Skill.md検索

コミット差分から新しい知見を自動抽出: Git のコミット履歴を読み込んで、何が変わったかを分析し、そこから得られた新しい知見や学習内容を自動判断します。 AI仙人のプロファイルを常に最新に保つ: 研修資料や設計ドキュメント、議事録の修正があったとき、それらの変更内容を自動的に AI 仙人の判断軸・知識・口調に反映します。 変更内容を適切なプロファイルカテゴリに振り分け: 「これは口調の学習」「これは判断基準の更新」「これは新しい事例」というように、変更を自動的に分類して該当するプロファイルファイルに組み込みます。 更新ログを自動生成: 何がどのプロファイルに反映されたかを追跡可能にするログが自動作成されます。 研修資料や経営判断をドキュメント化しており、それを AI に学習させたい AI の意思決定基準や知識を最新に保ちたいプロジェクト コミット履歴を活用して、プロファイル更新を自動化したい このスキルは git log・git diff コマンドで直前のコミット、直近 N 件、特定コミット間、特定ブランチとの差分を取得し、diff を読んで「何が変わったか」ではなく「なぜ変えたか・何を学んだか」を抽出します。抽出した知見を ai_sennin_profiles/_index.md の分類マッピングに従って、更新すべきプロファイルファイルを特定します（例えば、口調・表現の変更なら tone/03,04,05、判断基準の変更なら judgment/01-13、事実情報の変更なら knowledge/01-15、行動パターンの変更なら behavior/01-09）。該当ファイルを読み込んで既存フォーマットに合わせた上で、新しい知見を追記・修正・強化・削除のいずれかのパターンで更新します。最後に更新ログを出力して、どのコミットの変更が何ファイルに反映されたかを記録します。

冗長な日本語をシンプルで実務的な表現に直す。結論を先に述べ、不要な装飾や感情表現を削除します。 メールやチャット、タスク説明を「実行重視」の簡潔な文体に統一できます。報告・依頼・提案・確認・断り・フォローアップの6パターンを自動判定し、それぞれにふさわしい言い回しに統一します。 曖昧な指示や前置きを削除し、「次は何をするか」まで明確にします。 社内メールやSlackの文体を統一したい企業・プロジェクトマネージャー 指示書・報告書を短くまとめて、チーム全体の効率を上げたい人 無駄のないビジネスコミュニケーションに統一したい組織 AI仙人流の「結論先行・実務優先・短文中心」スタイルで日本語テキストを改写します。具体的には、意図判定（報告/依頼/提案/確認/断り/フォローアップ）→ コア意味の保持（事実・依頼内容・期限・条件）→ トーンルール適用（短文・具体動詞・感情フィラー削除）→ アクション明確化（次のステップを1文で補足）のワークフローで処理します。トーンルールとして、結論を最初に配置、短文と具体動詞を優先、過度な敬意を避けて中立性を保つ、制約と仮定を明示するなどを適用。出力フォーマットは短回答（1-3文）、タスク指示（目標・制約・次アクション）、ステータス更新（現状・証拠・次ステップ）をサポートします。

テキスト、ビジネス提案、営業資料、教育設計、技術提案、コミュニケーション文面、コンテンツ制作など、あらゆるジャンルの内容をAI仙人の人格・判断軸で分析・レビューできます。 レビュー対象の種別を自動判定し、必要なコンテキスト（プロファイルファイル）だけを動的にロードするため、効率的かつ精密なレビューが実現します。 「仙人としてレビュー」「仙人ならどう判断する？」というような自然な会話指示で、AI仙人の価値観・思考パターンを反映したフィードバックが得られます。 営業・マーケティング、教育・研修、技術戦略など、複数の領域での判断をAI仙人の一貫した視点で統一できます。 事業責任者・経営層：経営判断や提案内容をAI仙人の視点でチェックしたい マーケター・営業：営業資料やセールストークをレビューしてもらいたい コンテンツ制作者：YouTube動画やnote記事の品質をプロの視点で向上させたい 人材育成・研修担当：研修カリキュラムや教育設計の質を高めたい 技術チーム：技術提案やAI活用案をビジネス観点から評価してもらいたい 本スキルはレビュー対象の種別を自動判定し、必要なプロファイルファイルのみを動的にロードする設計。Step 1（種別判定）：ユーザー入力からレビュー種別を判定（8種別を用意：text_tone、business_proposal、sales_marketing、education_content、technical_proposal、communication、content_creation、general）。判定は「メッセージ・チャット」→text_tone、「提案書・企画」→business_proposal、「営業資料・LP」→sales_marketing、「カリキュラム・研修」→education_content、「システム設計・AI提案」→technical_proposal、「断り方・交渉」→communication、「YouTube・SNS」→content_creation など、キーワード・文脈から判断。Step 2（コンテキストロード）：全種別共通としてsystem/01_system_prompt.md（AI仙人の基本人格）必ず読み込み。種別ごとの追加ロード例：text_toneはtone/01_text_tone_rules.md、03_preferred_expressions.md、04_avoided_expressions.md、05_rewrite_examples.md、business_proposalはjudgment/01_decision_principles.md、02_priority_framework.md、04_case_selection.md、08_quality_philosophy.md、knowledge/03_pricing_model.md、sales_marketingはjudgment/13_sales_policy.md、knowledge/08_marketing.md、judgment/05_negotiation_patterns.md、knowledge/03_pricing_model.mdなど。プロファイルベースパスは同リポジトリ内のai_sennin_profiles/、見つからない場合は/Users/sennin/Documents/GitHub/20001_noumiso/ai_sennin_profiles/を使用。

複雑なスキルを「単一の責務を持つ小さなコンポーネント」に自動分解し、各コンポーネントの入出力を明確に定義できます。 分解したコンポーネントを自動的にセキュリティ検査（シェルインジェクション、認証情報漏洩、危険なファイル操作など）にかけ、安全性を確保してからDB登録できます。 コンポーネント間の依存関係（data-flow、sequential、requires等）を自動で識別・記録し、将来の再利用時に組み合わせやすくします。 スキルの資産化によって、同じ処理パターンを別のスキルでも再利用でき、開発効率が大幅に向上します。 複数のスキルを開発・運用しており、共通パターンの整理・資産化を進めたい人 セキュリティ品質を重視し、自動検査を通したコンポーネント登録を実現したい開発チーム skills_kv.dbコンポーネントレジストリを活用したスキル設計をしたい技術リーダー 既存スキルの保守性を向上させ、将来の拡張や修正を容易にしたい人 このスキルは5段階処理で実行されます。Phase 1は入力取得（SKILLファイルパス指定、直接ペースト、既存スキル名指定）。Phase 2はコンポーネント分解で、1責務・入出力明確・再利用可能な粒度を基準に、各コンポーネントにname（kebab-case）、description、category（testing-quality等9種類から選択）、tags（3-5個）、input_spec、output_spec、contentを決定。Phase 3はセキュリティ検査で、シェルインジェクション、認証情報漏洩、危険ファイル操作、無断外部通信、依存脆弱性の5カテゴリをチェック、結果はsafe/warning/blockedに判定。Phase 4ではDB登録とコンポーネント接続を実行。Phase 5は結果レポート（コンポーネント名、カテゴリ、セキュリティレベル、入出力等の一覧表）を出力します。