開発のスキル

追加したコメントや関数の説明、変更履歴を確認し、開発中の経緯に偏った記述を修正します。後から読む人が、現在のコードの動作や制約を理解できる文章に整えるスキルです。

• コミット前にコメントを点検したいとき
• ブランチ全体の文章レビュー
• 将来の読者向けに関数説明を整えたいとき

現在の作業内容を確認し、必要なブランチ作成やコミットからGitHubへのPR提出まで進めます。文章レビュー、変更履歴の生成、PR説明文の更新もつなぐスキルです。

• 現在の作業をGitHubへPR提出
• 未コミット変更のブランチ化と記録
• 提出時の文章確認と変更履歴追加

プルリクエストの変更を複数の専門エージェントで確認し、明確なバグや開発ルール違反を絞り込みます。検証した問題をコードの該当箇所にコメントするスキルです。

• PRの明確なバグを確認したいとき
• CLAUDE.mdへの準拠確認
• 検証済みの指摘を行コメントに投稿

Pythonのモジュールやクラスに、Google形式の説明文を追加・補完します。引数や戻り値、設定項目を整理し、既存の完全な説明は保ちます。

• Pythonモジュールを文書化したいとき
• 初期化の引数や公開メソッドの説明
• 設定項目やEnumの値の説明

指定日のサービス調査レポートをまとめ、保守担当者が先に確認すべき更新やエラーを最大5件の見どころとして添えた、ローカルのダイジェストを作るスキル。

• 一日分のサービス調査をまとめたいとき
• 確認すべき更新を優先づけたいとき
• 追加調査をダイジェストに反映したいとき

Pipecatが利用する各サービスの新モデルやAPI機能を調査し、サービス別のレポートと、確度の高い更新を反映したローカルブランチを作るスキル。

• 新モデルやAPI機能を調べたいとき
• 特定の提供元に絞って調査したいとき
• 明確な更新のローカルブランチ作成

GitHubのPRの差分や関連情報を読み、変更の背景、変わる動作、レビューで確認すべき点を平易にまとめます。説明文の下書き作成と更新に対応します。

• 新しいPRの説明を下書きしたいとき
• 最終実装に合わせた説明文の書き直し
• 動作の変更点やレビュー観点の説明

指定されたコード変更を読み取り専用でレビューし、周辺コードやテスト、呼び出し元を確認して、変更によって生じた修正可能な不具合を重大度順に報告するスキル。

• 未コミットの変更の不具合を調べたいとき
• ベースブランチへマージする差分の確認
• 特定コミットの不具合とテスト不足の確認

専門知識や繰り返す作業手順を、Codex向けのスキルにまとめます。利用例の整理からSKILL.mdや付属ファイルの設計、ひな形作成、基本検証までを案内します。

• 繰り返す業務をスキル化したいとき
• 社内知識やAPI手順の整理
• 既存スキルと参考資料の構成見直し

AIエージェントが外部APIやサービスを使うためのMCPサーバーを作るスキル。ツールの設計から認証・入力検証の実装、動作確認、評価問題の作成まで支援します。

• 外部APIをAIエージェントにつなぎたいとき
• TypeScriptやPythonでMCPを作りたいとき
• ツールの入力・応答・エラーを設計したいとき

qiankun 3.xで複数の画面アプリを組み合わせる開発を支援するスキル。親アプリや子アプリの作成、既存Viteアプリの変換、React・Vueでの読み込みを扱います。

• 複数アプリを読み込む親アプリを作りたいとき
• qiankun 3.xの子アプリを作りたいとき
• 既存Viteアプリを子アプリに変換したいとき

MNNのOpenCLバックエンドで推論が遅い原因を調べ、GPUの処理コードや演算子を最適化します。基準測定から正しさの比較、Android実機での性能検証まで支援します。

