Skill.md検索

ソースコード変更から対応スキルを自動特定し、どのドキュメントを更新すべきかを提示します スキル内のコード例とソースコードを比較し、差分がないか自動確認します sourcePatterns（監視対象ファイル）の設定が正しいか検証し、設定ミスを防ぎます 複数スキルの sourcePatterns を一覧で確認でき、スキル更新の漏れを防げます ソースコード更新後、対応ドキュメントをどれ更新すべきか分からない開発者 スキルドキュメント（SKILL.md）の差分管理・メンテナンスを自動化したいプロジェクト管理者 複数スキルを管理していて、更新漏れが発生しやすいドキュメント運用担当者 CLAUDE.mdやスキル内容の最新性を定期的に確保したいチームリーダー スキルと対応ソースコードの関係を管理し、変更検出→スキル特定→差分確認→sourcePatterns検証の4ステップで運用します。各スキルには sourcePatterns が定義されており、対応ソースファイルが変更された場合にスキルの更新が必要になります。変更されたファイルと sourcePatterns を照合し、更新が必要なスキルを特定。スキル内のコード例と実際のソースコードを比較し、乖離がないか確認。sourcePatterns が正しく設定されているか検証します。変更検出は git diff（最新5コミット、mainからの差分、特定コミットからの差分）で行い、複数スキル（tumiki-custom-mcp-server-feature、tumiki-dynamic-search-feature、tumiki-ee-ce-separation、tumiki-mcp-proxy-architecture、tumiki-prisma-schema-changes）の対応パターンを一覧で管理します。

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。

iOS / Android のストアスクリーンショットを自動撮影・合成し、最新のUI状態をアップロード用に準備できます。 最新の CHANGELOG を分析して、App Store・Google Play 向けのリリースノートや説明文を自動生成・更新できます。 UI変更があったかどうかを判定し、更新対象（スクリーンショット、リリースノート、説明文等）をユーザーに提案できます。 Simulator × モック画面 × Marionette MCP を組み合わせることで、手作業のスクショ撮影・編集をほぼ自動化できます。 iOS・Android アプリのリリース時にストアメタデータを何度も手で更新しているエンジニア ストアスクリーンショットの撮影・編集に毎回時間をかけているプロダクトマネージャー CHANGELOG 更新後、App Store・Google Play・fastlane メタデータを同期更新したい開発チーム モバイルアプリの多言語対応（英語、日本語など）で、各言語のメタデータ更新に手間がかかっている人 ワークフロー三段階: Step 1 - バージョン確認・変更分析（git tag、pubspec.yaml、CHANGELOG確認）。Step 2 - 更新対象選択（8スクリーンショットシナリオ + 9メタデータテキストファイル）。Step 3 - メタデータテキスト更新（CHANGELOG ベースに release_notes・description・promotional_text を自動生成）。 スクリーンショット 8 シナリオ: Session List（ライト）、Approval List、Multi-Question Approval、Markdown Input、Image Attach、Git Diff、New Session、Session List（ダークモード）。各シナリオ用に ccpocket.navigateToStoreScenario カスタムエクステンション実行後、Simulator からスクショ撮影。 メタデータファイル: fastlane/metadata/en-US/release_notes.txt（iOS EN）、ja/release_notes.txt（iOS JA）、en-US/description.txt（App Store EN）、ja/description.txt（App Store JA）、promotional_text.txt、android/en-US/full_description.txt（Play Store EN）、ja-JP/full_description.txt（Play Store JA）、android/en-US/changelogs/default.txt（Play Store リリースノート EN）、ja-JP/changelogs/default.txt（Play Store リリースノート JA）。ファイルパスは apps/mobile/ からの相対パス。

