Skill.md検索

キーワードでブックマーク全文検索でき、保存済みの記事や情報を素早く見つけることができます。検索結果がTSV形式で返るため、大量の記事から効率的に目的の情報を抽出できます。 ブックマークにIDで指定して本文をMarkdown形式で取得でき、記事の要約・比較・分析にそのまま活用できます。 URLを指定すれば、Webページの本文を自動抽出してMarkdown形式でブックマーク保存でき、手動コピペが不要になります。 RSSフィード一覧の確認や記事一覧の取得が可能で、複数のフィードソースを一元管理できます。 ブックマークの追加・削除操作ができ、個人の情報管理体制をコマンドラインから効率的に管理できます。 日々大量の記事やWebページをリサーチして保存している調査担当者・ジャーナリスト RSSフィードで複数のニュースソースを監視している営業・マーケティング担当者 過去の保存記事を頻繁に検索・参照して意思決定に活かしたい企画・分析職 CLIとAIを組み合わせて情報検索・整理を自動化したい技術志向のユーザー bookmark-rss CLIはブックマーク検索・記事取得・フィード管理・ブックマーク追加削除を実行。AI利用を意識した設計で出力はプレーンテキスト（TSV/Markdown）の機械可読性が高い形式。前提として認証が必要であり、JWTトークンが必須（未ログイン時は「bookmark-rss login」実行が必要）。ログインはDevice Code Flowでブラウザ操作が必要なためAIは代行不可。典型的ワークフロー①キーワード全文検索で該当ID一覧をTSV出力→②IDを指定してMarkdown本文取得。URLから直接ブックマーク追加時はbookmark add [URL]でWebページ本文を自動抽出・Markdown保存。コマンド一覧はbookmark-rss-cli helpで確認可能。user-invocableはtrueで、ユーザーが直接この機能をトリガーできます。

新機能の作成からバグ修正、コードの整理・改善（リファクタリング）まで、すべての開発工程でテスト駆動開発を強制できます。 ユニットテスト・統合テスト・E2Eテストを含めて80%以上のカバレッジを確保し、コードの安全性を保証します。 「テストを先に書く → テストをパスするコードを書く → テストをグリーンに保ちながらコードを整理する」というサイクルを自動で回し、品質の高い実装を実現できます。 ユーザージャーニーから包括的なテストケースを自動生成し、エッジケースやエラーシナリオもカバーできます。 新機能開発やバグ修正を行う開発者で、品質を担保したい人 テスト駆動開発の方法論を導入し、チーム全体のコード品質を向上させたい組織 APIエンドポイント追加やコンポーネント作成時に、エッジケースまで網羅したテストを書きたい人 既存コードをリファクタリング（整理・改善）する際に、動作を壊さないか確認したい開発者 TDDワークフローは7ステップで実行されます。① ユーザージャーニーを記述（「〇〇として、□□をしたい。なぜなら△△だから」の形式）。② 各ユーザージャーニーに対して包括的なテストケースを生成し、エッジケースやフォールバック動作も含める。③ テストを実行して失敗を確認（実装前なので失敗するはず）。④ テストをパスするための最小限のコードを実装。⑤ テストを再実行してパスを確認。⑥ テストをグリーンに保ちながらコード品質を改善（重複除去、命名改善、パフォーマンス最適化など）。⑦ npm run test:coverage で80%以上のカバレッジを検証。テスト対象はユニットテスト（個別関数・コンポーネントロジック）、統合テスト（APIエンドポイント・DB操作・サービス連携）、E2Eテスト（Playwright使用・クリティカルなユーザーフロー）の3種類です。

