Skill.md検索

フローチャート、アーキテクチャ図、ER図、シーケンス図など様々な図をテキスト指示から自動生成し、編集可能なdraw.ioファイルとして保存できます。 PNG、SVG、PDFなど複数の形式でエクスポートでき、どの形式でも図を後から編集できます。 draw.ioで作成された図を他のメンバーと簡単に共有・共同編集できるようになります。 会議資料や提案資料に図解を多く使う営業・企画・PM システム設計やAPI設計のドキュメントを作成する開発チーム 業務フローや組織図などを視覚的にまとめたい事業企画担当者 デザインやUI/UXをスケッチとして素早く可視化したいデザイナー mxGraphModel形式のdraw.io XMLを生成し、Writeツールで.drawioファイルとして保存します。ユーザーがPNG/SVG/PDF形式でのエクスポートをリクエストした場合、draw.io CLIの--embed-diagramオプションを使用してエクスポートします。これにより、エクスポートされたファイルに図のXMLが埋め込まれ、draw.ioで再度開いて編集が可能になります。draw.io CLIは環境に応じて検出します（WSL2ではWindows版実行ファイルを、macOSでは/Applications/draw.io.app、Linuxではsnapやapt経由のdrawioコマンド）。エクスポート形式の指定がない場合は.drawioファイルのみ生成し、ファイルパスを表示します。

数十億レコード超の大規模データを秒単位で分析できる、ClickHouse（カラム指向データベース）の設計・最適化ができます。行指向の従来DBでは遅いクエリも、ClickHouseなら数百倍高速化することも。 テーブル設計からクエリ最適化まで、分析ワークロード特化のパターンを提供します。MergeTree、ReplacingMergeTree、AggregatingMergeTreeなど、ClickHouse固有のテーブルエンジンを使い分けて最適な設計ができます。 リアルタイム分析、時系列データ、集約済みメトリクスなど、用途に応じたベストプラクティスを実装できます。データエンジニアが「このクエリ遅いんだよな」という悩みを、インデックス戦略や集約プリロード（AggregateFunction）で解決します。 パーティショニング、圧縮、並列クエリ実行など、ClickHouse固有の高性能機能を活用した運用設計ができます。 売上・アクセス・ログなど、日々膨大に溜まるデータを柔軟に分析したいデータアナリスト・BIエンジニア。BigQueryやSnowflakeとの使い分けも可能。 ダッシュボード・レポートシステムの裏側で「クエリが遅い」と困っているバックエンド開発者。 リアルタイム分析（秒単位での更新）が必要な企業のデータチーム。 分散データベースで規模を効率的に拡張したい大規模データ基盤チーム。 ClickHouseはOLAP（オンライン分析処理）向けカラム指向DBMSで、大規模データセット上の高速分析クエリに最適化されています。主な特徴は：カラム指向ストレージ、データ圧縮、並列クエリ実行、分散クエリ、リアルタイム分析対応。テーブル設計パターンは、標準的なMergeTree（分析用メインエンジン、PARTITION BY・ORDER BY・index_granularityで最適化）、重複データ対応のReplacingMergeTree（複数ソースのデータ統合）、集約プリロード用AggregatingMergeTree（事前集約済みメトリクス保持、sumMerge/countMerge/uniqMergeで高速取得）の3種。クエリ最適化は、インデックスカラムを最初にフィルター、ClickHouse固有集約関数（uniq, uniqExact等）の活用、PartitionキーとORDER BYキーの設計が重要です。