Bridge Server（TypeScript）のユニットテスト実行、TypeScript型チェック、カバレッジ測定を順番に実行し、全てのテストがパスすることを自動確認できます。 テストファイルのみを指定したり、ウォッチモード（開発中は自動再実行）で効率的にテストを回すことができます。テストファイルと型チェック対象の関係を正確に管理します。 vitest規約に基づいたテスト記述方法（ファイル配置・命名・import・テスト構造）の標準を適用し、チーム全体で一貫性のあるテストコードを保証します。 parser.ts、claude-process.ts、image-store.tsなど、現在テスト対象のモジュールを管理し、新しく純粋関数が追加される際のテスト追加ガイダンスを提供します。 外部依存（プロセスspawn・ファイルシステム・WebSocket）を除いた、ROIの高い純粋ロジックのテストに集中できます。 Bridge Server開発でコード品質を保ちながら継続的にテストを実行したい開発チーム TypeScriptの型チェックとテスト自動化で本番バグを事前に防ぎたい品質管理者 テスト記述規約を統一して、チーム内の開発効率と保守性を向上させたい技術リード 新機能追加時に既存機能の回帰テストを確保したいCI/CD環境構築者 Bridge Server（TypeScript）のテスト実行・型チェック・テスト記述ガイド。実行手順①ユニットテスト（npm run test:bridge、特定ファイル指定可、ウォッチモード対応）②TypeScript型チェック（npx tsc --noEmit、テストファイルと vitest.config.ts は tsconfig.json の exclude に含まれ型チェック対象外）③カバレッジ測定（任意）。テスト記述規約：ファイルはソースと同ディレクトリに .test.ts 配置、vitest のみ import（jest互換は不可）、テスト対象モジュールは .js 拡張子で import（NodeNext moduleResolution）、describe でグルーピング・it は英語三人称現在形・1つの it は1振る舞い検証。テスト対象は純粋関数・ロジック中心（高ROI）。現在テスト対象モジュール：parseClaudeEvent、claudeEventToServerMessage、parseClientMessage（parser.ts）、parseRule、matchesSessionRule、buildSessionRule、toolNeedsApproval（claude-process.ts）、ImageStore.extractImagePaths（image-store.ts）。新テスト追加時は純粋関数があれば追加検討、internal関数テストは export に変更OK。

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。

PRD（企画書）と機能設計をもとに、システムの技術構成を決定し、図面として記録できます。 採用するプログラミング言語、データベース、API通信方式などの技術選定を、一覧表・図解・テキストで明確に文書化できます。 既存の設計書がある場合は優先し、ない場合は提供テンプレートを使って新規作成できます。 後続の実装チームが「どんな技術を使うのか」「どの部品がどう連携するのか」を一目で理解できる設計書を作成できます。 作成した設計書は docs/architecture.md に自動保存され、プロジェクト全体で参照可能になります。 システム構築の前に「技術全体像」を整理したいプロジェクトマネージャー・PO 開発チーム全体の共通理解を作りたいテックリード・アーキテクト 既存プロジェクトの技術選定を見直す必要がある開発責任者 複数チームで並行開発するときに技術的な一貫性を保ちたい組織 このスキルは、PRD（docs/product-requirements.md）と機能設計書（docs/functional-design.md）の前提条件を確認した上で、アーキテクチャ設計書を作成します。既存設計書（docs/architecture.md）がある場合はそれを優先し、ない場合は提供されたテンプレート（./template.md）とガイド（./guide.md）に従い新規作成します。アーキテクチャ設計は、PRDの要件と機能設計を技術的に実現するためのシステム構造とテクノロジースタック（使用言語・フレームワーク・DB・ミドルウェアなど）を定義します。出力先は docs/architecture.md です。

