Skill.md検索

Conventional Commits形式に自動対応したPRタイトルを生成できるため、リリースノートに反映されやすいPRが作成できます PR本文テンプレートに沿った構造化された説明を自動生成することで、レビューに必要な情報を漏れなく記載できます 破壊的変更（!マーク）や関連URL、プロダクト側対応事項などを体系的に整理できるため、チーム全体の確認漏れを防げます gh CLIのHEREDOC形式に対応したコマンドを提供するため、手作業でのフォーマット確認が不要になります SmartHR UIリポジトリに定期的にコードを貢献する開発者 PR作成時にテンプレート形式を毎回確認するのが手間と感じている人 プロダクト側の対応が必要な変更を忘れずに記載したい人 Conventional Commitsのルールを正確に守りたい人 SmartHR UIリポジトリのPR作成ルールを定義します。PRタイトルはConventional Commits形式（(): ）で日本語記述し、破壊的変更は!で示します。PR本文は「関連URL」「概要」「変更内容」「プロダクト側で対応が必要な事項」「確認方法」の5セクションで構成し、該当なしの場合は「なし」と記載します。変更内容にはBefore/Afterコード例やキャプチャを添付し、破壊的変更の場合は具体的な対応方法を記載します。確認方法ではStorybookやChromatic URLを記載します。実行時はgh pr createコマンドのHEREDOC形式で本文を渡します。

Issue番号またはPR番号を指定するだけで、対応に必要な情報をまとめたレポートが自動生成されます。 バグ報告、機能要望、プロンプト要望など、Issue の種別を自動判定し、対応すべき内容を明確にします。 コードベースを調査して、その要望を実現するために変更が必要なファイルや影響範囲を自動で洗い出します。 実装の難易度を Low / Medium / High / Very High で判定し、工数目安を提示するため、優先度判断がしやすくなります。 既存機能との重複がないか、プロトコル変更が必要か、セキュリティ上の懸念はないかなど、多角的に対応判断を支援します。 GitHub上の Issue / PR が大量に溜まっており、どれから対応すべきかを判断したい プロジェクトマネージャーやチームリード バグ報告や機能要望の優先度を決める際に、実装難易度を知りたい開発者 新しい外部PRの内容をサッと把握して、マージ判定する必要がある レビュアー 実装前に関連コードや影響範囲を把握したい エンジニア GitHub Issue / PR 番号を入力するとトリアージレポートが自動生成されます。手順は4フェーズで実行されます。Phase 1ではghコマンドで Issue またはPRの詳細情報、コメント、レビューを取得し、テンプレートやラベルから種別（Bug / Feature / Prompt Request / Dependabot / 外部PR）を判定します。プラットフォームサポート状況も評価し、実機検証が必要な環境（Windows Bridge Server、macOS Flutter等）は experimental / best-effort として区別します。Phase 2では関連コード、既存機能との重複、影響範囲、プロトコル変更の必要性をExploreサブエージェントで並列調査します。PRの場合は変更ファイル一覧、diff、規約準拠、テスト追加の有無、セキュリティ懸念をチェックします。Phase 3では調査結果をもとに難易度を判定（工数目安：Low ~1時間、Medium 数時間、High 1日以上、Very High 数日以上）し、具体的なファイルパスと変更箇所を根拠として示します。Phase 4でレポートをマークダウン形式で出力します。

大きなコード変更を、別の独立したAIコンテキストから客観的にレビューして問題がないか確認できます 変更規模に応じて自動判定（小規模なら自己レビュー、大規模ならサブエージェント活用）して効率的にレビューします 重大な問題・軽微な問題・問題なしを判定して、修正が必要か完了可能かを明確にします 問題が見つかった場合は自動で修正→再レビューループを回し、LGTM判定になるまで繰り返します コミット前に変更内容を客観的に確認したい開発者 コードレビュー品質を高めたいチームリード 重大な不具合をコミット前に防ぎたいプロジェクト このスキルは、タスク完了前に実行するセルフレビュー手順です。トリガーは /self-review コマンドまたは大きな変更をコミットする前です。4つのフェーズで構成されています。Phase 1 で変更差分を収集（git diff で変更ファイルと内容を取得）、Phase 2 でサブエージェント（code-reviewer）によるレビューを実行（ただし変更規模が30行以下の場合はサブエージェント不要）、Phase 3 で判定（LGTM=PASS、軽微な問題=MINOR、重大な問題=FAIL）、Phase 4 で FAIL の場合は修正→Phase 1-3 再実行を繰り返します。変更規模別に調整可能で、30行以下は自己レビューのみ、31-100行は code-reviewer サブエージェント、100行以上は詳細分析を加えます。

