Skill.md検索

プロジェクト内の全スキル（41個）とエージェント（14個）の使用マニュアルをDiataxisフレームワークに基づいて自動生成。 ソースファイル（SKILL.md、MANIFEST.json、エージェント.mdなど）の変更を自動検出し、必要なマニュアルのみをSmart更新して管理工数削減。 単件生成・全体更新・パイプラインマニュアル生成など複数のサブコマンドでツール種別に応じた柔軟な運用が可能。 Staleness（鮮度）ハッシュにより、ソース変更時にマニュアル陳腐化を自動検出し、更新催促をアラート。 マスターインデックスの再生成で、ツール全体の体系的なナビゲーション構造を最新保持。 プロジェクトで大量のスキル・エージェント・パイプラインを管理しているプロジェクトマネージャーやTechLead ドキュメント更新の手作業を減らし、開発に集中したいエンジニア ツール使用マニュアルの品質・一貫性を維持したいドキュメンテーション担当者 新規スキル・エージェント追加時に自動でマニュアルを生成・公開したいチーム SKILL.md・MANIFEST.json・エージェント.mdファイルからDiataxisベースのマニュアル生成・更新。サブコマンド：/manual-generator（全ツールID表示）、/manual-generator {tool-id}（特定ツール生成）、/manual-generator --all（全Smart更新、--forceで全体再生成）、/manual-generator --pipeline {id}（パイプライン生成）、/manual-generator --index（インデックスのみ再生成）、/manual-generator --check（Staleness検査のみ）。引数なし実行時は全ツールID一覧をテーブル表示してユーザー選択を案内。単件生成フロー：Phase1スキャン（ツール種別判別、ファイル読み込み、関連文書参照）→Phase2抽出（MANIFEST/SKILL.md/既存マニュアルから必要情報取得）→Phase3生成（テンプレート+抽出データでSonnetが生成、手動補強部分保存）→Phase4表示。全更新時はstaleなマニュアルと欠落マニュアルのみ処理。

アプリストアのレビューCSVをアップロードするだけで、評点分布・時間別トレンド・バージョン別評点を自動計算できます。 分析結果を棒グラフ・折れ線グラフ・パイチャートなど複数のグラフとして視覚化できます。 低評点レビュー（1-2点）と高評点レビュー（4-5点）のキーワードを自動抽出し、ユーザーの主な不満や満足ポイントを把握できます。 平均評点、総レビュー数、月別・週別トレンドなどの基本統計を自動計算できます。 特定バージョンのリリース後に品質が改善したか低下したかを視覚的に判断できます。 アプリの品質改善を追跡したいプロダクトマネージャーやQAエンジニア ユーザー満足度のトレンドをグラフで定期報告する必要がある企業 バージョン更新前後でユーザー評価がどう変わったかを調査したい開発チーム アプリストアレビューから改善課題を優先付けしたいマーケティング・営業 CSV形式は以下7列を必須とします：id（レビューID）、date（作成日時）、user_name（ユーザー名）、title（レビュータイトル）、content（レビュー本文）、rating（1-5の評点）、app_version（アプリバージョン）。ワークフロー：(1)CSVロード・検証で scripts/analyze_reviews.py を実行、(2)分析項目として基本統計（総レビュー数・平均評点・評点別分布）、視覚化グラフ（評点分布棒グラフ・月別/週別トレンド・バージョン別平均評点・評点別パイチャート）、テキスト分析（否定/肯定レビューの主要キーワード）を実行、(3)結果解釈で生成グラフと統計からインサイトを提供します。出力ファイル：rating_distribution.png、monthly_trend.png、version_rating.png、analysis_report.txt（分析要約）。レビュー分析区間は90日デフォルト。