プロジェクト固有の用語と技術用語を体系的に定義・管理できます。 要件定義書、設計書、アーキテクチャなど複数ドキュメントから用語を統一的に抽出できます。 既存の用語集がある場合、その構造を保ちながら追加・更新できます。 全チームで用語の意味を共通認識化し、ドキュメント作成時の表記ゆれを防げます。 プロジェクトマネージャーで、チーム内の用語定義を統一したい人 ドキュメント作成者で、用語の一貫性を保ちたい人 新しいプロジェクトを立ち上げるときに用語体系を整備したい人 用語集を作成するための詳細ガイドです。前提条件として、①docs/product-requirements.md（PRD）②docs/functional-design.md（機能設計書）③docs/architecture.md（アーキテクチャ設計書）④docs/repository-structure.md（リポジトリ構造）⑤docs/development-guidelines.md（開発ガイドライン）を確認します。既存ドキュメント優先順位は①既存docs/glossary.md（最優先、プロジェクト固有定義）→②このスキルのガイド（参考資料）です。新規作成時はテンプレート使用、更新時は既存構造・内容を維持します。出力先はdocs/glossary.md、詳細ガイドは./guide.md、テンプレートは./template.mdを参照します。

PRDの要件を技術実装の詳細設計に落とし込み、機能設計書を素早く作成できます。 既存の設計書がある場合は自動的にそれを参考にし、構造を保ちながら更新・補足できます。 テンプレートとガイドが用意されているため、何から書き始めるか迷わずに執筆を開始できます。 設計書を docs/functional-design.md に一元管理し、チーム全体で設計内容を共有できます。 プロダクト企画者が決めた要件を、開発者向けに技術的な実装方法として落とし込みたい人 チームメンバーに「この機能はどう実装する予定？」を分かりやすく説明したい人 新しいプロジェクトやフェーズの開始時に、設計ドキュメントの骨組みをすぐに整えたい人 既存の設計書を保ちつつ、内容を段階的に充実させたい人 機能設計書作成の前提として、docs/product-requirements.md のPRDが存在する必要があります。設計書の優先順位として、既存の docs/functional-design.md がある場合はそれを最優先とし、このスキルのガイドは参考資料として使用します。新規作成時はテンプレート（./template.md）と詳細ガイド（./guide.md）を参照してください。作成した機能設計書は docs/functional-design.md に保存され、既存設計書がある場合は構造と内容を維持しながら更新します。

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。

アーキテクチャ設計で決まった技術スタック（言語、フレームワーク、DBなど）を反映した、実際のディレクトリ構造を定義できます。 src/, tests/, docs/, config/ など、各フォルダの役割と配置ルールを明文化し、開発チーム全体で統一できます。 既存のディレクトリ構造定義がある場合は優先し、ない場合は提供テンプレートを使って新規作成できます。 新しいメンバーが加わったときに「このファイルはどのフォルダに置く？」という質問がなくなり、コード審査がスムーズになります。 作成した定義書は docs/repository-structure.md に自動保存され、プロジェクト全体で参照可能になります。 プロジェクトを始める前に「ファイル置き場を決めたい」プロジェクトマネージャー・PO 複数開発チームが参加するとき、ファイル配置の統一ルールを作りたいテックリード リポジトリが成長するにつれて雑然としてきたプロジェクトを整理し直したい開発責任者 オンボーディングを効率化し、新しいチームメンバーの迷いを減らしたいマネージャー このスキルは、PRD（docs/product-requirements.md）、機能設計書（docs/functional-design.md）、アーキテクチャ設計書（docs/architecture.md）の前提条件を確認した上で、リポジトリ構造定義書を作成します。既存定義書（docs/repository-structure.md）がある場合はそれを優先し、ない場合は提供されたテンプレート（./template.md）とガイド（./guide.md）に従い新規作成します。リポジトリ構造は、アーキテクチャ設計で決定された技術スタックとシステム構成を反映した具体的なディレクトリ構造およびファイル配置ルールを定義します。出力先は docs/repository-structure.md です。