設計書・ヒアリングシート・アーキテクチャ説明を多角的にレビュー：AWS Well-Architected フレームワークの6つの視点（信頼性、セキュリティ、コスト最適化、運用上の優秀性、パフォーマンス効率、持続可能性）から包括的に分析し、改善案をレポート化します。 AWSベストプラクティスとの整合性を自動検証：最新のAWSドキュメントやサービス仕様と照合し、推測ではなく公式情報に基づいた指摘を提供します。 平易な説明とエンジニア向け詳細の両立：技術レベルに依存しない図解と、実装根拠となる詳細なドキュメントリンクを同時に提示します。 リージョン可用性やサービス最新機能を自動確認：新機能やリージョン対応状況を都度確認し、古い情報に基づく指摘を排除します。 非機能要件IPA分類とW-Aの柱の対応を自動マッピング：設計の品質要件を構造化し、どの柱でカバーされているか明確にします。 クラウドアーキテクト・ソリューションアーキテクト：新規プロジェクトの設計レビュー、既存システム改善の根拠提示に 開発チームリード・PMO：AWSベストプラクティス準拠をスケーラブルに検証したい セキュリティ・コンプライアンス担当：セキュリティ要件、コスト削減余地、リスク評価を構造化したい クラウド移行プロジェクト推進者：移行後の設計が大規模採用に耐えられるか定量的に判定したい AWS Well-Architected フレームワークの6本の柱に基づいてレビューを実施。対象は本リポジトリの設計テンプレート（design/doc_source/）、ヒアリングシート（survey/doc_source/）、ワークショップ資料（workshop/doc_source/）。ワークフローは①入力理解（ファイルパスまたはトピック名から対象を特定）、②ドキュメント読み込み（Glob・Read・Grep ツール活用）、③AWS最新ベストプラクティス確認（aws-knowledge MCPで Well-Architected・サービス固有・最新アップデート・リージョン可用性を検索）、④6本の柱による分析（非機能要件カテゴリ定義を参照して対応関係を確認）。出力は日本語で統一、AWS サービス名は英語表記のまま。AWS ドキュメントリンクは英語版URLを使用。

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。

PR レビューのコメントやセッション中の発見を自動分析し、プロジェクト設定ファイル（CLAUDE.md・スキル・エージェント設定）に学習結果を即座に反映できます。 CodeRabbit や人間レビュアーからの指摘をルール化し、同じ品質問題の再発を未然に防げます。 セッション終了時に会話全体から学習ポイントを自動抽出し、次回からの作業効率が向上します。 複数 PR の共通パターンを検出でき、プロジェクト全体の設計方針をアップデートできます。 繰り返す品質指摘に疲れているレビュアー チーム開発でルール定義が曖昧なプロジェクト セッション終了後の成果物を自動的に記録・更新したいエンジニア データ駆動でプロジェクト方針を改善したい技術リーダー Retro は PR レビューのフィードバックやセッション中に得た知見を分析し、CLAUDE.md・skills・agents・memory に学びを自動反映する振り返りスキルです。実行パターンは3つ：PR番号指定で該当PR分析、recentで直近マージ済みPR分析、sessionで今セッションの発見を処理。各コメントから「事象（何が問題か）」「原因（なぜか）」「対処（解決策）」「ルール化候補」を抽出します。CodeRabbit フィルタリング（⚠️ Critical/Major → 分析、🟡 Minor → 判断、nitpick → スキップ）を適用。学びは判定ツリーで分類：普遍ルール → CLAUDE.md、ワークフロー改善 → skill/command、エージェント指針 → agents、運用知識 → MEMORY.md。分類後、対象ファイルを直接更新します。

