リサーチ・学習のスキル

Self-review, audit, or verify CS/AI/ML paper drafts as a critical peer reviewer. Three-round review (evidence→argument→style) with Verification Status and debt tracking. Use when: reviewing a paper draft before submission, checking evidence compliance of claims, simulating peer reviewer feedback, verifying citation closure and evidence debts, performing cross-section consistency checks. Triggers on: 审修, self review, 自查, verification, revise, 修订, check draft, 审稿, evidence compliance, peer review, 论文审查, draft audit, 验证论文, 检查引用, cross-section review.

日本語の概要は準備中です。原文の説明を表示しています。

Detects content similarity, verifies standardized citations and abbreviations, and flags potential academic integrity risks; use it before submission, during academic writing QA, or for compliance reviews.

日本語の概要は準備中です。原文の説明を表示しています。

Expert knowledge of academic writing standards for peer-reviewed papers, including citation integrity, style compliance, clarity, and scientific writing best practices. Use when reviewing or editing academic manuscripts, papers, or research documentation.

日本語の概要は準備中です。原文の説明を表示しています。

Creates high-quality content (blog posts, tweets, newsletters, documentation) that matches the user's writing style and voice. Performs web research to find citations and supporting evidence. Use when user requests blog posts, marketing content, newsletters, tweets, or any written content that should sound authentic and be well-researched.

日本語の概要は準備中です。原文の説明を表示しています。

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape. Activate on "find expungement data", "scrape state laws", "legal research", "court URLs", "statute sources", "Clean Slate laws", "automatic expungement research". NOT for interpreting laws (use national-expungement-expert), building UI, or legal advice.

日本語の概要は準備中です。原文の説明を表示しています。

Technical research methodology with YAGNI/KISS/DRY principles. Phases: scope definition, information gathering, analysis, synthesis, recommendation. Capabilities: technology evaluation, architecture analysis, best practices research, trade-off assessment, solution design. Actions: research, analyze, evaluate, compare, recommend technical solutions. Keywords: research, technology evaluation, best practices, architecture analysis, trade-offs, scalability, security, maintainability, YAGNI, KISS, DRY, technical analysis, solution design, competitive analysis, feasibility study. Use when: researching technologies, evaluating architectures, analyzing best practices, comparing solutions, assessing technical trade-offs, planning scalable/secure systems.

日本語の概要は準備中です。原文の説明を表示しています。

新しいライブラリ/フレームワークの参照スキルを skills/<library>/ に新規作成するワークフロー。 公式ドキュメント調査から SKILL.md 作成・検証・CLAUDE.md 反映までを Agent 委譲で進める。 「スキルを追加して」「<library> のリファレンスを作って」などで使用。

実装タスクの計画を `_/local-plans/<plan-name>.md` に作成する。「計画立てて」「設計して」「実装方針を考えて」「タスク分解して」で使用。 Explore Agent でコードベースを先に調査し、検証可能な粒度・並列実行可能な単位で記述する。 plan-verifier Agent で検証可能な標準フォーマット（背景・現状・設計・ファイル構成ツリー・実装ステップ・検証方法）に従う。 実装消化は implement-issue、Issue 化は create-issue-tree（未導入なら create-issue）を参照。

e-Stat(政府統計の総合窓口)APIで統計表の検索・メタ情報・データ取得を行う。人口、GDP、CPI、統計、調査データに対応。無料のappId(APIキー)が必要。統計表をWebサイトで見たいだけの場合はe-Statのサイトを案内する。

調査プロジェクトのワークフロー定義。3フェーズ・13ステップで構成。提案書作成から報告書作成・スライド構成設計まで、デスクリサーチとインタビューを組み合わせた調査プロジェクトを管理する。project-managerから呼び出される。

クライアントの与件情報と打ち合わせメモから、意思決定に直結する調査プロジェクト提案書（スライド骨子/Markdown）を一発で作成するスキル。「提案書を作成して」「提案書を作って」「プロポーザルを作成して」などの依頼、または与件ファイル（例：与件.md）を指定して提案書作成を依頼された場合に使用する。単なる章立てではなく、調査の観点・仮説・参入障壁や供給構造・会議転用可能なアウトプットまで落として提案する。インプットや指示からデプスインタビューが必要と推測できる場合のみ、インタビュー前提の設計を含める。

提案書の論点・仮説に基づくデスクトップリサーチを実行するスキル。WebSearch/WebFetch、Browser Use、Deep Researchプロンプト生成の3層で情報収集し、論点ごとに主張・根拠・ソースを整理した調査レポートと仮説検証シートを出力する。「デスクリサーチを実行して」「初期調査をして」「デスクトップ調査を行って」「追加調査をして」などのリクエスト時に使用。ワークフローのStep 3（初期デスクトップ調査）およびStep 10（デスクリサーチ）に対応。

提案書と初期調査結果からインタビューガイド（質問リスト）を作成するスキル。「インタビューガイドを作成して」「質問リストを作って」「ヒアリング項目を整理して」などのリクエスト時に使用。提案書の論点に対応した検証・補強事項を整理し、想定インタビュー対象者のペルソナと具体的な質問設計を行う。論点に対して明確な答えを得られる構成で設計する。

振り返り - Wave/Phase完了時の学習サイクル

Research a specific company before applying or interviewing by gathering facts from primary and official sources, recording the source and date behind every claim, and keeping anonymous or unverifiable material clearly separated from confirmed fact. Use when a user asks what a company actually does, how it makes money, what its published conditions are, whether a posting matches the company's own disclosures, or what to verify before an interview; do not use to predict hiring outcomes, to repeat review-site content as fact, or to bulk-crawl sites that prohibit automated access.