プロジェクト固有のアーキテクチャ・ファイル構造・コードパターンをスキルに定義し、Claude Codeが常にそれに従うようにできます。 Next.js、FastAPI、Supabaseなど、採用テックスタックの詳細設定や依存関係を統一的に管理できます。 テスト要件やデプロイメントワークフローを明記することで、品質基準をAIに自動遵守させられます。 複数メンバーが同じプロジェクトスキルを参照することで、チーム全体のコーディング標準化と効率化を実現できます。 新規プロジェクトや既存プロジェクトのベストプラクティスを定義・記録したい技術リード チーム全体でコーディング標準を統一し、コードレビューの負担を減らしたいマネージャー テックスタックが決まったプロジェクトで、AIアシスタントを正確に指示したい開発者 このスキルはプロジェクト固有ガイドラインのテンプレートで、Zenith（AI搭載カスタマーディスカバリープラットフォーム）の実装に基づいています。アーキテクチャ概要では、フロントエンド（Next.js 15、TypeScript、React、デプロイ先Vercel/Cloud Run）、バックエンド（FastAPI、Python 3.11、Pydantic）、データベース（Supabase PostgreSQL）、AI（Claude API、ツールコール・構造化出力対応）、テスト（Playwright E2E、pytest、React Testing Library）を記述します。ファイル構造はproject/frontend/src（app、components、hooks、lib、types、config）とproject/backend（routers、models.py、main.py、auth_system.py、database.py、services）の詳細ツリーで定義します。

ターミナル内にペインを分割（左・右・上・下）し、独立した作業エリアを作成できます。 複数のワークスペースを管理し、プロジェクトごとに画面レイアウトを分離できます。 Bashコマンドを遠隔からペイン・サーフェスに送信し、複数の操作を並列実行できます。 画面内容（ターミナル出力）をテキストで読み取り、スクロールバック履歴も参照できます。 Ctrl+C など制御キーを正確に送信でき、実行中のプロセスを制御できます。 複数の長時間実行タスク（ビルド・テスト・デプロイ）を同時に監視する開発者 AIエージェント（Claude Code サブエージェント）を起動・監視・制御したい人 ターミナルの出力結果をプログラムから読み取り、次のアクションを自動判定したい人 cmux マルチプレクサ環境下で、CLI経由の自動化スクリプトを実行する人 cmuxはターミナルマルチプレクサで、ペイン分割・サブエージェント起動・監視・結果回収、コマンド送信、画面読み取り、通知に使用される。CMUX_SOCKET_PATH環境変数が存在すればcmux内で動作している。リソースは短縮refsで参照（window:1、workspace:2、pane:3、surface:4）。基本操作はcmux new-split（分割）、cmux new-workspace（新ワークスペース）、cmux send（コマンド送信）、cmux send-key（キー送信）、cmux read-screen（画面読み取り）。重要な改行ルール: 末尾の\n1個だけが Enter として機能し、文字列途中の\nは改行にならない。複数行テキスト送信時は行ごとにsendとsend-key returnを交互に実行する。制御キー（Ctrl+C等）は必ずsend-keyで送り、sendでは送れない。別ワークスペースのサーフェス操作時は--surfaceではなく--workspaceを使用する（--surfaceでクロスワークスペース操作するとエラー）。

プロジェクト全体で一貫性のある命名規則・コードスタイル・エラーハンドリングを自動で適用できます 所有権やライフタイムに関する初心者向けのミスを事前に防ぎ、メモリセーフなコードを書くためのパターンを提供します DRY・KISS・YAGNIなどの設計原則に基づいた、保守しやすいコード構造を実現できます cargo fmtやclippyなどのツール設定と組み合わせて、完全に自動化されたコード品質チェックを構築できます Rustチームにおいて、メンバー間のコーディングスタイルのばらつきを減らしたいテックリーダー Rustの初級～中級エンジニアで、ベストプラクティスを学びながら実装したい開発者 既存のRustプロジェクトをリファクタリングし、可読性と保守性を高めたい保守チーム