オープンソースプロジェクトから自分たちの問題（Problem）に対する設計判断（Decision）を逆追跡し、自プロジェクトに適用できる実装レシピを導出できます。 単なる仕組み（Mechanism）の説明ではなく、「なぜこの方式を選んだのか」という設計根拠（Forces：衝突する制約）を明確に把握できます。 OSSで検討された代替案（Alternatives Considered）を整理し、それぞれのトレードオフを理解した上で導入判断できます。 導出したレシピをPseudocodeとVerificationプロセス付きで取得でき、そのまま実装に着手できます。 ADR（Architecture Decision Record）、Design Patterns、ATAM（Architectural Trade-off Analysis Method）などの業界標準手法を融合させた分析が可能です。 OSSの設計思想を学び、自社プロダクトへの適用方法を具体的に知りたいアーキテクト 既存ライブラリやフレームワークの選定理由をきちんと把握した上で導入したい技術リード 技術的な問題に対して、複数の代替案とそのトレードオフを考慮した意思決定をしたいプロダクトマネージャー 大規模OSSプロジェクトから学べる知見を組織内にナレッジ化したいエンジニア このSkillはv4.0からProblem-Decision-Recipe（PDR）フレームワークを採用。v3までの「Mechanism中心」から「Problem-first逆追跡」へと転換。Phase 1（入力分析）では軽量なC4モデル調査と問題発見を実施。Phase 2（設計決定の逆追跡）では、OSSコンテキスト内でなされた判断を「何」から「なぜこの方式か」へシフト。Phase 3（導入エンジニアリング）では具体的なRecipeを導出。各Decision には Context・Consequences・Forces（衝突する制約）・Alternatives Considered を記載。成果物として①Problem-Decision-Recipe Map、②Catalog（逆登録3件以上）、③Adoption Checklist を生成。ADR（Nygard）のContext-Decision-Consequences構造、Pattern LanguageのForces概念、ATAMのQuality Attributeトレードオフ、TW Radarの4段階評価を取り入れ、検証の根拠をすべて明記。

複数の読み込み・書き込みタスクを並列実行できる順序に自動分析し、最短完了時間で実行できます。手作業の待ち時間を大幅削減できます。 実行前に必須チェックリスト（Pre-flight）を自動出力し、実行後にも結果検証（Post-flight）を行うため、設定ミスやエラー見落としが防げます。 タスクごとに最適なAIモデル（haiku で十分な検索・パース、より高度なモデルで生成・分析）を自動選択し、実行コスト・速度を最適化できます。 キャッシング機能により、同じ分析を何度も実行する時間を短縮できます。 違反ルール（モデル指定漏れなど）を検出したら即座に中断し、修正指示を出力するため、無駄な実行を防げます。 複数ファイルの同時分析・生成を手がけるプロジェクト管理者 大規模リファクタリングやマイグレーションで作業を高速化したいエンジニア コンテキスト収集やドキュメント生成を並列化したいAI活用チーム チェックリスト・ガバナンスを重視するプロジェクト Turbo Mode v3.0 は「分析 → バッチ → 実行 → 検証」サイクルを強制実行するプロトコルです。v2.0との核心変化は、Pre-flight/Post-flight チェックリスト、Model Routing Policy、Evidence Caching が全て MANDATORY（省略不可）になった点です。Pre-flight では作業リスト生成、依存性グラフ分析、バッチ構成、モデルパラメータ明示を確認。Model Routing Policy で Task ツール呼び出し時に model パラメータ必須（ファイル検索・パース = haiku、生成・分析 = より高度なモデル）。Post-flight で実行結果を検証。違反時即座に中断し事由を報告。全 6 項目の Pre-flight チェックリスト（作業リスト生成、タイプ指定、依存性分析、バッチ構成、モデルパラメータ、ID確定）を ✅/❌ で確認後、実行進行です。