AIのようにコードベースを有機的に探索し、アーキテクチャ上の問題点や設計の課題を発見できます。 モジュールの浅さ、テストしにくさ、密結合な構造など「摩擦を感じる箇所」を特定し、改善の機会として提示できます。 ディープモジュール設計（小さなインターフェースで大規模な実装を隠蔽）の観点から、テスト容易性を高めるリファクタリング案を複数提案できます。 提案されたインターフェース設計をGitHubのRFC（提案依頼）として自動作成し、チーム内での検討を促進できます。 コードベースの長期メンテナンスを担当する人：技術負債を減らし、将来の開発生産性を向上させたい アーキテクト・リード開発者：複雑に絡み合ったモジュールを整理し、モジュール間の依存関係を明確にしたい 大規模プロジェクトの開発チーム：テストしやすい構造にリファクタリングし、品質と開発速度を向上させたい AIによるコード解析の精度を高めたい人：モジュール境界を明確にすることで、AIツールによる探索性を向上させたい 分析プロセスは7ステップで構成されています。1. コードベースを自然な流れで探索し、違和感を記録（小さなファイルを行き来する箇所、浅すぎるモジュール、純粋関数と呼び出しの乖離、密結合、テストしにくい箇所）。2. 候補を番号付きリストで提示。3. ユーザーが候補選択。4. 問題領域を定義。5. サブエージェント4並行実行で、異なる設計制約（最小化、柔軟性、最適化、ポート&アダプタ）のインターフェースを生成。6. ユーザーが選択。7. GitHubイシューをRFCテンプレートで作成。各設計案には、シグネチャ、使用例、隠蔽される複雑さ、依存関係戦略、トレードオフを含めます。

コーディング規約を一括適用：命名規則、関数設計、型定義など、チーム全体で一貫した書き方を実現できます。 可読性の高いコード設計をサポート：自己説明的な変数名や関数名の付け方、コメント不要な明確なコード構造を学べます。 よくある実装ミスを防止：不正なミューテーション（データの直接変更）、不十分なエラーハンドリング、型安全性の欠落を指摘・改善できます。 パフォーマンスを最適化：非効率な逐次処理をPromise.allによる並列実行に改善するなど、ベストプラクティスに基づいた効率化ができます。 DRY原則を徹底：重複したロジックを関数に抽出し、再利用可能なコンポーネント設計を推進できます。 Web開発者（React・Node.js）：チーム内のコード品質を統一したい人 新入社員・未経験エンジニア：ベストプラクティスを体系的に学びたい人 コードレビュアー：レビュー時の指摘内容を標準化・効率化したい人 プロジェクトリーダー：長期保守性の高いコードベースを構築したい人

セッション終了時に自動学習：Claude Codeの作業終了時に、そのセッションで繰り返し発生したパターンを自動で検出し、学習済みスキルとして保存できます。 エラー解決パターンを記録：同じエラーにぶつかったときの解決方法を自動抽出し、次回以降の作業で即座に再利用できるようになります。 プロジェクト固有のルールを蓄積：そのプロジェクト特有の実装パターンや規約を自動認識し、スキル化して次の作業に反映させます。 デバッグテクニックをライブラリ化：効果的なデバッグ手法や回避策（ワークアラウンド）をスキルとして記録し、チーム全体で活用できます。 学習内容をカスタマイズ可能：抽出するパターンの感度や保存先を設定ファイルで調整でき、プロジェクトに合わせた学習が可能です。 同じ問題に繰り返し直面するプロジェクトのメンバー チーム全体で開発ノウハウを共有・蓄積したい組織 AI とのやり取りをより効率的にしたい開発者 長期的なプロジェクトで開発スピードを加速させたいチーム

慣用的なGo記法に統一：命名規則（MixedCaps、mixedCaps）、フォーマット（gofmt）など公式ガイドに基づいた正しいGoコードを実現できます。 エラーハンドリングを堅牢化：パニック（Panic）を避け、エラーを正しく返す方式に改善し、本番環境の安定性を高められます。 並行処理を安全に実装：チャネル（Channel）を使った通信によるメモリ共有パターンを導入し、競合状態を防ぎます。 小さく使いやすいインターフェースを設計：1～3個のメソッドに絞ったシンプルなインターフェース設計で、拡張性と保守性を向上させます。 ドキュメント品質を向上：エクスポートされるすべてのシンボルに対し、シンボル名から始まる正確なドキュメント（Godoc）を生成できます。 Go言語開発者：公式ガイドに沿った品質の高いコードを書きたい人 Go導入初心者：正しいGo的な書き方を学びながら実装したい人 バックエンド・インフラエンジニア：本番環境の安定性と保守性を確保したい人 オープンソース貢献者：プロジェクトのコード規約に合わせて品質を高めたい人