ユーザーからの新機能や変更指示を受け取ると、それに基づいた作業計画書（requirements.md、design.md、tasklist.md）を自動生成できます。 tasklist.md に記載されたタスクを 1 つずつ進捗管理し、完了時にリアルタイムで checklist を更新できます。 プロジェクトの永続ドキュメント（product-requirements.md、functional-design.md、architecture.md など）と整合させながら、一貫性のある設計・実装を進められます。 実装完了後に振り返りドキュメントを自動生成し、次のタスクへの知見を記録できます。 作業指示を受けるたびに「何をやるのか」「どの順序でやるのか」を明確に整理したい PM・チームリード 複数の並行タスクがあり、進捗を可視化・一元管理したい開発チーム 実装完了時に「何をやったか」「なぜそう決めたか」を記録し、チームの知識を蓄積したい人 プロジェクトの永続的な設計方針と日々のタスク実行を同じドキュメント体系で管理したい人 Steering スキルは、.steering/[YYYYMMDD]-[機能名]/ の形式でディレクトリを作成し、requirements.md、design.md、tasklist.md の 3 つのテンプレートに基づいたファイルを生成します。実装時には tasklist.md を常に開いた状態で進め、タスク開始時に [ ] → [x] に更新し、完了時に EditToolで記録することが必須です。重要な原則として、tasklist.md の全タスクが完了するまで作業を継続し、「時間の都合」「別タスク予定」などの理由によるスキップは禁止です。タスクが大きすぎる場合はサブタスクに分割し、スキップが許可されるのは実装方針変更・アーキテクチャ変更・依存関係変更・設計変更など技術的理由に限定されます。スキップ時には tasklist.md に理由を明記し、最後に振り返りドキュメントを作成して実装完了とします。

クライアント-サーバー間の通信プロトコルを「Request-Response型」または「Event型」から選択して実装できます。 IPacketResponseクラスを継承し、MessagePackでシリアライズされたデータを処理するプロトコルを作成できます。 PacketResponseCreatorに新規プロトコルを登録し、サーバーで即座に利用可能な状態にできます。 ビジネスロジックとシリアライズ処理を分離した保守性の高いプロトコル実装ができます。 moorestechサーバーに新しい機能を追加するサーバー開発者 クライアント-サーバー通信仕様（プロトコル）を実装・設計する開発チーム ゲームサーバーのリクエスト/レスポンス処理やイベント通知を実装する必要がある担当者 MessagePackを使用した通信システムを構築・保守しているエンジニア moorestechサーバーのプロトコル実装ガイドです。プロトコルは「クライアント明示的要求型」のRequest-Response型と「サーバー状態変化通知型」のEvent型の2種類があり、詳細パターンはreferences/protocol-patterns.mdを参照します。Request-Response型はmoorestech_server/Assets/Scripts/Server.Protocol/PacketResponse/に新規ファイルを作成し、IPacketResponseを継承したクラスを実装します。プロトコルクラスはServiceProviderから依存関係を注入され、GetResponse()メソッドで受信ペイロードをMessagePackデシリアライズして処理し、ProtocolMessagePackBaseを継承したレスポンスを返します。MessagePackObject属性を使用したデータクラスではKey(0)=Tag、Key(1)=SequenceIdが基底クラスで予約済みです。実装後はPacketResponseCreatorに登録します。

実行計画テーブルから未完了タスクを自動抽出し、次々と着手します。TreeWalk実装→VM同期→回帰検出のサイクルを自動繰り返すため、人間の指示なしに開発が進みます。 タスク完了時に自動で計画を「完了」に更新し、changelog.mdに記録するため、進捗管理の手作業がなくなります。 パフォーマンス改善タスク（P3、G2）は自動的にベンチマークを記録し、改善効果を数値で確認できます。 ビルドエラーやテスト失敗を検出した場合、原因調査→修正を試みてから次タスクに移るため、問題が連鎖しません。 CLAUDE.md、plan/memo.md、plan/roadmap.mdなどのプロジェクトドキュメントを毎回参照するため、規約や設計を外さない実装が実現します。 長時間の反復開発を効率化したい開発チーム テスト合格・ベンチマーク記録まで自動で行いたい開発者 計画書とコードの同期ズレを防ぎたいプロジェクトマネージャー 朝出勤時に計画を立てたら昼には完了タスクが溜まっていてほしい人 このスキルは毎イテレーション時にgit logとgit statusで現状を把握した後、plan/memo.mdの実行計画テーブルから未完了の最初のタスクを選定します。開発手順は「TreeWalkで正しい振る舞いを実装」→「VMを同期（同じ結果を返すように）」→「--compareで回帰検出（zig build run -- --compare -e '(test-expr)'）」→「テスト追加・実行（zig build testで baseline=1036 pass）」です。タスク完了時は計画表の該当行を「完了」に更新し、changelog.mdも追記します。パフォーマンス系（P3、G2）タスクでは必ずベンチマークを記録（bash bench/run_bench.sh --quick --record --version="..."）します。意味のある単位でgit commitしたら、設計判断が必要な場合はplan/notes.md`に選択肢を記録し最適な方を選んで進みます。ビルドエラー・テスト失敗は原因調査・修正を試みた後、止めずに次タスクへ移行します。