プロダクトアイデアから、実装に耐える詳細なPRD（プロダクト要求定義書）を対話的に作成できます。 ターゲットユーザー、課題、機能要件、非機能要件、成功指標をテンプレートに沿って体系的に整理します。 曖昧な要件を具体的・測定可能な形に落とし込み、「これは実装可能か」をAIが検証します。 機能を優先度（P0必須/P1重要/P2検討）で分類し、MVP範囲を明確にします。 既存PRDがある場合は構造を維持しながら更新、新規作成時はテンプレートガイドを参照できます。 起業家・プロダクトマネージャーで、アイデアを実装可能な形に落とし込みたい方 デザイナーや開発チームのリーダーで、要件の曖昧さを事前に潰したい方 投資家向けプレゼン資料としても使える、説得力のあるドキュメントを作成したい方 プロダクト開発の初期段階で、「作る前に仕様を決め切る」プロセスを回したい方 PRD作成の前提条件として、docs/ideas/initial-requirements.md に初期要求（アイデア、課題、ターゲット、主要機能、MVP範囲）を保存する必要があります。既存の docs/product-requirements.md がある場合は最優先し、このスキルのテンプレートは参考資料として使用します。作成プロセスは①initial-requirements.md 確認、②テンプレートに従ってドラフト生成、③5つの観点（ビジョン明確性、ユーザー具体性、成功指標測定可能性、機能詳細化レベル、非機能要件網羅性）でレビュー、④指摘を改善・再レビュー、です。重要な方針として「具体性と測定可能性」「ユーザー中心設計」「優先順位の明確化（P0/P1/P2）」を掲げ、ユーザーストーリーフォーマットと優先度分類が含まれます。

MulmoScript で作成した動画台本（JSON形式）から Markdown形式の Zenn記事を自動生成でき、手作業での変換作業を削減できます。 過去の Zenn記事テンプレートを参照して、フロントマター、:::message ブロック、見出し構成、動画リンク配置を自動で統一できます。 動画から生成された markdown をルール（div タグ除去、クレジット画像削除、画像パス変更、:::message 注釈追加）に基づいて自動編集し、Zenn記事として公開可能な形に整形できます。 YouTube URL が未登録の場合はプレースホルダーを記載してひとまず公開準備を進め、URL 受け取り後に記事ファイルと YouTube メタデータファイルの両方を一括更新できます。 /release-script 完了後のワンステップで、リリースノート用 Zenn記事を ZENN_CONTENT_DIR に自動出力できます。 動画コンテンツとテキストコンテンツを同時生成して公開したいコンテンツクリエイターやプロダクトチーム MulmoScript で台本管理をしており、Zenn への記事公開を自動化したいテクノロジー企業 リリースノートを動画と記事で同時配信するプロダクトマーケティング担当者 画像パスや リンク配置などの細かい編集ルールを統一して管理したいドキュメント編集チーム このスキルは MulmoScript（動画台本JSON）から Zenn 記事を自動生成・編集するワークフローです。 前提条件：docs/release_notes/v$ARGUMENTS/release_v_script.json が作成済み、YouTube URL が youtube_v_ja.md と _en.md に記録済み、環境変数 ZENN_CONTENT_DIR が設定済み（zenn-content リポジトリパス）。 Step 1: 環境変数確認：.env ファイルから ZENN_CONTENT_DIR を確認、未設定なら STOP してユーザーに設定依頼。 Step 2: mulmo markdown で原文生成：mulmo markdown docs/release_notes/v/release_v_script.json -o docs/release_notes/v/output/ を実行、release_v_script.md を生成。 Step 3: 過去記事をテンプレート参照：ls $ZENN_CONTENT_DIR/articles/*mulmocast-release*.md で最新記事を取得、フロントマター・:::message・見出し構成・動画リンク配置を参照。 Step 4: YouTube URL 取得：youtube_v_ja.md と _en.md から URL を抽出、未登録なら「（YouTube アップロード後に URL を追記）」をプレースホルダー。 Step 5: 記事編集ルール：(1)div タグ除去（タイトルスライドの # 見出しは残す、クロージングとその他は削除）、(2)mulmo_credit.png 参照行削除、(3)画像パス変更（/images/release_v_script/ファイル名.png）、(4):::message 注釈追加（フロントマター直後）。

