舞台設定─スコープと目的確定（2）物語開始─最初のアクターと行動特定（3）展開─アクティビティの時系列追跡（4）確認─内容レビュー（5）例外検討─失敗パターンと対応（6）可視化─Mermaidシーケンス図生成（7）クロージング─追加シナリオ確認と終了判定です。出力は[domain]-story.mdとしてドメインストーリー（概要・登場人物・ワークアイテム・メインストーリー・ストーリーフロー図・例外シナリオ・業務ルール・ドメインイベント・用語集・関連ストーリー・改善提案・メタデータ）を含みます。

レビュー
83172026-02-23