Skill.md検索

大きなプロジェクトを複数のエージェント（AI アシスタント）に役割分担して、効率的に並列実行できます 「調査は researcher、実装はアプリケーション開発者、テストは tester」というように、独立した責務を明確に分割し、無駄な待機時間を削減します 主担当者が最終的に全ての結果を統合・判断するため、品質と一貫性を保ちながら速度を上げられます クリティカルパス（終了までに必ず必要な作業経路）を意識して、ブロッキング作業と並列化可能な作業を自動判断します 大規模な機能開発や既存システムの改善に携わるエンジニア：プロジェクト全体の効率化 プロジェクトマネージャー・テックリード：複数メンバーの作業を整理・最適化したい 複数の領域（フロントエンド、バックエンド、インフラ）にまたがる大型タスク：並列実行による納期短縮 調査と実装を同時進行したい場面：調査中に実装を進め、検査結果をすぐ組み込める 運用の核は「今すぐ主担当が自分でやるべき作業は委譲しない」という原則です。委譲前に主担当が（1）ユーザー要求の要約、（2）クリティカルパスの特定、（3）並列化できる独立タスクの抽出、（4）自分が今すぐ着手する作業の決定を確定させます。タスク分割時は、入力・完了条件・責務範囲・主担当の直後作業をブロックしないことが条件です。役割は planner・researcher・frontend-dev・backend-dev・tester・debugger・reviewer など9種類で、必要最小人数（小規模2-3人、中規模3-4人、大規模4-5人）で始めます。並列化してよいのは互いに独立していて成果物の衝突が小さいタスク限定です。

アイデアや曖昧な要件を1質問ずつの対話で明確化し、実装可能な設計書に変換できます。 コードベースを事前調査してから質問を設計し、プロジェクト固有のパターンに沿った提案ができます。 Why（なぜやるか）→ Who（誰が使うか）→ What（何ができるか）→ Scope（何をやらないか）の優先順位で本質的なニーズを引き出せます。 2～3のアプローチ案を「メリット・デメリット・工数」付きで提示し、ユーザーが最適な選択をできるようにサポートします。 PBI INPUT PACKAGE 形式の設計書を自動生成し、セルフチェック（Context、受入基準、Out of scope など）を実施できます。 「こういう機能を作りたい」という漠然したアイデアを持っているプロダクト担当者やPM 要件定義に時間がかかり、実装後に手戻りが発生しやすい開発チーム 複数のアプローチの比較検討が必要な技術的な設計判断が必要な場面 設計品質を高めたい、または「急いでいるから」という理由で設計スキップを防ぎたい組織 このスキルの鉄則は「NO CODE WITHOUT APPROVED DESIGN FIRST」で、設計承認前のコード実装を禁止しています。8ステップフロー：(1)プロジェクトコンテキスト探索で関連コードを調査、(2)明確化質問を優先順位付きで1つずつ実行（Why→Who→What→Scope→Constraints）、(3)2-3のアプローチを変更範囲・工数・トレードオフ付きで提示、(4)ユーザーがアプローチを選択、(5)pbi-input.md形式の設計書を作成、(6)自動セルフチェック（Context具体性、受入基準検証可能性、Out of scope明確性、アーキテクチャ整合性、YAGNI確認）、(7)ユーザーレビュー、(8)承認後に実装フェーズへ。哲学として1質問ずつ、YAGNI原則、代替案提示、既存パターン優先、インクリメンタル承認を重視します。