RICE公式で優先度スコアを自動計算 - Reach（到達範囲）×Impact（影響度）×Confidence（信頼度）÷Effort（必要労力）で機能の優先順位を数値化し、主観的な判断を排除できます。 複数ドキュメントソースから根拠を自動抽出 - BRIEF.md・SPEC.md・CONTEXT.json・競合分析・ギャップ候補など5つ以上の情報源から自動的に必要な数値を読み取り、根拠に基づいた優先度スコアを生成できます。 エビデンス不足を自動検出・修正 - 調査根拠がない項目を自動で0点にするなど、データの甘さを自動修正し、信頼性の低いスコアを排除できます。 完了機能の優先度を自動調整 - 実装完了した機能のスコアを自動で低下させ、未実装機能との優先順位の入れ替わりを防げます。 優先度スコアをリアルタイム更新 - ドキュメント変更を検知して自動的にスコアを再計算し、常に最新の優先度順を保ち続けられます。 プロダクトマネージャー - 多数の機能リクエストや改善案の優先順位を客観的に決定したい 企画・要件定義者 - ビジネス価値（到達範囲・影響度）と技術コスト（労力）の両面から最適な開発順を提案したい 経営層・ステークホルダー - ROI（投資対効果）を数値で可視化し、利害関係者を説得したい アジャイル・スクラム管理者 - スプリント計画時に定量的な根拠で「次は何をやるか」を決めたい v2.x（WSJF）からv3.0（RICE）への全面転換を実施。核心公式は(Reach × Impact × Confidence) / Effortです。データソースはCONTEXT.json単独から、BRIEF.md・SPEC.md・CONTEXT.json・competitor-registry.json・gap-candidates.jsonの複数ソースに拡大。Confidenceは5要素のブーリアンから4要素加重エビデンスチェーン（0.0-1.0連続値）に進化。完了機能（progress≥100%）はReach=1・Impact=0.25に自動調整。Research検証は sources配列の長さで自動判定し、空配列は自動的に0点になります。SSOT（Single Source of Truth）はdocs/features/{id}/CONTEXT.jsonのpriorityセクションで一元管理されます。

機能要件から Architecture Drivers（パフォーマンス、スケーラビリティ、保守性、コストなど）を自動抽出し、体系的に分析できます。 複数のアーキテクチャ候補（3 案以上）を自動生成し、ATAM Lite 評価マトリクスを用いて定量的に比較評価します。 各案のメリット・デメリット、トレードオフを明確にした上で、最適なアーキテクチャを選定し、Nygard 形式の ADR（Architecture Decision Record）として記録できます。 Platform 制約（フレームワーク、バージョン、技術スタック）を自動参照し、組織ルールに沿ったアーキテクチャ決定が可能です。 決定プロセスを文書化することで、将来のメンテナンスや設計見直しの際に意思決定理由が明確に残ります。 新機能開発の初期段階でアーキテクチャを体系的に検討したい開発チーム 複数の技術選択肢を客観的に評価し、説得力のある説明資料を作成したい建築家・リードエンジニア 決定履歴を組織資産として蓄積し、チーム全体で設計パターンを共有したい組織 大規模機能開発で Platform 制約を考慮した最適アーキテクチャを導き出したい方 このスキルは feature-pilot（NEW_FEATURE 専用、Tier L 以上）から呼ばれる Tier 2 Pipeline スキルです。入力検証では feature_id と BRIEF.md パスを受け取り、docs/features/-/BRIEF.md の存在確認を行い（なければエラー終了）、DOMAIN-MODEL.md と CONTEXT.json も参照します。Platform Constraints ロード段階では docs/architecture/constraints.json を読み込み、機械的に must・must_not 制約とテックスタック制約を設定します。その後、BRIEF.md から Architecture Drivers（パフォーマンス、スケーラビリティ、メンテナンス性、コスト、セキュリティなど）を抽出し、制約条件下で 3 案以上の代替案を生成します。各案について ATAM Lite マトリクス（Drivers × Candidates の評価表）を作成し、数値スコア付けで比較分析します。最終的に Nygard 形式 ADR（タイトル、ステータス、コンテキスト、決定、結果、トレードオフ、代替案検討）を docs/features/-/ADR-.md に出力します。

要件や既存設計書からC4モデル（Level 1: System Context、Level 2: Container）のシステム設計図を自動生成できます Mermaid形式で図を可視化し、技術チーム全体で共有可能な設計ドキュメントを作成できます システム境界、コンポーネント間の相互作用、データフローを体系的に整理できます BRIEF.md・DOMAIN-MODEL.md・ADR（アーキテクチャ決定記録）といった既存設計成果物を活かしながら、統一した設計図を生成できます 新機能のアーキテクチャ検討を Phase 0 パイプラインに組み込み、実装前の設計精度を向上させられます 新機能の企画段階でシステム設計を可視化・共有したい PM・アーキテクト マイクロサービスやモジュール設計を体系的に記録・検証したい開発チーム フェーズゲート制度（Discovery → Design → Implementation）を運用中の組織 C4モデルで標準化されたアーキテクチャドキュメンテーションを実現したい企業 Phase 0 Discovery & Architecture パイプラインの Step 1.5C として、feature-architect → domain-modeler → architecture-selector → system-designer の順序で実行される Tier 2 Pipeline スキル。system-designer は CONTEXT.json を直接変更せず、feature-architect が責務を持つ（Option B 原則）。入力検証：feature_id から BRIEF.md の存在確認（必須）、DOMAIN-MODEL.md と ADR-*.md の存在確認（任意）。BRIEF.md がない場合はエラー中断。4つの検証パターン（BRIEF のみ／BRIEF+Domain Model／BRIEF+ADR／全て参照）に応じた実行フロー。Stage 1 は System Boundary Analysis（haiku モデルで境界スキャン）。出力は SYSTEM-DESIGN.md で、Mermaid C4図（Level 1-2）を含む。