• モデルのGPU推論のボトルネック調査
• 特定の演算子のkernel最適化
• 代替経路を備えたOpenCL拡張の統合

MNNのMetalバックエンドで、性能のボトルネック診断からGPU処理の開発、演算子融合、実行時の処理調整まで、課題に合う手順と検証方法を案内します。

• Metal推論の遅さを調べたいとき
• Metal kernelを追加・変更したいとき
• 複数演算子を一度に実行したいとき

MNN の CPU 向け計算処理を新規実装・移植するためのスキルです。基準実装との比較から SIMD・アセンブリへの段階的な実装、関数登録、正しさの検証まで案内します。

• MNN の CPU kernel を実装・移植
• 新しい命令セットに対応したいとき
• データ配置や tile を変更したいとき

MNNのQNNバックエンドで起きる実行エラーや推論結果の異常を調査します。途中の計算データをCPUと比較し、精度低下の切り分けや演算子の追加・修正を支援します。

• QNNの実行・モデル変換エラー調査
• 最初に結果が崩れる演算子の特定
• 実装の不具合と数値精度の切り分け

MNNに新しい演算子を追加するため、データ定義から出力形状の計算、実装、単体テストまでを段階的に進めます。既存演算子の組み合わせや各バックエンドへの拡張も扱います。

• MNNに新しい演算子を追加したいとき
• 出力形状の計算を実装したいとき
• 既存演算子を組み合わせたいとき

MNNのCPU推論が遅い原因を、スレッド、処理の割り当て、メモリ配置、命令の実行経路から調べます。演算子単位の測定と他フレームワークとの比較で、改善箇所を絞ります。

• CPUの演算子やLLM推論の遅さを調査
• スレッド数・メモリ使用量の異常調査
• 変更後の性能低下の原因特定

MNNのVulkanバックエンドで、CPUとGPUのボトルネックを切り分け、演算子やGPU処理の最適化を進めます。新機能の組み込みと実機での回帰検証も扱います。

• Vulkan推論の遅さを切り分けたいとき
• 指定演算子やshaderを改善したいとき
• cooperative matrixなどを導入したいとき

MNNの出力異常や変更後の不具合を症状別に切り分け、メモリ・量子化・並行処理・キャッシュなどの調査資料へ案内し、比較検証の進め方を整理するスキル。

• MNNの文字化けや出力劣化の調査
• 実行先ごとの結果を比較したいとき
• 最適化後の不具合を追いたいとき

MNNのHexagon DSPバックエンドで、実機測定に基づく性能改善、リファクタリング、障害調査を進めます。処理段階別の分析とv79・v81での検証を扱います。

• Hexagon演算の遅さを調べたいとき
• v79とv81で変更を検証したいとき
• cDSPのクラッシュを調査したいとき

MNN の CPU 側の作業を、速度低下の診断や計算処理の実装など、目的に合う手順へ案内します。ARM・x86_64・RISC-V の構造の違いも確認できる入口です。

• MNN の CPU 性能調査を始めたいとき
• CPU kernel の実装手順を探す
• 三つの CPU 構造を比較したいとき

WaspやOpen SaaSでの開発に向けて、AIコーディングツールへ専用知識や推奨手法を追加するスキルの導入手順を取得し、設定を案内します。

• AIにWaspの知識を追加したいとき
• 専用スキルの導入手順を確認したいとき
• Open SaaS開発の環境準備

Open SaaSの構成や機能、カスタマイズ項目を、ガイドとプロジェクト内の関連ファイルを照らし合わせ、質問を挟みながら順番に理解できるよう案内します。

• Open SaaSの構成を把握したいとき
• 機能とカスタマイズ項目の確認
• 説明に対応するファイルを探したいとき

Open SaaSの開発を始めるために、Waspのインストール状況を確認し、OSに応じた導入からデータベースの準備、アプリの起動まで案内します。

• Waspの導入状況とバージョン確認
• OSに合ったWaspのインストール
• PostgreSQLの起動と構造変更の反映