変更内容を自動スキャン：コミット前に、あなたの変更コードを詳しく確認し、問題がないかチェックします。 命名規則や書き方の統一性を検証：関数名や変数名が既存コードと一貫しているか、わかりやすいかを確認します。 呼び出し元の影響範囲を追跡：変更した関数やクラスが他の場所でどう使われているかを自動検索し、漏れなく対応できているか確認します。 データの流れ全体を検査：入力から出力まで、データが正しく処理されているか、各レイヤー（UI・ロジック・データベース）で問題がないか確認します。 不要なコードや試験的なコードが残っていないかチェック：削除し忘れたファイルやTODOコメント、旧実装が残っていないか確認します。 プルリクエスト（PR）を出す前に品質チェックしたい開発者：マージ前に自分で詳しくレビューし、指摘を減らしたい方。 コード品質を高めたい個人開発者や小規模チーム：複雑な変更で見落としがないか心配な方。 既存コードへの影響を確実に把握したい方：リファクタリング（コードの整理・改善）やAPI変更時に、壊れる可能性のある箇所を事前に発見したい方。

ユースケースから要件をヒアリング：あなたの課題や実装したい機能について質問し、本当に必要な要件を一緒に整理します。 スキルの責務と範囲を決定：「何をするか」「何をしないか」を明確に定義し、シンプルで実装可能な設計にまとめます。 SKILL.mdファイルを自動生成：スキルの仕様書（SKILL.md）をテンプレートから生成し、すぐにリポジトリで使える状態に整えます。 対応ツールと起動条件を提案：必要なツール（ファイル読み込み、検索など）を選び、ユーザーがどう呼び出すかを定義します。 評価基準とサンプルデータを作成：新しいスキルがちゃんと動作するかを測るテスト方法と評価基準を用意します。 繰り返し作業を自動化したい開発者：手動で毎回やっている処理（ドキュメント生成、コード検査など）をAIに任せたい方。 AIエージェント（Claude Code）をカスタマイズしたい組織：自社の開発フロー・ルールに合わせたスキルを一から作りたい方。 スキル設計の経験がない方：要件のヒアリングから設計・実装まで、プロセスに沿ってサポートしてもらいたい方。

大きな実装タスクを自動分割：実装計画を受け取り、複数の小さなタスク（実装単位）に自動的に分割します。 複数タスクを並列実行：分割したタスクを別々のAIエージェント（サブエージェント）に同時に委譲し、開発を高速化します。 仕様準拠性を自動チェック：各タスクが要件・設計書（spec）に従っているか、専門のレビュー用エージェントが確認します。 コード品質を多角的に検証：命名規則、エラーハンドリング、パフォーマンス、セキュリティなど、品質面を徹底的にチェックし、修正が必要な箇所を指摘します。 修正と再レビューを自動循環：指摘があれば自動的に修正を依頼し、再度チェックするまでを繰り返します。 大規模機能開発をリーダーが管理したい方：複数エンジニアが同時に実装するときに、品質を保ちながら進捗を加速させたい方。 品質とスピードの両立を目指す開発チーム：自動分割と並列実行で開発期間を短縮しつつ、2段階レビューで品質を担保したい方。 実装ムラをなくしたい組織：担当者が変わってもチェック基準を統一でき、一定レベルの品質を保ちたい方。

エラーや不具合を段階的に調査：「エラーが出ている」「テストが失敗している」という状況から、体系的にステップを踏んで原因を探します。 推測ではなくエビデンス（証拠）に基づいて原因を特定：ログやコードの実行結果など、具体的な証拠を集めてから「このバグの原因は〇〇」と判定します。 問題を半分に分けて切り分け（二分探索）：複雑なバグも、問題を細かく分割することで、どこが壊れているかを素早く特定します。 いつから壊れたのかを自動検出：git履歴から「どのコミットで問題が混入したか」を特定し、その変更を集中的に調査します。 修正前にテストを作成：バグを再現するテストを先に書き、修正後に確実に問題が解決したことを確認します。 本番環境で問題が発生し、原因が特定しにくい場合：ログだけでは分からない複雑なバグを、体系的に調査してもらいたい開発者。 テストが頻繁に落ちて対応に時間がかかる開発チーム：推測で修正を繰り返すのではなく、根本原因を特定して一度で直したい方。 デバッグの手順を確立したい組織：属人的でなく、誰が調査しても同じ品質で問題が解決されるデバッグプロセスを導入したい方。