Skill.md検索

システムプロンプトを設計・改善・チューニングし、AIの回答品質を向上させることができます。ドキュメントと連動した管理により、変更履歴が明確に追跡できます。 テストケース駆動でプロンプトを改善し、期待通りの動作か自動・手動で検証しながら品質を高めていきます。 プロンプトの編集（docs/prompts/*.md）とDB反映（スクリプト実行）を分離し、源泉となるドキュメントを人間が管理しながら本番反映を自動化します。 汎用チャット・議事録・リサーチなど9種類のプロンプトから選択し、セッション内で段階的にチューニングできます。 既存プロンプトの現状分析から改善提案まで一気通貫で行い、ユーザーは必要な箇所だけ指示すればOKです。 AIツールの回答品質を改善したい企画・PM・システム管理者 プロンプト設計やAIの挙動最適化に携わるエンジニア・チーム テストケースベースで段階的にAIの動作を改善したい人 複数のプロンプトをバージョン管理し、変更理由を記録しながら運用したい組織 プロンプト管理は階層構造を持ち、Single Source of Truthはdocs/prompts/*.mdです。編集は常にこのマークダウンファイルを直接編集し、その後node .claude/skills/prompt/scripts/update-from-doc.mjs "変更理由"でDBに反映させます。本番で使われるのはSupabaseのsystem_prompts・system_prompt_versionsテーブルのデータで、アプリケーションは実行時にここからプロンプトを取得します。チューニングワークフロー開始時には「1.セッション開始（プロンプト選択→init-session.mjs実行→現状分析と設定提案）」「Step 1-B: セッション初期化」「Step 1-C: 現状分析と設定提案」で初期化し、その後の改善に進みます。9種類のプロンプト（汎用チャット・議事録・議事録フォーマット2種・リサーチ4種・企画立案）から番号で選択可能です。

Playwright（ブラウザテスト）を使ったE2Eテストと、Vitest（ユニット・統合テスト）を統一されたワークフローで実装できます。 単一コマンド（npm run test）で全テストを実行、カバレッジレポートも自動生成できます。 チェックリストテンプレート（テスト実装前・E2Eレビュー・ユニットテストレビュー）に従うことで、テスト品質を確保できます。 テストが不安定（flaky）になる原因（不適切な待機・非同期処理・環境依存・テスト間依存）を診断し、修正パターンを提示します。 CI/CD へのテスト統合まで、テスト運用全体をサポートします。 Web開発初心者〜中級者で、「どのテストから始めればいい？」と迷っている人 既存コードのテスト体制を整備したい開発チーム テスト品質を高めたい、またはテストが頻繁に失敗する問題を解決したい人 新機能追加時に「テストコード作成」を標準化・自動化したいプロジェクト 2つのテストツールを統合：①Playwright：ブラウザを操作して実際の動きをテスト（E2E）②Vitest：関数・コンポーネントを高速にテスト（ユニット・統合）。 ファイル構成：tests/e2e/（Playwright spec）、tests/unit/（Vitest）、tests/integration/、ルートにplaywright.config.tsとvitest.config.ts。 コマンド：npm run test（全テスト）、npm run test:e2e（E2Eのみ）、npm run test:coverage（カバレッジ付き）、npx playwright test tests/e2e/auth.spec.ts（特定ファイル）。 3つのチェックリスト：実装前（テスト種別・対象・ケース・モック・テストデータを明確化）、E2Eレビュー（data-testid・待機処理・独立性・クリーンアップ・環境依存を確認）、ユニットテストレビュー（純粋関数優先・モック最小化・テスト名明確・境界値・エラーケースを確認）。よくあるシナリオ（新機能のテスト戦略立案、flaky テスト診断）に対する対話例も提供。