日本語の概要は準備中です。原文の説明を表示しています。

Read a Japanese job posting closely and report what it actually states: base pay separated from fixed overtime allowance, the range converted to an hourly basis, required versus preferred requirements, and the terms left ambiguous. Use when a user wants a 求人票 or job description examined before applying, wants two postings compared on the same basis, or wants questions prepared about pay and working conditions; do not use to judge whether the user will be hired, to infer duties the posting does not state, or to evaluate the employer's reputation.

日本語の概要は準備中です。原文の説明を表示しています。

Sort incoming scout messages and agent-forwarded openings by what they actually disclose: whether the employer is named at all, which of pay, location, employment type, and duties are stated, whether the message refers to the applicant's own history or reads as a mass send, whether a stated salary is an offer or a "up to" figure, and whether the same employer has arrived through more than one route. Use when a user has a backlog of scout messages and wants to know which ones can be researched, what to ask before replying, and what to settle before handing over a resume; do not use to rate how promising an opening is, to judge an employer or an agent, or to reply on the user's behalf.

日本語の概要は準備中です。原文の説明を表示しています。

Sentry の Issue 一覧 URL（例 `https://<org>.sentry.io/issues/?project=<id>&environment=<env>`）を受け取り、未解決（unresolved）の Issue を列挙して1件ずつサブエージェントで並列調査する。コード上で既に解消済みと確認できたものは Sentry 側を resolved にし、未解消のものは `create-issue` スキルで GitHub Issue を作成する。「Sentryのissueをトリアージして」「Sentryの未解決エラーをチケット化して」といった依頼で使用する。

GitHub Issueの確認事項（最後のコメント・descriptionの両方）を、コードベース・ドキュメント・そこから参照されている外部リンク（仕様書・ライブラリ公式ドキュメント等）まで調査し、根拠に基づいた回答をコメントに追記するスキル。調査しても事実で決まらず人間の意思決定が必要な項目は、固定セクションで明示して後続のトリアージへ引き渡す。

調査（Explore）・設計（Plan）・実装（general-purpose）・レビュー（review-* スキル群）のサブエージェントをオーケストレーションして開発タスクを遂行するスキル。依頼文からゴール（調査のみ / 設計まで / 実装まで / レビュー）を判定し、必要なフェーズだけ実行する。親は自分でコードを読み書きせず、分解・dispatch・検収・機械検証に徹する。Use when starting any non-trivial development task（複数ファイル・複数層にまたがる調査/設計/実装/レビュー）, when user says 'オーケストレート', 'orchestrate', '調べて', '設計して', '実装して', '調べて直して', or 'レビューして'.

Survey related literature for a research topic or paper draft. Finds relevant papers, identifies citation gaps, and suggests key references. Use for "find related work", "survey papers on X", "what papers should I cite". 旧名 survey-literature。

日本語の概要は準備中です。原文の説明を表示しています。

研究概要・中間発表予稿の「当てどころの深さ」を評価し、より深い框(フレーム)への付け替えを提案するスキル。鎖が繋がっているか(→framing-check)ではなく、狙いが浅くないか(道具の実装で終わっていないか)・題材固有の強みを活かしてもっと深い研究課題に貼り替えられるかを見る。深い框が実在するときだけ提案し、無ければ黙る。研究の面白さ・野心・当てどころ・框の付け替えを見てほしい、と言われたとき、または research-review から内部呼び出しされる。教員向け(率直・野心を上げてよい)。

Transform review analysis into constructive feedback with actionable improvements. Mentor/shepherd mode - strict but supportive. Use for "give constructive feedback", "shepherd this paper". 旧名 review-shepherd。

日本語の概要は準備中です。原文の説明を表示しています。

研究文書（概要/梗概/アブストラクト・研究論文・卒業論文）を種別自動判別し、研究の骨子・グローバル一貫性・当てどころ・関連研究・説明不足・弱点・体裁の各面から一括レビューして教員向け統合1ファイルに集約するメタスキル。framing-check(骨子＋一貫性)・aim-check(当てどころ)・articulation-check(5W)・weakness-analyze(弱点)・lit-survey(関連研究)で検出し、shepherd で内容面を整形、format-check(概要は --fixed で紙面配分)で体裁を見る。--student で student-comment に渡し学生向け1枚も生成。論文・概要・卒論・中間発表予稿を「レビューして」「総合的に見て」と言われたときに使う。旧 abstract-review / paper-review / thesis-review / review を統合。