iOS・macOS・watchOSなどAppleプラットフォーム向けのUIを、Apple Human Interface Guidelines(HIG)に自動準拠させて設計できます マージン・スペーシング・グリッド・タイポグラフィ・カラーなど、プラットフォーム別の厳密な仕様に基づいて設計できます Dynamic Type対応やダークモード対応など、ユーザーアクセシビリティに配慮した設計が実装できます Navigation Bar・Tab Bar・Buttons・Lists・Cardsなど、標準コンポーネントの正確な仕様（寸法・色・配置）がすぐに参照できます SF Symbols を活用したアイコン設計を、統一的なガイドラインで実行できます iOS・iPadOS・macOS向けアプリのUIデザインを行うUI/UXデザイナー Appleプラットフォーム開発初心者で、デザインシステムの標準的な仕様を学びたい開発者 複数Appleプラットフォーム（iPhone・iPad・Mac・Watch・TV）で一貫性あるUIを構築したいプロダクトチーム ユーザーのアクセシビリティニーズに配慮したアプリ設計を実装したいプロダクトマネージャー Apple Human Interface Guidelines(HIG)に準拠した洗練なUIデザイン作成スキルです。核心原則は明瞭性（すべてのサイズで読みやすく、装飾は適切）、敬意（UIはコンテンツを補助）、奥行き（レイヤーと動きで階層表現）です。iOS/iPadOS：セーフエリア8pt基本グリッド、マージン最小16pt、Dynamic Type対応フォント（San Francisco）、14段階のテキストスタイル、セマンティックカラー+ダークモード対応が必須。Navigation Bar高さ44pt（コンパクト）/96pt（ラージ）、Tab Bar高さ49pt、ボタン最小タップ領域44x44pt、リスト行最小44pt、カード角丸12pt/16ptが標準。macOS：ウィンドウ最小800x600pt、ツールバー高さ52pt/76pt、サイドバー幅150-250pt、ボタン高さ22-32pt。watchOS：マージンプラットフォーム別に設定。各プラットフォーム仕様が詳細に定義されています。

GitHub プルリクエストを統一された標準フォーマットで作成・更新でき、チームのコードレビュープロセスを効率化できます。 実装内容（何が変わったか、何が良くなるか）を人間向けの自然な文章で記録し、動作確認の結果と実装メモを一箇所に集約できます。 計画や技術的意思決定は Issue に記録し、PR は実装結果のみに集中させることで、ドキュメント管理の役割分担を明確化できます。 Verification チェックリスト（対象機能の動作確認、既存機能への影響確認）により、マージ前の品質確認を可視化できます。 チーム全体で PR フォーマットを統一し、コードレビューの効率を上げたい技術リード 実装の意図と実装結果を明確に分離して管理したいエンジニアチーム Issue と PR の役割分担を徹底し、ドキュメント管理を整理したい開発チーム 実装時に気づいた補足情報や次回への申し送りを体系的に記録したいコントリビューター PR の目的は「何が変わったか」を人間がレビューできるようにすること。必須セクション: (1) closes 行（Issue リンク）、(2) 冒頭の概要（見出しなし、自然な文章で何が変わるか・何が良くなるかを記述、リスクや影響を含める）、(3) Verification（実際にブラウザ操作や API 呼び出しで確認した内容、test/build などの技術的チェックは含めない）。ルール: 計画・技術的意思決定は Issue の Plan セクションに記録して PR には書かない。必須セクション後に任意セクション（Implementation Notes、Breaking Changes、Screenshots など）を自由に追加可能。Claude が残したい実装メモは何でも記録してよい。プロパティ形式（「リスク評価:」など）は使わない。Notion タスクが存在する場合は closes 行に [TASK-{番号}](Notion URL) を追記。