実装前に成功基準を明確化：コーディング前に「何ができたら完成か」をテスト（eval）の形で定義でき、迷いなく開発を進められます。 新機能の動作を自動テスト：Capability Eval を実行して、新しい機能が期待通りに動作しているかを自動判定でき、手動チェックの手間が減ります。 既存機能への影響を検出：Regression Eval で、新しい変更が既存の動作を壊していないことを自動確認し、予期しないバグ（リグレッション）を防ぎます。 複数回の試行で信頼性を測定：pass@k メトリクス（複数回試行での成功率）を使って、「1回目でうまくいく確率」や「確実に成功する確率」を数値化できます。 人間レビューが必要な箇所を自動フラグ：リスクが高い変更を自動検出し、人間レビューが必要な箇所を明示できます。 AI に実装を任せる際に品質を保証したい開発者 テスト駆動開発（TDD）を AI 開発に適用したい人 複雑な機能開発でリグレッション防止を重視する組織 開発の信頼性を数値指標で管理したい技術リーダー

IDE の警告を自動解消：JetBrains GoLand が指摘するコード品質アラートを系統的に排除でき、警告ゼロの状態を維持できます。 エラーハンドリングを完全化：すべてのエラー戻り値のチェック漏れを検出し、堅牢なコードを自動生成できます。 命名規約と構造を自動正規化：Go の命名規約（エクスポート関数のコメント、パッケージ名等）に自動で準拠させ、チーム標準を保ちます。 実装後の検証を自動実行：go vet、golangci-lint、staticcheck を連続実行し、複数の視点から品質をチェックできます。 並行処理やコンテキスト周りの問題を防止：Mutex のコピー、goroutine リーク、context キャンセル忘れなど、Go 特有のバグを事前に検出します。 Go 初心者から上級者まで、IDE との警告を完全に解消したい開発者 エンタープライズ品質のコードを効率的に書きたいチーム コードレビュー時の指摘を減らし、開発スピードを上げたい組織 Go プロジェクトの技術負債を最小化したい技術リーダー

設計の仮定を可視化・検証：計画に隠れた仮定や未検討な分岐をAIが一つずつ質問し、チーム全体の共通理解を作ります。 ストレステスト（想定外のシナリオ）を実施：計画がうまくいかないケース、境界値、例外パターンについて系統的に問われ、対策を事前に検討できます。 決定事項間の依存関係を明確化：複数の決定がどのように相互に影響するか、優先順位の逆転がないかを可視化できます。 レビュー効率を向上：質問と推奨回答をセットで提示されるため、後続の設計レビューや意思決定が迅速になります。 リスク早期発見：実装前に計画の問題を徹底的に洗い出すことで、手戻りや大型な軌道修正を避けられます。 プロダクトマネージャー・企画者：PRDを実装チームに説明する前に、自分の計画の穴を埋めたい人 アーキテクト・テックリーダー：大型な設計決定の妥当性を厳しくチェックしたい人 スタートアップ創業者：ビジネス計画や機能設計を深掘りし、リスクを早期に把握したい人 プロジェクトマネージャー：計画段階での漏れを防ぎ、実装の遅延・コスト超過を未然に防ぎたい人

曳光弾（Tracer Bullet）アプローチで分割：全レイヤーを貫く薄い垂直スライスに分割し、各チケットが単独で検証・デモ可能な完全なシステムスライスになります。 依存関係を可視化：各チケットのブロック関係を明確にし、チーム内での並列作業可能な部分を自動判定できます。 HITL（人の判断が必要）とAFK（自動実装可能）を分類：アーキテクチャ決定など人手が必要なタスクと、独立実装可能なタスクを分け、スムーズなタスク割り当てができます。 GitHub イシュー テンプレートで統一：受け入れ基準、対象ユーザーストーリー、ブロック関係を含む標準テンプレートでチケットを自動生成できます。 粒度と優先順位を最適化：ユーザーとの反復確認を通じ、粗すぎる・細かすぎるを調整し、スプリント計画に最適なチケット分割を実現できます。 プロダクトマネージャー：PRDを開発チームが実装しやすいタスクに落とし込みたい人 スクラムマスター・アジャイルコーチ：スプリント計画の精度を高め、予測可能な納期を実現したい人 エンジニアリングマネージャー：開発タスクの粒度と依存関係を明確にし、チーム効率を最大化したい人 スタートアップの全職種：少人数チームで複数プロジェクトを並行し、優先順位を柔軟に調整したい人