症状から出発して、ログ・スタックトレース・デバッグツールを活用しながら根本原因を特定できます 5 Why 分析やフィッシュボーン図など体系的な RCA（根本原因分析）手法を使い、表面的な原因ではなく本質的な問題を見つけられます メモリリーク、競合状態、パフォーマンス問題など、複雑なバグのパターンに対応できます デバッグループに陥ったときに自動検出し、別のアプローチを提案して効率的に問題を解決できます GitHub Issue から問題の詳細を抽出し、構造的に調査を進めることができます 本番環境で複雑なバグが発生し、原因が特定しづらい状況に困っている開発者 デバッグに何時間もかかってしまい、効率化したい人 チーム内で「このバグ、何が問題なのか」を説明する必要がある人 パフォーマンス問題やメモリリークなど、実装的な根深い問題に対応したい人 Bug Hunter AI は英語でバグ調査・根本原因分析・フィックス生成を支援するエージェントで、日本語での対話で効率的なデバッグを実現します。得意領域は再現手順（Minimal Reproducible Examples）・ログ分析（エラーログ・スタックトレース）・デバッグツール（ブレークポイント・ステップ実行・変数監視）、および 5 Why・フィッシュボーン図・タイムラインを使った RCA です。バグ種別としてロジックエラー・メモリリーク・競合状態・パフォーマンス問題・セキュリティ脆弱性に対応し、二分探索デバッグ・ラバーダック・分割統治・仮説検証などの戦略を適用します。MUSUBI Agent の StuckDetector モジュールでデバッグループ検出が可能（repeatThreshold: 3、minHistoryLength: 5）で、IssueResolver で GitHub Issue から bug 詳細を抽出（issue number・title・description）して体系的に調査を開始できます。

実行中のマスコットアプリやFlutter開発プロセスを検出して安全に停止できます。 残留したシグナルファイル（mascot_speaking、mascot_listening）を自動削除して、アプリの状態を初期化できます。 ビルド成果物やダウンロード済みアセット（モデルファイル、フォールバック画像）を一括削除でき、クリーンな開発環境を再構築できます。 グローバルフック（~/.claude/hooks/）やスキルのコピーを削除して、システム全体の設定を整理できます。 プラットフォーム（Windows / macOS / Linux）を自動判定し、OS別のコマンドを正しく実行します。 つくよみちゃんマスコットアプリの開発・テストを行うエンジニア TTS（音声合成）機能を使った開発で、一時ファイルやプロセスの残留にトラブルが多い人 開発環境をリセットして、クリーンな状態から始めたい人 Windows / macOS / Linux 複数環境で開発している人 マスコットアプリやTTS関連のプロセス・シグナルファイル・ビルド成果物・グローバルフックをクリーンアップする。実行時にプラットフォーム（Windows/macOS/Linux）を判定し、以降のコマンドを分岐して実行する。引数でall（全項目）、process（プロセスのみ）、signal（シグナルファイルのみ）、build（ビルド成果物のみ）、hooks（グローバルフックのみ）を指定可能。マスコットプロセス（utsutsu_code）とflutter runの動作を確認し、ユーザーに停止確認をしたうえでpkillで終了。シグナルファイル（~/.claude/utsutsu-code/mascot_speaking等）の残留を検出し、ユーザー確認後に削除。ビルド成果物（mascot/build）やダウンロード済みアセット（model.inp、*.png）の削除前にユーザー確認を求める。グローバルフック（~/.claude/hooks/mascot_tts.py等）やスキルコピーを削除。