音声入力の文字起こしテキストを自動修正・補完し、完成度の高いブログ記事として仕上げることができます。 技術用語やサービス名を自動調査し、正確な情報を記事に反映させ、信頼性の高いコンテンツを実現できます。 過去記事のスタイルを参考にしながら、章立てや見出し構成をAIが提案し、ユーザー確認を経て記事を作成できます。 textlintなどのツールを使った文章品質チェックと記事レビューサブエージェントによる最終検証で、プロ品質の記事に仕上げます。 Markdown形式でFront Matter付きの完成記事を自動生成し、ブログシステムにそのまま投稿できます。 音声で思考を整理しながらブログ記事を作成したいライターやテックブロガー 話し言葉を文語に直す作業や文章推敲に時間をかけたくない執筆者 ブログ記事の品質を保ちながら執筆時間を短縮したいコンテンツクリエーター 定期的に技術ブログを公開する必要があるエンジニアやテック企業の広報担当者 tubone24のブログ記事作成スキルです。音声入力の文字起こしテキスト（誤認識、脱字、句読点欠落、論理の飛躍を含む）をブログ記事として完成させます。 ワークフローは以下の通り：ユーザープロンプトの主題・目的を理解し、不明点は確認を取ります。次に、技術用語調査サブエージェントで記事内のすべての技術用語・ツール名・サービス名を調査。過去記事を参照してライティングスタイルや構成を把握し、章立てを提案・確認します。各セクション執筆後、textlintで文章品質を向上させ、記事レビューサブエージェントで品質チェックと引用リンク検証を実施。最終版をユーザーに提出し、修正を経て完成させます。 Front Matterは必須で、slug（YYYY/MM/DD/slug形式）、title、date、tags、headerImage、templateKey（blog-post固定）、useAi（true固定）を含みます。見出しはh2～h5のみ、Mermaid図とコードブロックは言語タグ付き、箇条書きは最小限にとどめるという文体ルールを厳守します。

現在の実装状況を自動整理: 完了済み、進行中、未着手のREQ（要件）をテーブル形式で把握できます。 ユーザーの不満や要望を体系的に収集: 困っていることと欲しい機能を分けて整理し、優先度の高さを見える化できます。 アイデアをブレインストーミング: 課題解決型、価値向上型、新規開拓型の3観点からアイデアを発想し、実装難易度や依存関係を評価できます。 次のアクションを明確にする: 優先度別にアイデアを整理し、すぐに着手すべき機能、次のスプリントでやるべき機能を提案できます。 既存機能への追加か新規REQかを判断: 各アイデアが既存のREQに組み込めるのか、新しいREQが必要なのかを整理できます。 プロダクトマネージャーやビジネス側のステークホルダー 新機能の優先順位を決める立場の人 ユーザーの声を開発計画に反映させたい人 「次に何をやるべきか」を体系的に整理したい開発チーム ideation はREQ作成前段階でのアイデア出しスキルです。実行フローは4ステップ：(1)現在の実装状況を把握（done/active/未着手のREQと仕様書カバレッジをテーブル形式で報告）、(2)ユーザーの声を収集（不満・課題、要望、優先度を質問）、(3)アイデアをブレインストーミング（課題解決型・価値向上型・新規開拓型の3観点で各アイデアに優先度・難易度・依存REQ・新規/追加判定を付与）、(4)整理と提案（優先度別テーブルで候補を整理し、すぐ着手・次スプリント・バックログに分類）。テンプレート出力により、次のアクション（req-decision-gate、design-reviewer への流れ）まで示します。

プルリクエストの作成・管理を高速化 — ghコマンドでPRの作成、確認、編集をターミナルから一括実行でき、ブラウザを往復する手間が減ります。 コンフリクト（競合）の解決フロー — マージ時に発生したコードの競合を、ステップバイステップで確認・解決し、安全にマージできます。 Issue管理も同じツールで統一 — Issue作成・確認・クローズもコマンドラインから行え、GitHub操作全体をスムーズに。 PR情報をJSON形式で取得・確認 — マージ可能状態、レビューステータス、CI/CDの状態などを詳細に確認し、問題の早期発見ができます。 実装からマージまでの実践的な流れ — ブランチ作成→コミット→PR作成→マージまで、実例付きで全プロセスを標準化できます。 開発エンジニア — 毎日複数のPRを作成・レビューする人で、GitHub操作を高速化したい方。 チームリード — チームメンバーのPRレビューを効率化し、マージ作業をスムーズにしたい方。 Git初心者からの脱却を目指す人 — GUIではなくコマンドラインで自信を持ってGitHub操作をしたい方。 コンフリクト解決に不安がある人 — マージ時のコンフリクトに直面したとき、体系的に対応できるようになりたい方。 GitHub CLIの認証確認（gh auth status）から始まり、プルリクエストの作成・確認・編集（タイトル、説明、ラベル、レビュアー追加）の操作方法を網羅します。コンフリクト解決は4ステップで構成：(1)マージ可能状態の確認、(2)mainブランチのマージ、(3)競合ファイルの特定、(4)マーカー削除後のコミット・プッシュ。Issue操作（作成・一覧・確認・クローズ）も含まれます。JSONクエリを使用したPR情報取得（title、body、state、mergeable、files、reviewDecision、statusCheckRollup）、および「PR作成からマージまで」と「コンフリクト解決」の2つの実践例を提供し、実装フローを具体的に示します。