認証・認可・ユーザー入力処理・シークレット管理など、セキュリティ関連の実装に対して包括的なレビューを自動で実施できます SQLインジェクション・ファイルアップロード脆弱性・クロスサイトスクリプティング（XSS）などの一般的な脆弱性パターンを事前に検出できます 環境変数の管理・入力バリデーション・エラーメッセージの設計など、セキュリティベストプラクティスのチェックリストに基づいて検証できます 決済機能や機密データを扱う機能の実装時に、コンプライアンス要件に対応したコード設計を提案できます APIサーバーやバックエンド開発を担当し、セキュリティを最優先にしたいエンジニア 認証機能や支払い処理など、セキュリティリスクの高い機能を実装する際に安心が欲しい開発者 セキュリティレビュー体制がまだ整っていないスタートアップやスモールチームのリーダー

実装前に成功基準を明確化: コーディング開始前に「何をテストするか」「何で合格とするか」を形式的に定義でき、曖昧な実装や要件の漏れを防ぎます。 新機能と既存機能の両面をテスト: 新しく追加された機能（ケイパビリティEval）と既存機能が壊れていないか（リグレッションEval）を同時に検証し、変更による副作用を早期に発見できます。 3回の試行で目標成功率を測定: pass@kメトリクス（複数回の試行で成功する確度を測定）により、実装の信頼性を定量的に把握でき、「このコードは本当に大丈夫か」の客観的判断ができます。 開発中に継続的にテスト実行: 実装の各段階でテストを走らせ、進捗を記録するので、問題の早期発見と修正が可能になり、最後の大規模なテスト実施を減らせます。 品質が問題になるプロジェクト（金融系、医療系、インフラなど）で確実な実装が求められるチーム AI支援でコード生成を行うが、自動生成コードの信頼性を検証したい開発者 テスト自動化を導入したいが、何をどこまでテストするか決められず悩んでいるチーム

初期検索から段階的にコンテキスト精緻化: 広い範囲で候補ファイルを集め、関連度を評価して、次第に必要な情報に絞り込むことで、限られたコンテキスト（トークン数）の中で最も重要な情報を集中させます。 不要な情報を自動除外: 関連度の低いファイルやパターンを評価スコアで判定し、次のサイクルから除外することで、エージェントが余計な情報に惑わされず、本当に必要なコードだけに集中できます。 コードベースのパターンと用語を学習: 初回検索で見つかったコードから新しいパターンやプロジェクト特有の用語を自動抽出し、次の検索条件に組み込むので、2回目以降の検索精度が向上します。 最大3サイクルで最適なコンテキストセットに収束: 無限ループを避けながら、3回の反復で十分な情報を集めるので、コンテキスト制限の中で効率よく作業を進められます。 複数のAIエージェントを連携させた開発ワークフローを構築している方 大規模プロジェクトで限られたコンテキストウィンドウ内で複雑なタスクを実行する必要がある開発チーム AIのハルシネーション（見当違いな出力）や不完全な実装を減らしたい開発者

タスク完了のタイミングで自動提案 - 調査が終わったら圧縮を勧め、次のフェーズに向けて会話を整理できます。 会話履歴の無駄をカット - 解決済みのデバッグ内容やリサーチプロセスを圧縮し、重要な情報だけ残して次に進めます。 任意のタイミングで圧縮可能 - AIが自動で勝手に圧縮しないため、作業の途中で大切なコンテキストが消えることがありません。 設定で圧縮のタイミングを調整 - ツール呼び出し回数の閾値を変更して、自分の作業スタイルに合わせられます。 長時間にわたってAIアシスタントと対話を続けるエンジニア・研究者 トークン数（会話の長さ）を節約して、より効率的にAIを使いたい人 会話を整理しながら、複数ステップのプロジェクトを進めたい人

テストを先に書き、テストをパスするコードを実装する流れを完全自動化し、バグの少ない堅牢なコードを効率よく生成できます。 ユニット・統合・E2Eテストを自動生成し、最低80%以上のテストカバレッジ（テストがカバーするコード範囲）を確保できます。 エラーケース（エラーが発生するパターン）や境界条件（データの最小値・最大値など）を含む包括的なテストで、本番環境での問題を事前に防げます。 リファクタリング（コードの整理・改善）時にテストが自動実行され、既存機能を壊していないことを常に確認できます。 本番環境でのバグを減らしたいエンジニア 既存コードの品質が低く、修正に時間がかかっている開発チーム テストが不十分で、リファクタリングに踏み切れない状況の人 Rustで信頼性の高いシステムを構築したい開発者