削除対象の機能を自動検出し、リスク評価レポートを作成できます。スクリプトで候補を発見した後、エージェント自身が手動でコードを確認し、本当に削除できるかを最終判断します。 データベースや設定ファイルを含む関連ファイルを段階的に削除でき、段階ごとに検証して問題がないことを確認しながら進められます。 削除履歴を自動記録し、後で何を削除したか、なぜ削除したかを追跡できます。 空のディレクトリを自動検出して、フォルダの整理も同時に実行できます。 削除前に試行実行（ドライラン）で影響範囲を確認し、本番削除の前にリスクをチェックできます。 古い機能やレガシーコードを整理したい開発チーム アプリケーションのコードベースをシンプルにしたい技術者 削除による予期しない不具合を避けたい慎重なプロジェクト 削除作業の記録と追跡可能性を重視する組織 このスキルは、機能削除を「スクリプト実行→エージェント判断→段階的削除→検証」の4段階で進めます。重要な原則として、スクリプトはあくまで補助ツール（候補の自動検出、統計収集）に過ぎず、最終的な判断はエージェントが必ず行うべきとしています。スクリプトの結果を鵜呑みにせず、違和感を感じたら追加で手動検索（grep、ファイル確認）を実施して、本当の状態を把握することが推奨されています。v2.0の新機能には、空ディレクトリの自動検出、DB削除スクリプトの自動生成、対話的削除モード、削除履歴の自動記録、誤検出防止の単語境界チェックが含まれます。エージェント的対応の原則として、スクリプト結果が0件でも手動で再確認する、検出結果が多い場合は重要度でフィルタリングする、曖昧な結果は追加調査するなど、臨機応変な対応パターンが示されています。

表面的な情報ではなく、複数の情報源から事実を検証しながら深く調査できるので、信頼性の高い情報が得られます。 テレビ番組・放送回情報、タレント情報などを一元管理し、日付・曜日の矛盾がないか、ゲスト情報が正確かなどを自動チェックできます。 既存データの誤りを特定し、追加・削除・修正が必要な項目を差分リストで明示してから作業を進めるため、予期せぬ影響を防げます。 調査内容の検証方法と検証日を記録することで、データの信頼性と履歴が明確に追跡できます。 わからないことはわからないと正直に報告し、AI（Teddy）が参照するナレッジベースの品質を継続的に改善できます。 テレビ番組情報や放送データを正確に管理・更新する必要がある放送局やメディア関係者 複数の情報源から事実を検証して、信頼性の高いデータベースを構築したい研究者やコンテンツ企画者 AIが参照する知識ベースの正確性が重要なシステム運用者やデータ管理者 時系列データやゲスト情報など、矛盾・重複が起きやすいデータを扱う組織 調査は探索であり、固定的な手順ではなく臨機応変に深掘り・横展開します。基本姿勢は好奇心主導、柔軟な軌道修正、品質重視、不確実性の受け入れ、自分の理解を疑うことです。 データ品質管理は最重要で、「作成→コミット→検証」ではなく「作成→サンプル検証→問題発見→修正→コミット」の順序が必須です。時系列データ（放送回・イベント）、ゲスト/出演者リスト、日付+曜日の組み合わせは検証の危険度が高く、複数の信頼できる情報源（一次情報源）でクロスチェックが必要です。 調査開始時は、ユーザーの質問を言い換えて意図を確認し、前提条件と既存データを確認したうえで差分リストを作成します。削除が「過去の実績」なのか「誤記載」かを必ず確認してから修正範囲を宣言します。検証結果は検証日、対象、検証方法、結果（正確/一部誤り/重大誤り）、修正内容、未検証項目をまとめて記録します。

「lint」「フォーマット」などのコマンド実行で、コードの問題点を自動的に検出・修正できます セミコロル漏れ、インデント不統一、import順序の乱れなど、細かなコード品質の問題を一括で自動修正します CIパイプラインでのlintエラーをローカルで再現・修正できるため、何度もCI実行を繰り返す手間が減ります 型安全性を高める「as any」の使用を検出し、改善案を提示します コード品質を統一・維持したいチーム開発をしている人 CIのlintエラーで何度も修正を繰り返している人 コミット前に自動でコードをチェック・整形したい人 TypeScript型チェックやコード整形の細部ルールを統一したい人

GitHub Actionsのエラーログを分析し、TypeScript・Lint・テストなど、エラーの種類を正確に特定できます ローカルでエラーを再現してから修正するため、CI実行とローカル実行の差分による無駄な修正サイクルを減らせます 複数のエラーが出ている場合、優先度をつけて1つずつ（または関連するものを一括で）修正し、各ステップでCI再実行して進捗を確認できます 依存関係の問題（Prismaなど）から順に修正するなど、根本原因から対処するため、同じエラーの再発を防げます CI実行後のエラー対応がストレスな開発者 複数の異なるエラーが同時に出た時の優先順位が分からない人 ローカルではエラーが出ないのにCIで落ちる、という経験がある人 チーム開発で別ブランチのCI修正を手伝う機会が多い人