コードベースから自動的にアーキテクチャを可視化: ディレクトリ構造と命名規則を分析し、プロジェクト全体の設計思想を文書化できます。 技術スタックを一元管理: 使用フレームワーク、ライブラリ、ツール、技術的な制約や決定を記録し、すべてのメンバーが参照できます。 ビジネス背景を文書化: 製品目的、ターゲットユーザー、コア機能をまとめ、「なぜこの設計なのか」の背景を共有できます。 アーキテクチャ決定の歴史を記録: ADR（アーキテクチャ決定記録）形式で過去の判断理由を保存し、同じ議論の繰り返しを防げます。 チーム間でナレッジを共有・継承: セッション終了時に学習を自動抽出・保存し、他のメンバーやプロジェクトで再利用できます。 コードとドキュメントのズレを検出: 実装の変化を追跡し、古い情報を更新するよう提案できます。 AI エージェントと協働開発するチーム（steering 情報を全エージェントが参照） 新しいメンバーがプロジェクトに参画し、素早くキャッチアップが必要な場合 複数プロジェクトを並行管理し、ナレッジを移植したい組織 アーキテクチャ決定の理由を後で参照・学習したい長期プロジェクト steering スキルは「プロジェクトの記憶」を生成・維持するコンテキスト管理スキル。3つの steeringドキュメント（structure.md：アーキテクチャパターン・ディレクトリ構造・命名規則、tech.md：技術スタック・フレームワーク・制約、product.md：ビジネスコンテキスト・目的・ユーザー）と 4つのメモリドキュメント（memories/：アーキテクチャ決定記録 ADR、開発ワークフロー、ドメイン知識、CLI コマンド集、教訓）を管理。Agent Memory CLI（musubi-remember v3.5.0）で extract/export/import/condense/list/clear 操作が可能。セッション間の学習抽出、チーム間のナレッジ共有、プロジェクト間の ベストプラクティス移植、長時間セッションのメモリ最適化をサポート。重要：すべてのドキュメントを英語版（filename.md）と日本語版（filename.ja.md）で作成することが必須。乖離検出とアーキテクチャ改善提案も実装。

サブエージェント化の必要性を自動判定: コンテキスト独立性、専門知識、Web検索など複数の基準に基づいて、本当にサブエージェント化が必要なタスクを自動判別します。 5つのタイプに応じた最適なエージェントを設計: 調査系（research）、フィードバック系（feedback）、アイデア出し系（ideation）、検証系（validation）、並列チェック系（parallel-check）の5タイプから最適なエージェント定義を自動生成します。 Skill 群に紐付けた専門エージェントを自動生成: 関連する Skill を識別し、それらを携帯した專門エージェント定義（.claude/agents/*.md）を自動作成できます。 設計原則に基づいた堅牢な定義を作成: サブエージェント設計ガイドに従い、入力・出力・判定基準が明確に定義されたエージェント定義が生成されます。 QC による品質保証: 生成後、QC Subagent（qa-skill-qc）が自動で評価基準に照らし合わせて検証します。 複数の専門分野を扱う大規模プロジェクトの管理者: 分野ごとの専門エージェントが自動設計されるため、システム全体の構造が整理され、保守性が向上します。 並列処理を活用して処理時間を短縮したい人: 調査・検証・アイデア出しなどを同時実行可能なエージェント構成が自動で提案されます。 エージェント設計の手法を統一したい人: ガイドラインに基づいた一貫性のある設計が自動生成されるため、組織全体の エージェント品質が保たれます。 Skills 群に対応するサブエージェント（.claude/agents/*.md）を設計・生成するワークフロー。主成果物は output/{domain}_agent/.claude/agents/ 配下のサブエージェント定義。 フロー: ①./assets/subagent_design_guide.md と既存 Skills を確認；②SKILL.md の recommended_subagents を抽出；③サブエージェント化の判定（コンテキスト不要・専門知識・Web検索・ブレスト・仮説検証・フィードバック等が該当）；④設計（name、type、携帯 Skills、入力・出力を YAML で定義）；⑤agent-name.md を生成（name、description、type、tools を含むフロントマター＋ 携帯 Skills・実行手順・入力・出力・判定基準セクション）；⑥タイプ別テンプレート適用（research/feedback/ideation/validation/parallel-check）；⑦qa-skill-qc Subagent に QC 委譲し ./evaluation/subagent_criteria.md に基づいて評価。単なる評価軸チェック（チェックリスト確認等）は evaluation/*.md で対応し、agents/*.md は作成しない。

