複雑な調査を構造化レポートに自動変換

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。

自然言語で知識グラフを検索: 「トヨタの前回レポートは？」のような日本語の質問をそのまま入力すると、Neo4j に蓄積された過去データから該当する情報を自動で探します。 複数の過去情報源を横断検索: 過去のレポート、スクリーニング結果、取引記録、リサーチ、市況データなど、複数の情報源からまとめて検索できます。 保有銘柄の自動標記: 検索結果に現在の保有銘柄が含まれていれば「保有中」マークを自動付記し、ポートフォリオ管理の効率化を図ります。 最新データとの比較を提案: 過去レポートの検索結果が返ったら、「最新データとの差分を確認するなら /stock-report 推奨」と自動的にアドバイスを提供します。 Markdown形式で結果を表示: 検索結果をわかりやすいMarkdown形式で表示。データがない場合はその旨を明確に表示します。 投資分析担当者: 過去のリサーチレポートや取引記録をすばやく引き出したい人 ポートフォリオマネージャー: 銘柄の過去レポートと現在のポジションを関連付けて確認したい人 市場分析者: 過去の市況データやスクリーニング結果を参考に、最新分析の背景を確認したい人 経営判断支援: 過去のリサーチ結果を素早く参照し、意思決定の根拠を確認したい人 実行方法: python3 .claude/skills/graph-query/scripts/run_query.py "自然言語クエリ" でNeo4jに接続し、自然言語を解釈してグラフクエリに変換・実行します。自然言語→スキル判定は .claude/rules/intent-routing.md に従います。 結果表示と統合ルール: 結果はMarkdown形式で表示され、データが見つからない場合はその旨を表示。Neo4jが未接続の場合は「データが見つかりませんでした」と表示します。前提知識統合ルール(KIK-466)に基づき、クエリ結果に保有銘柄が含まれれば「保有中」マークを付記、過去レポート検索結果には「最新データとの差分を確認するなら /stock-report 推奨」と自動促示します。

VanillaSchema 配下の YAML スキーマを安全に編集できる。ブロック・アイテム・液体など、マスターデータのスキーマ構造を体系的に変更・追加でき、SourceGenerator の自動コード生成の仕組みが分かります。 スキーマ追加・削除時の設定変更が自動化される。csc.rsp への追加・削除、_CompileRequester.cs の更新手順が明確で、ビルド失敗のリスクが減ります。 再利用可能なスキーマ部品（ref）を活用できる。inventoryConnects.yml など共通パターンをスキーマ部品として定義し、定義の重複を削減できます。 switch・cases、foreignKey などの高度なスキーマ機能を使いこなせる。条件分岐、他スキーマへの参照、共有インターフェース定義など、複雑なマスターデータ構造を表現できます。 Moorestech プロジェクトでマスターデータを管理するエンジニア。YAML スキーマから自動生成される C# クラスの関係を理解でき、スキーマ変更時の対応ミスが減ります。 新しいブロックタイプ・パラメータを追加する開発者。スキーマ定義から SourceGenerator 発動、コード生成までのフロー全体が把握でき、追加作業の手戻りが減ります。 CI/CD パイプラインの失敗を減らしたい DevOps エンジニア。JSON データとスキーマのプロパティ名をすべてチェック、grep コマンドで更新漏れを検出する方法が明確です。 マスターデータ管理を一から構築する技術リーダー。ref・defineInterface・switch/cases などのパターンが実例で示されており、保守性の高いスキーマ設計が可能になります。 マスターデータの YAML スキーマ編集ガイド。ディレクトリ構造は VanillaSchema 直下にブロック・アイテム・液体など主スキーマ、ref 配下に inventoryConnects.yml など再利用可能な部品。編集手順は 4 ステップ：(1) VanillaSchema 配下の YAML を編集、(2) スキーマ追加・削除時に moorestech_server/Assets/Scripts/Core.Master/csc.rsp を編集（/additionalfile:Assets/../../VanillaSchema/newSchema.yml 追加または削除行削除）、(3) _CompileRequester.cs の dummyText 定数を変更してトリガー、(4) MCP または Unity でリビルド（生成コードは Mooresmaster.Model.*Module 名前空間）。重要パターンとして ref は ref: inventoryConnects で VanillaSchema/ref/inventoryConnects.yml を参照、switch/cases で blockType によって条件分岐したプロパティ定義、defineInterface で IChestParam など共有プロパティを定義・実装、foreignKey で items スキーマ参照など。重要ルールは optional: true は必要時のみ、手動で Mooresmaster.Model クラス作成禁止、変更後は _CompileRequester.cs を更新してコミット。プロパティのリネーム・削除時は CRITICAL：JSON データ更新（TestMod、Client.Tests、../moorestech_master、mooresmaster.SandBox 全対象）、grep で旧プロパティ名の残存確認必須（.claude/worktrees を除外）。スキーマ変更後も CRITICAL 検証あり。