秘密情報の漏洩を防止：APIキーやパスワードがソースコードにハードコードされていないか自動チェックし、環境変数での管理を徹底できます。 不正なデータ入力から保護：ユーザー入力やファイルアップロードを厳密に検証し、SQLインジェクションなどの攻撃を未然に防げます。 セキュリティチェックリストで漏れなく対応：認証・認可の実装、API作成、決済機能など、実装フェーズごとに必要なセキュリティ対策を包括的にカバーできます。 本番環境への安全なデプロイ：コード内に機密情報が残っていないことを確認してから本番環境にデプロイできます。 セキュリティ対策を実装したいエンジニアやスタートアップ開発者 決済機能やユーザー認証を扱うWebアプリケーション開発者 セキュリティベストプラクティスについて学びたい初心者 既存コードのセキュリティ脆弱性を洗い出したい担当者

タスク完了時に自動で提案：複数のステップを実施した後、次のフェーズに進む前に自動でコンテキスト整理（コンパクション）を提案してくれます。 論理的なタイミングで情報をリセット：研究フェーズ完了後、実装フェーズでは新しい情報に集中できるよう、必要な情報だけを残して不要な履歴を削除します。 複雑な作業を中断しない：自動ではなく手動で提案するため、実装途中で誤って必要な情報が削除される心配がありません。 トークン効率を最適化：AIとの長い対話を続ける際、限られたメモリ内でより多くの新しい情報を保持できます。 複数ステップの大規模な開発プロジェクトに取り組んでいる開発者 AIアシスタントとの長時間の対話で効率を重視する人 コンテキスト管理を自分で完全にコントロールしたい人 複雑な実装とデバッグを同時に行う担当者

Red-Green-Refactorループで開発を加速：テストを1つ書く → 実装する → 改善するのサイクルを繰り返し、確実に動作する機能を素早く完成させられます。 実装の詳細に左右されないテストを作成：内部構造を変更してもテストが失敗しないため、リファクタリング（コード整理・改善）時の手戻りが減ります。 ユーザー視点での仕様を明確化：テストを仕様書として機能させることで、開発前に「何を実装すべきか」を正確に把握できます。 複雑なロジックの信頼性を確保：1つのテストずつ進めるため、バグを早期に発見し、後から大量の修正が必要になるのを防げます。 品質の高いコードを効率的に開発したいエンジニア テストを最初から組み込んで運用コストを削減したいチーム リファクタリング後のテスト失敗に悩まされてきた開発者 機能要件を明確にしながら開発を進めたい人

複数のMarkdownファイルを一括翻訳：ディレクトリ内のすべての.mdファイルを自動で日本語に翻訳し、元のファイルに上書き保存できます。 コード内のコメントも日本語化：プログラムコード内の英語コメント（JavaScript、Python、HTMLなど）も自動で日本語に変換します。 技術用語や構造は正確に保持：APIキー、ファイルパス、変数名、Markdown形式など、変換してはいけない要素は自動で判別して保護します。 ドキュメント整備の手作業を削減：手作業での翻訳・校正の時間を大幅に短縮できます。 海外のオープンソースプロジェクトのドキュメントを日本語化したい人 開発チーム向けの英語マニュアルを日本語に統一したい担当者 社内ドキュメントを多言語対応したい企業・チーム 翻訳ツールの手動作業を削減したいプロジェクト管理者

ユーザーの課題を深掘りして整理：実装に着手する前に、実現したい問題・解決策・要件を徹底的にヒアリングし、認識のズレを解消できます。 コードベースの現状を調査・反映：既存システムの構成を分析しながら要件を検討するため、実現可能で統一性のある設計ができます。 テスト戦略まで含めた実装計画を作成：プロダクト要件定義書（PRD）として、実装モジュール、テスト方針、スコープ外の項目をまとめてGitHubイシューとして提出できます。 チーム全体の認識を統一：書面化された計画により、開発チーム全体で目標・進め方を共有できます。 新機能開発を計画する前に要件を明確にしたいプロダクトマネージャー チーム開発で実装内容を事前にまとめたいエンジニア ステークホルダー間の認識ズレを防ぎたいプロジェクト主導者 大規模な機能追加の実装計画を体系的に立てたい開発リーダー