「as any」の使用箇所を検出し、型定義を追加する、型ガード関数を作成するなど、具体的な改善方法を提案できます 未使用コード・TODOコメント・型エラーなど、コードの健全性を総合的にチェックできます TypeScript型チェックの厳密性を段階的に上げるため、チーム全体で型安全性を向上させるロードマップを作成できます リファクタリング前に影響範囲を把握し、段階的な改善計画を立てるため、本番環境への影響を最小限にできます 「as any」を使わない型安全なコードを目指したい人 コード品質が気になるけど、何から始めたらいいか分からない人 既存プロジェクトの技術的負債（古い実装パターン）を改善したい人 リファクタリング作業で安全性を保ちたい人

プロンプトの「役割定義」「具体的な指示」「出力フォーマット」「制約条件」を体系的に設計するため、AIの応答品質が向上します Few-shot（例示学習）やChain-of-Thought（思考プロセスの可視化）などの実装パターンを組み込むことで、AIの回答がより正確で安定します JSON形式など構造化出力を設定することで、アプリケーション側で応答を確実に処理できます xAI（Grok）やその他のLLMの特性を理解し、最適なプロンプト構造を提案できます 自社プロダクトにLLM機能を組み込んでいる開発チーム AIの応答品質が不安定で、プロンプト調整で改善したい人 Few-shotやChain-of-Thoughtなどの先進的なテクニックを導入したい人 LLM API呼び出し時の出力フォーマットを確実に統制したい人

App Routerを使った最新の構造設計 — Next.js 14の最新ルーティング機能を活用し、複雑なページ遷移や動的なコンテンツ管理を自動で最適化します。 サーバーコンポーネントで高速化 — ページの読み込み速度を自動で改善し、ユーザーが待つ時間を短縮できます。 TypeScriptで安全な開発 — コード入力時にエラーを事前に検出し、バグの少ないアプリケーション開発を実現します。 デザインをコード化（Tailwind CSS） — CSSを簡潔に書け、レスポンシブで美しいUIを素早く実装できます。 画像や動作を自動最適化 — 画像サイズやフォント読み込みを自動で最適化し、スマートフォンでもサクサク動作します。 Webアプリケーション開発者、フロントエンドエンジニア スタートアップやスケール段階でのプロダクト構築を進める人 パフォーマンスと保守性を両立させたい開発チーム TypeScriptを活用した堅牢なアプリ設計をしたい人

再利用可能なコンポーネント設計 — プログラムの部品化を正しく行い、一度作ったコンポーネントを複数の場面で活用できます。 フック機能で状態管理を簡潔に — useState、useEffect など最新の機能を活用し、複雑な状態の管理をシンプルに保ちます。 不要な再レンダリングを自動削減 — React.memoやuseCallbackなどの最適化技術により、アプリケーションの反応速度を大幅に改善します。 型安全な開発体験 — TypeScriptとの連携で、開発時にバグを早期発見し、保守しやすいコードを書けます。 状態管理を最適に配置 — ローカル状態とグローバル状態を使い分け、複雑さを軽減しながら機能を実装できます。 React を使って Webアプリやダッシュボード を開発するエンジニア コンポーネント設計をしっかり学びたい初心者から中級者 パフォーマンス最適化に取り組みたい開発チーム 大規模プロジェクトの保守性を高めたい人

調査結果を図解化 — 数字やデータをプロが作ったような図表に自動変換し、報告書やプレゼン資料を一瞬で美しくできます。 複雑な情報を視覚化 — グラフ、アイコン、レイアウトを自動組み合わせ、一目で分かりやすい情報図解を生成します。 複数の図表を一括生成 — データをまとめて入力すれば、複数のインフォグラフィック（情報図解）を連続で作成できます。 ブランドに合わせた統一デザイン — 色やスタイルを指定すれば、企業イメージに合わせた図表が自動で作られます。 マーケティング・企画職で調査結果をレポートにまとめる人 プレゼンテーション資料を素早く用意したい営業・企画チーム デザイナーを頼らず簡潔な図解を作りたい個人事業主 データドリブンな意思決定を社内で周知したい管理職