機能文書とリサーチ文書を自動スキャン：プロジェクトのdocs/features/とdocs/research/フォルダを分析し、不足しているリサーチを自動識別できます。 高収益・高LTV・低離脱達成のボトルネックを特定：KPI目標（D7リテンション25%以上、有料転換率8%以上など）に対し、現在のリサーチが十分か不足しているかを可視化できます。 P0/P1クリティカルギャップを優先度付けして提示：深刻度別に「即座に調査が必要」な領域を明確化し、限られた時間でROI最大化できます。 業界標準（Duolingo・Speak・ELSAなど）との比較分析：競合他社がどのようにリサーチ・機能設計を進めているかを参考に、差別化ポイントを発見できます。 根本原因から代替案・ROIまで5段階の批判的思考で分析：なぜギャップが発生したのか、他のアプローチはないか、効率的に実行可能かを多角的に検証できます。 プロダクトマネージャー・プロダクトオーナー：ユーザー理解のボトルネックを可視化し、優先度の高いリサーチを効率的に実行できます。 リサーチャー・UXデザイナー：既存リサーチとの重複を避け、欠落している重要な知見に集中できます。 スタートアップ・成長期のアプリ企業：限られた予算で高い効果を生むリサーチ計画を立案できます。 KPI達成にムラがある組織：「なぜKPIが達成できないのか」をリサーチギャップレベルで診断できます。 このスキルは、プロジェクトの機能文書とリサーチを「ランタイムスキャン」し、高収益・高LTV・低離脱達成に必要なリサーチギャップを自動識別します。核心はSSoT（Single Source of Truth）構造で、リサーチメタデータは各文書の Frontmatter のみに定義し、自動生成された research-manifest.json は読取専用とします。Frontmatterスキーマは docs/_schemas/research-frontmatter.schema.json で管理。KPI目標（D7リテンション25%+、有料転換率8%+、月間離脱率<8%、LTV$30+）は references/kpi-targets.md で定義。クリティカルギャップは references/critical-gaps.md で詳細記録。批判的思考は5段階（①根本原因把握②完全性検証③業界標準比較④代替案検討⑤ROI分析）で実施。docs/research/ README.mdは文書リスト参照用のみで状態管理はしません。

Event Storming Lite手法を用いて、コマンド→イベント→集約という流れからドメインの本質を引き出せます。 Bounded Context（境界づけられた文脈）を識別し、システム全体の構造を可視化できます。 Ubiquitous Language（業務用語）を日英韓3言語で定義し、チーム全体の認識を統一できます。 BRIEF.md の内容から自動的にドメインモデル分析を実行し、DOMAIN-MODEL.md を生成できます。 NEW_FEATURE専用のドメイン分析により、実装の基盤となる戦略レベルの設計ドキュメントを作成できます。 新機能設計時にドメイン理解を言語化・共有したい開発チーム 複雑なビジネスロジックを整理し、実装設計に反映させたい設計者 マイクロサービス・Bounded Contextの境界を科学的に決めたい技術リード Event-Driven Architecture の設計を進める際にイベント構造を明確にしたい人 BRIEF.md 内容に基づき、DDD Strategic Patterns + Event Storming Lite を実行します。Standard モード（デフォルト、Tier L/XL向け）では Event Storming 完全実行・BC 完全識別・用語集3言語を含む全段階を実行し、Lightweight モード（--lightweight 引数またはTier M判別時）では Event Storming スキップ・BC 簡易実行・用語集完全を実行します。役割分離として domain-modeler は DOMAIN-MODEL.md のみを生成し、CONTEXT.json への「architecture.domain_model」セクション更新は feature-architect が担当します。出力ファイル DOMAIN-MODEL.md には BC 識別結果、Context Map、Ubiquitous Language（日英韓3言語）、ドメインイベント、ドメインルール、用語辞書が含まれます。