APIの設計パターンを自動適用 - RESTful APIのURL構造やクエリパラメータの設定方法を学び、一貫性のあるAPI設計ができるようになります。 データアクセス層の構築を効率化 - リポジトリパターン（リポジトリ設計）を使ってデータベースアクセスをシンプルにでき、後からデータベースを変更する際の影響を最小限に抑えられます。 ビジネスロジックの整理 - サービスレイヤーパターンでビジネスロジックをデータアクセスから分離し、テストしやすく保守しやすいコードになります。 認証・キャッシュなどの共通処理を自動化 - ミドルウェアパターンを使ってリクエスト/レスポンスの処理パイプラインを構築し、複雑な共通処理を簡潔に実装できます。 Node.js・Express・Next.jsのベストプラクティスを適用 - 複数のフレームワークに対応した実装パターンを学び、どのフレームワークでも品質の高いバックエンドを構築できるようになります。 バックエンド開発の設計に悩んでいるエンジニア APIの構造や層の分け方を体系的に学びたい開発者 既存バックエンドコードを改善・リファクタリングしたい人 複数のプロジェクトで一貫性のある設計を実現したいチーム

設計書を自動分解してタスク化 — 設計書の各セクション・要件をタスクファイルに自動変換し、連番管理されたタスクリストを生成できます。 タスク→実装→検証を一気通貫で管理 — 各タスクに実装チェックリスト・検証項目を紐付け、進捗を「未着手→実装中→完了」と明確に追跡できます。 設計と実装の整合性を保証 — 各タスクに設計書へのリンクを含めることで、実装者が常に仕様を参照でき、要件の漏れを防げます。 プロジェクト全体の進捗を可視化 — タスクファイルの【完了】マークで完了率を把握でき、チーム全体の開発進捗が一目瞭然になります。 複数の機能を並行開発しており、タスク管理を効率化したいチームリード 設計書から開発タスクへの落とし込みを自動化したいプロジェクトマネージャー 実装漏れや仕様乖離を防ぎたい品質管理担当者 Markdownベースの軽量なタスク管理ツールを導入したい開発チーム

タスク要件とコードを自動突合 — タスクファイルに記載された各要件に対して、実装コードが正しく対応しているか自動チェックできます。 仕様漏れ・仕様乖離を検出 — 要件に対応するコードが存在しない、または仕様と異なる実装になっている箇所を自動指摘できます。 検証レポートを自動生成 — 各タスクの適合状況を構造化されたレポート（適合・不適合・要確認）として出力できます。 設計書も含めた多層検証 — タスクだけでなく、設計書の詳細仕様との整合性も確認し、より正確な検証が可能になります。 実装完了前に仕様適合性を確認したい開発者 コードレビューの前段階として自動検証を導入したいチームリード 設計と実装の乖離を早期に検出し、手戻りを減らしたい品質管理者 複数人での並行開発で、要件漏れを防ぎたいプロジェクト管理者

ビルド・型チェック・Lintを自動実行 — コード変更後に一括で品質チェックを実行し、エラーの見落としを防止します。 テスト実行とカバレッジ測定 — テストスイートを動かし、テスト数・パス/フェイル状況・カバレッジ率（目標80%）を可視化できます。 セキュリティリスクを検出 — APIキーやシークレット、デバッグコードが誤ってコミットされていないかスキャンします。 変更内容の差分レビュー — 何のファイルが変わったか、意図しない変更がないかを自動確認できます。 PR準備完了の判定 — 全フェーズのチェック結果を1つのレポートにまとめ、PRが出せる状態かどうかを即座に判断できます。 機能完成後にPRを出す前に、品質チェックを一括で済ませたい開発者 大きなリファクタリング後に、何も壊れていないか確認したい人 テスト漏れやセキュリティ問題を事前に防ぎたいチーム 長時間の開発セッションで、定期的に品質を確認したい人