Skill.md検索

OpenAIの「Harness engineering: leveraging Codex in an agent-first world」に基づき、リポジトリを24項目で採点し、ハーネスエンジニアリング成熟度を可視化できます。 Context Engineering（5項目）、Architectural Constraints（7項目）、Test Harness（6項目）、Observability（6項目）の4つの柱で、AI エージェントが正確に動作するための基盤を診断できます。 エージェント指示ファイル、ドキュメント構造、リンター・テスト・CI設定など、エージェントの判断精度を左右する要素を機械的に評価できます。 成熟度スコア（0～3点×24項目=最大72点）により、改善優先度を数値化できます。 AI エージェント（Copilot等）活用を検討している開発チームリーダーの人 コードベースの "AI-ready" 度合いを測定し、改善計画を立てたいエンジニアの人 リポジトリの品質管理基準として、定量的な診断フレームワークが必要なアーキテクト・CTO の人 ハーネスエンジニアリング（テストやドキュメント、制約の機械的な実行）を推進する組織の人 対象リポジトリのパスを第1引数で指定（省略時はカレントディレクトリ）します。4つの評価柱それぞれ3～7項目を、スコア0～3で評価します。柱1「Context Engineering」は、エージェントが正しく判断できる情報の実効性（プロジェクト固有の設計判断・禁止パターン・コマンド体系の記載）、指示の簡潔さ、構造化ドキュメント、段階的情報開示、リポジトリ内完結度を診断します。柱2「Architectural Constraints」は、リンター・カスタムルール、依存関係レイヤリング、構造テスト、pre-commit/CIゲート、テストスイートの充実度を診断します。柱3「Test Harness」と柱4「Observability」も同様に項目ごとに実効性を評価します。診断結果は72点満点で、各項目のスコアをテーブルで報告し、チームが改善に着手する際の優先度付けが可能になります。

タスク開始時にゴール（何を達成するか）とプラン（どうやるか）をファイルに記録し、AIが作業途中でゴールを見失うのを防ぎます。 セッションが分割されても同じブランチなら同じゴール・プランを自動的に読み込み直し、複数回に分けて作業を進めることができます。 各ステップのチェックボックスを進捗に応じて更新でき、いつでもタスクの完了度を一目で把握できます。 タスク完了時に自動的に完了条件をチェックし、未完了の項目があれば続行するよう促すため、不完全な完了を防ぎます。 複数日・複数セッションにまたがる機能開発・リファクタリングを実施するエンジニア AIエージェントに実装を任せる際に、最後まで正確に完了させたいプロジェクトマネージャー・テックリード 複雑な要件を整理してから実装に進みたい開発者