OpenAI・Google両方に対応: OpenAIのo3/o4-miniモデルとGoogleのGemini Deep Researchの両方を使い分けでき、目的に応じて最適なプロバイダを選択できます。 長時間リサーチを安定実行: 最大60分の長時間にわたるリサーチをバックグラウンドで実行でき、ネットワーク接続が切れてもセッションが継続するため、完了を待つ必要がありません。 リサーチの進捗を追跡管理: 複数のリサーチを同時実行でき、進捗状況をいつでも確認したり、完了したリサーチ結果を取得したりできます。 市場分析・技術調査・学術研究に対応: 市場規模や競合分析、最新技術トレンド、学術論文の調査など、様々なタイプのリサーチに対応できます。 リサーチャー・アナリスト: 市場調査や競合分析を短時間で網羅的に実施したい方 企画・経営層: 事業判断に必要な情報を素早く、深く集めたい方 技術者・研究者: 最新技術トレンドや学術動向を効率よく把握したい方

マーケティング文・紹介文の自動生成 — プロダクト説明文、ブログ記事、SNS投稿文など、様々なテキストコンテンツを高品質で自動作成。複数案の生成も可能です。 AI画像生成で素材を時短制作 — ロゴ、バナー、アイコンなどのビジュアル素材を指示文だけで自動生成。デザイナーとの打ち合わせ時間を大幅削減できます。 コード分析・改善提案 — ソースコードをGeminiに読ませ、パフォーマンス改善点や設計上の問題を自動抽出。レビュー時間を短縮できます。 技術ドキュメントの草案作成 — APIドキュメントや技術仕様書の初版を自動生成。手作業の編集量を大幅に削減できます。 特定モデル・feature選択で最適化 — 用途に応じてモデルを切り替え可能。テキスト・画像・分析など、タスク最適なAIを選択できます。 マーケティング・営業担当者 — 商品説明文やキャッチコピーを素早く作成したい方 デザイナー・クリエイター — AI画像生成で素材制作を高速化したい方 開発者 — コードレビューやドキュメント作成を自動化したい方 スタートアップ — 少人数体制で多量のコンテンツ生成が必要な組織

ウェブから包括的な情報収集: Google Gemini Deep Researchエージェントが最大60分間ウェブを探索し、信頼性の高い情報源から情報を自動収集します。 複数言語でリサーチ結果を取得: 日本語・英語・韓国語など複数言語でのリサーチ結果出力に対応し、グローバルなテーマ調査に活用できます。 構造化されたレポートを自動生成: マークダウン形式の見やすいレポートが自動生成され、ファイル保存も可能なため、資料化が簡単です。 リサーチャー・アナリスト: 複雑な市場調査や技術動向を包括的に把握したい方 学生・研究者: 論文調査や学術的なテーマについて深く掘り下げたい方 ※ このスキルはdeeep-researchに統合されているため、最新版の利用をお勧めします

高品質な深層リサーチ結果を取得: OpenAIのo3モデルにより、複雑なテーマについて綿密で高品質なリサーチを実行でき、マークダウン形式のレポートが得られます。 高速・軽量なリサーチオプション: o4-miniモデルでより軽量かつ高速なリサーチが可能で、素早い結果が必要な場合に活用できます。 複数言語でのリサーチと結果出力: 日本語・英語・韓国語など複数言語での要求と結果出力に対応し、多言語プロジェクトに対応できます。 推論過程を含むレポート生成: リサーチの推論要約も提供されるため、なぜその結論に至ったのか背景を理解できます。 エンジニア・技術者: 技術選定や最新トレンド調査を精度高く実施したい方 ビジネス分析者: 市場分析や競合比較を包括的に行いたい方 ※ このスキルはdeep-researchに統合されているため、最新版の利用をお勧めします