評価駆動開発の実装: 実装前に期待される動作を評価として定義し、開発中に継続的にテストを実行して品質を確保できます。 能力評価とリグレッション評価の自動実行: Claudeが新しくできるようになったことをテストする一方、既存機能が壊れていないことを同時に確認できます。 複数の評価方法を組み合わせ: コード内の決定論的チェック（Grep、ビルド確認）、AIによる自由形式評価、人間のレビューフラグを柔軟に組み合わせられます。 pass@kメトリクスで信頼度を数値化: 「k回の試行で成功」という形式で実装の安定性を定量的に測定できます。 評価レポートを自動生成: 能力評価、リグレッション評価、メトリクスをまとめた詳細レポートで進捗を可視化できます。 Claude Codeを使ってAIに実装させる開発者・プロダクトマネージャー テスト駆動開発（TDD）の考え方を好む人 AI生成コードの品質が不安な人、安定性を重視する人 変更ごとにリグレッション（機能低下）がないか追跡したい人 eval-harness は「評価駆動開発（EDD）」の原則を実装するフレームワークです。能力評価（チェックリスト形式で期待される動作を定義）とリグレッション評価（既存機能の動作確認）の2種類の評価タイプを提供します。評価方法は3種類：(1)コードベース評価者（Grep、テスト実行などの決定論的チェック）、(2)モデルベース評価者（Claudeが自由形式で出力を評価）、(3)人間評価者（手動レビュー）です。メトリクスとしてpass@k（k回試行で1回以上成功）およびpass^k（k回全て成功）を使用。ワークフローは4ステップ：定義（コード前に評価項目を記述）→実装（評価に合格するコードを作成）→評価実行→レポート生成。詳細なレポート形式とテンプレートが用意されています。

「記事を書きたい」という要望から、ピラミッド原則とSCQAフレームワークに基づき、読者を引き込める技術記事を6フェーズで段階的に完成させられます。 ユーザーと対話しながら進むため、途中で方針修正できし、自分の思いと違う記事になる失敗を防げます。 目的・読者層・構成・執筆・推敲・公開設定が体系的に進むため、品質が安定し、執筆時間を大幅に削減できます。 導入部を SCQA（Situation → Complication → Question → Answer）で設計するため、読者が最初から引き込まれる記事になります。 テック企業のブロガー・エンジニア：定期的に技術記事を公開したい、でも何から始めればいいか分からない 初めてブログを始める技術者：「良い記事」の構成やロジックを学びながら書きたい 社内ナレッジ共有チーム：複数の技術情報を体系的な記事に整理したい Zenn/Qiita 投稿者：アクセス・スター数を伸ばしたい 6フェーズワークフロー：(1) 目的と読者の確認（記事ゴール・想定読者・前提知識・読了後の期待状態を質問で明確化）、(2) SCQA導入部の設計（Situation/Complication/Question/Answer 各要素を定義）、(3) ピラミッド構造でセクション構成（結論を支える3〜5個のキーポイント → 各セクションの詳細トピック を洗い出し）、(4) 各セクションの執筆（セクション単位で執筆 → ユーザーレビュー → 修正を繰り返す）、(5) 全セクション推敲と微調整（全体の流れ・用語の一貫性を確認）、(6) 公開設定（メタディスクリプション、タグ、公開日の確認）。ピラミッド原則は結論を先に述べ、その後に根拠・詳細を階層構造で展開します。