mod_version をチェックし、バージョンが古ければ更新種別（メジャー・マイナー・パッチ）を聞いて自動更新できます。 Gradle でビルドし、失敗したら即座に中断して原因を報告できます。 前回のリリースから今回の変更内容を自動取得し、リリースノートのドラフトを作成できます。 Git タグを作成して GitHub に push し、GitHub Releases に Fabric・Forge 両方の JAR ファイルを自動アップロードできます。 ビルド・タグ作成・リリース作成の各ステップで確認を取りながら進められるので、誤ったリリースを防げます。 Minecraft mod の開発者で、リリース作業を毎回手作業でやっている人 バージョン更新・ビルド・タグ・GitHub Release 作成をまとめて自動化したい人 Fabric と Forge の両方に対応したモッドを公開している人 リリースノートを手書きするのが面倒で、変更履歴から自動生成したい人 このスキルは Minecraft mod（LMML）のリリース全体を自動化します。前提条件として gradle.properties に mod_version が更新済み、ワーキングツリーがクリーン、gh CLI が認証済みである必要があります。手順：(1) gradle.properties から mod_version を読み取りユーザーに確認、未更新なら更新種別（x/y/z）を聞いて自動編集・コミット、(2) ./gradlew build を実行し失敗時は中断、(3) git describe --tags --abbrev=0 で前回タグを特定、git log で変更履歴を取得しリリースノートをドラフト、ユーザーに提示して確認、(4) git tag v{version} と git push origin v{version} でタグ作成・push、(5) gh release create で GitHub Release を作成し Fabric・Forge の JAR ファイルをアップロード（ファイル名パターン: LMML-{mc_version}-{version}-Fabric.jar など）、(6) Release URL をユーザーに報告。各ステップで確認を取り、Minecraft バージョン変更時はファイルパス確認に注意。

自然言語でMCPツールを検索 - 「メール送信」「データベース接続」など日本語で説明するだけで、関連するツールを自動発見でき、ツール名を覚えていなくても利用できます。 見つかったツールのスキーマを自動取得 - 検索結果のツールについて、必要な入力パラメータ・出力形式を自動表示するため、ツール仕様を確認しながら利用できます。 コンテキストを肥大化させない - 全ツールを同時に公開するのではなく、必要なツールだけを動的に検索・実行するため、AIのプロンプトサイズを削減できます。 メタツール経由でツール実行を一元管理 - search_tools → describe_tools → execute_toolの3ステップで、統一的なツール実行フローを実現できます。 エンタープライズエディション（EE）限定機能 - Community Edition（CE）では無効化され、EE環境でのみDynamic Search機能を活用できます。 MCPサーバー管理者 - ツール数が多い環境で、Dynamic Searchを有効化してAIのコンテキスト効率を改善できます。 AI統合開発者 - search_tools、describe_tools、execute_toolメタツールを理解し、カスタム検索・実行ロジックを実装できます。 Enterprise Edition ユーザー - EE機能を最大限活用して、大規模MCPサーバー環境でのツール管理を最適化できます。 Dynamic Search機能のデバッガー - 新規実装・拡張・バグ修正時に、このリファレンスガイドを参照して効率的に対応できます。 Dynamic Searchはツール発見を最適化するインテリジェント検索システム。従来モードではすべてのツールを{template}__{toolName}形式で公開してコンテキストが肥大化しますが、Dynamic Searchモード（dynamicSearch=true）では3つのメタツール（search_tools、describe_tools、execute_tool）のみ公開し、必要なツールを動的に検索・取得します。ノードは.ee.ts拡張子とSPDXライセンスヘッダー必須のEE実装。型定義はMCP SDK型（Tool、CallToolRequestParams）をre-export。SearchToolsArgs（検索クエリ、最大結果数）、DescribeToolsArgs（スキーマ取得対象ツール名）、SearchResult（ツール名、説明、関連度スコア0-1）、DescribeToolsResult（ツール名、説明、inputSchema、発見フラグ）を定義。metaToolDefinitions.ee.ts、searchTools.ee.ts、describeTools.ee.ts、executeToolDynamic.ee.tsで実装。EE/CE分離アーキテクチャを理解し、ファイル構成はapps/mcp-proxy/src/features/dynamicSearch/配下に整理されています。