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。

設計JSON（トークン・コンポーネント・コンテキスト）から見た目のみのUI骨格を自動生成：ロジック・状態管理・API通信は一切含めず、Figma レイアウト（Auto Layout・constraints・resizing）を CSS flex・grid・breakpoints に忠実に変換。 複数技術スタック対応で標準配置を自動適用：React（src/components/）、Vue（src/components/*.vue）、SwiftUI（Sources/UI/）など、スタック別の公式ディレクトリ構造に自動配置、Storybook 対応も同時に生成。 トークン・コピー・アセットの SSOT 一元参照で二重管理を排除：design-tokens.json の color・typography・spacing、copy.json の文言、assets.json の画像を外部参照、値の埋め込みは禁止（magic number ゼロ）。 レスポンシブ規則（Figma→CSS マッピング）を自動適用：constraints/resizing ルール（SCALE→flex-grow、TOP_BOTTOM→h-full など）を breakpoints に従い自動変換、手作業ブレを完全排除。 デザインシステムオーナー・UI エンジニア：SSOT 確定後、実装前のUI骨格を素早く可視化したい フロントエンドアーキテクト：複数スタック対応の UI ファイル配置を標準化・保守しやすくしたい プロダクト開発チーム：Figma → コード間のスタイルズレを自動検出・修正したい デザイナー×エンジニアの協働チーム：「見た目は完成、あとはロジック」という分業を効率化したい コマンド：/design-ui [$TARGET] [$PAGE_KEY]（$TARGET：react/vue/svelte 等、$PAGE_KEY：design_context.json の pages[].key、省略時全ページ対象）。実行は /design-ssot または /design-mock の SSOT 成果物（design-tokens.json、components.json、design_context.json、copy.json、assets.json）を入力。出力：スタック別標準配置への静的 UI ファイル一式＋Storybook（対応スタックのみ）。禁止：状態・ロジック・データ取得・RDD逸脱スタック（指定時は ADR-lite 要）・copy.json の推測埋込。copyKey 不足は推測禁止、ユーザーに /design-ssot やり直し依頼。レスポンシブ規則：Auto Layout→flex + tokens gap/padding、constraints（SCALE→w-full、TOP_BOTTOM→h-full）、resizing（FILL→flex-1、HUG→max-content）、breakpoints は design-tokens.json 準拠、tokens 外の値・magic number 禁止。見た目基準ビューポート：rdd.md 「ターゲット表示環境」参照、未記入時は desktop 1440x900・mobile 390x844・tablet 834x1194 推奨デフォルト。

インシデント発生後に、責任追及ではなく「システム改善の機会」として捉えた事後分析ドキュメント（ポストモーテム）を自動作成できます Google SRE のベストプラクティスに基づき、日本語で統一されたフォーマットで記録し、同じ問題の再発を防ぎます タイムライン、根本原因、影響範囲を定量的（ユーザー数、エラー率など）に記載し、チーム全体の学習資産として活用できます ポストモーテム作成に必要な情報を自動収集し、足りない情報を効率的に質問できます 過去の障害だけでなく、ヒヤリハット（重大事故の一歩手前の状況）の分析にも対応します SRE・DevOps・インフラエンジニア：障害対応後のドキュメント化が必須の職種 スタートアップやスケール期の組織：事後分析の文化を早期に確立したい チームリード・マネージャー：障害からの学習を組織全体で共有したい セキュリティ・品質保証チーム：インシデント記録を組織資産として管理したい このスキルは5つの基本原則に基づいています。（1）Blameless（非難しない）：個人の過失ではなくシステムの改善機会に焦点、（2）正直さと透明性：都合の悪い事実も含めて記録、（3）アクション駆動：全アクションに担当者と期限を設定、（4）定量的：影響を数値で表現、（5）学習の共有：他チームが同種問題を予防できるよう知見を記録します。実行時は既存のポストモーテムテンプレート確認→インシデント情報の多角的収集（会話・システムログ・コミット履歴）→必須情報確認→ドキュメント執筆という手順で進めます。