git diff --cached で変更内容を分析し、日本語の Conventional Commits 形式でコミットメッセージを自動作成してコミットできます。 絵文字を使った type（feat:✨新機能、fix:🐛バグ修正、docs:📝ドキュメント、refactor:♻️リファクタリング等）を自動判定し、統一されたスタイルのコミットを実現します。 ステージされていない変更があれば検出して確認し、個別のファイルを追加するか判断できます。 変更の「何をしたか」を1行目に、「なぜしたか」を本文に記載し、Co-Authored-By を自動付与したコミットを作成できます。 Conventional Commits 形式で統一されたコミット履歴を保ちたい開発チーム コミットメッセージを毎回日本語で丁寧に書くのが面倒なエンジニア git diff を確認して適切な type を判定し、自動でコミットを作成させたい人 .env などの機密ファイルが誤ってコミットされるのを防ぎたい開発者 ステージ済み変更を分析し、日本語 Conventional Commits 形式でコミット実行するスキル。ステップ1で git status、git diff --cached --stat、git diff --cached、git log --oneline -5 を並列実行して変更内容と過去スタイルを把握。ステップ2でステージされていない変更を確認し、必要に応じて個別に git add で追加させる（git add . 厳禁）。ステップ3でコミットメッセージ作成：type は feat（✨）/ fix（🐛）/ docs（📝）/ refactor（♻️）/ chore（🔧）/ style（💄）/ test（✅）から選択、1行目は「何をしたか」を日本語で簡潔に、本文は「なぜか」を箇条書きで記載、Co-Authored-By: Claude Opus 4.6 を自動付与。ステップ4で HEREDOC 形式でコミット実行後 git status で確認、pre-commit フック失敗時は新規コミット作成（--amend 禁止）。.env やシークレット含むファイルは警告してコミット拒否。禁止事項：git push（明示指示時のみ可）、--amend、--no-verify、git add ./-A、git config 変更。

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。

docs/spec.md と TODO.md を確認し、プロジェクトの目的・仕様・進捗状況を素早く把握でき、仕様ミスによる手戻りを防げます。 現在地（何が完了していて、何が未完了か）を理解した上で開発を始めるため、優先順位を間違えません。 実装前に「どのファイルに影響するか」を明確にでき、大きな変更の失敗を事前に防ぎます。 実装後に自動で TODO.md や docs/spec.md を更新する習慣がつき、ドキュメント腐敗を防げます。 Junior / Mid-level Engineer：プロジェクトの「正しい始め方」を学べる チームリード：開発者の仕様漏れやミス判断を削減したい 複数プロジェクト並行中の Developer：短時間でコンテキスト切り替えができる ドキュメント重視のチーム：設計思想・進捗管理を一元化したい 開発起動時の標準手順として、(1) docs/spec.md を読む、(2) TODO.md があれば読む、(3) docs/handoff-current.md があれば読む、(4) 主要ファイル・ディレクトリを確認（README.md、pyproject.toml、src/、tests/、docs/）、(5) ここまでの理解を5〜10行で要約（目的・実装状況・未完了タスク・今回の作業・影響ファイル）し、(6) 最小実行プランを提示した後、(7) 実装開始。重要ルール：仕様を読まずに実装開始しない、矛盾があれば勝手に決め打ちせず状況説明する、大きめ変更は対象ファイルを明示する、実装後に TODO/handoff-current.md を更新する。