brycew6m

Claude Codeの操作やセッション開始をきっかけに動くフックの作成を支援します。危険な操作の検査、完了条件の確認、設定の検証やデバッグを案内します。

• 実行前に危険なコマンドを検査したいとき
• エージェント終了前の完了確認
• 開始時のプロジェクト情報読み込み

研究プロジェクトの進行段階や確認項目の完了状況、メモリの状態をターミナルに表示します。Divergaの状況表示を設定し、用途に応じて表示内容を切り替えるスキル。

• ターミナルで研究の進行状況を見たいとき
• 確認項目の完了状況を詳しく表示
• メモリや文脈の状態を重点表示

質的研究の問いと使える時間・資源に合わせ、現象学や事例研究などの方法を比較し、参加者の選び方からデータ収集・分析・質の確認まで実施計画を組み立てます。

• 質的研究の方法を比較したいとき
• 参加者の選び方と人数の検討
• 面接や観察の手順を設計したいとき

研究の調査・レビュー・方法比較を複数のAIエージェントに振り分け、結果を集約します。異なる立場での討論や並列作業を、Divergaの実行環境に応じて進行します。

• 異なる立場から研究方法を比較したいとき
• 研究方法の節を多角的に点検したいとき
• 複数データベースの文献を並列取得

研究課題の設定から論文収集、重複除去、選別、検索用データベース構築まで、文献レビューの全7段階を専門エージェントに振り分け、人の確認を挟んで進行管理します。

• 体系的な文献レビューの進行管理
• 研究用の知識集を構築したいとき
• 論文の選別基準と承認の記録

Divergaの登録状態、スキルやキャッシュの同期、設定、APIキー、研究プロジェクトの状態を診断します。ファイルを変更せず、問題ごとの修復方法を示します。

• Divergaの導入状態を診断
• スキル同期と古いキャッシュを確認
• フックの実行と設定を確認

アンケートなどの量的調査とインタビューなどの質的調査を組み合わせ、研究目的に合う設計を提案します。実施順序、対象者の選び方、結果の統合方法まで整理するスキルです。

• アンケート結果を面接で説明したいとき
• 面接結果から質問紙を作りたいとき
• 量的・質的な結果の比較と統合

論文PDFの取得、本文抽出、分割、検索用データベースの構築を進めます。文書の並列処理とローカルでの数値化により、研究資料をRAGに使える形へ整えるスキルです。

• 選別済み論文からRAGを構築したいとき
• 論文PDFをまとめて取得・抽出したいとき
• 有料APIなしでベクトルDBを作りたいとき

質的研究のインタビューやグループ討議に向けて、質問の順序、回答を掘り下げる聞き方、文字起こしの記法、参加者による内容確認の手順を設計するスキル。

• 半構造化インタビューを準備したいとき
• グループ討議の進行設計
• 文字起こしの記法を決めたいとき

Gitのコミット形式やブランチ管理をそろえ、日常開発から緊急修正、リリース、競合解消、Pull Requestまで、チームでの変更管理を支援するスキル。

• Conventional Commits形式の履歴作成
• ブランチとPull Requestの運用整理
• mergeやrebaseの競合を解消したいとき

研究課題に合う理論を比較し、変数の関係図と検証可能な仮説を組み立てるスキルです。定番以外の候補も探り、論理の弱点や査読で想定される反論も整理します。

• 研究課題に合う理論を比較したいとき
• 変数の関係から仮説を導きたいとき
• 論理の弱点や査読の反論を検討

複数研究の結果を統合するメタ分析で、効果量の抽出・計算からデータ検証、感度分析、報告までを管理します。重複や異常値を検出し、人の確認が必要な箇所を示します。

• 論文から抽出した効果量の検証
• 研究の重複や結果の依存関係の確認
• 個別研究が統合結果に与える影響の検討

研究の要旨と分野をもとに投稿先の学術誌を探し、テーマの適合性、引用指標、公開方法や費用などで比較します。優先条件を確認し、投稿順の計画とカバーレターのひな型を作ります。

• 研究テーマに合う投稿先を探したいとき
• 候補の学術誌を横並びで比較
• オープンアクセスと掲載料の検討

機械学習プロジェクトに新しいデータセットやモデルを追加する際、部品の登録と生成の仕組みを統一します。ディレクトリ構成や設定の受け渡しもそろえる開発用スキルです。

• 登録可能な Dataset クラスの追加
• 設定から動作するモデルの作成
• 新規モジュールの登録と生成処理の整備

研究課題の整理から文献検索、分析、論文投稿までを専門エージェントで支援します。量的・質的・混合研究に対応し、重要な判断は利用者に確認して進めます。

• 研究課題と理論枠組みの整理
• 文献レビューの計画と選別基準の確認
• インタビューを使う質的研究の設計

Kaggleの上位入賞解法から、特徴量の作り方やモデル設定、再利用できるコードを学び、自然言語処理・画像・時系列などの機械学習課題に生かすスキル。

• Kaggleの上位解法を学びたいとき
• 機械学習課題に使う手法の調査
• 機械学習のコード例を探したいとき

インタビューのテーマと統計結果を比較表にまとめ、共通点や食い違いを検討します。定性・定量データを組み合わせる研究で、統合した結論とその根拠を整理するスキル。

• アンケートとインタビューを比較したいとき
• 面接結果から質問項目を作りたいとき
• 定性・定量の食い違いを説明したいとき

コードの差分やプルリクエストを、設計・安全性・性能・テストの観点でレビューします。問題の重要度と具体的な改善案を整理し、チームのレビュー基準づくりも支援します。

• 差分やプルリクエストのレビュー
• 重要度と改善案が伝わる指摘文の作成
• チーム共通のレビュー基準づくり

研究論文の方法や結果の偏りを研究目的に合わせて評価し、評価手法を選ぶ理由、領域別の判断根拠、エビデンスの確実性や分析への利用上の注意を整理するスキルです。

• レビュー対象論文の品質評価
• メタ分析前に研究の質を確認したいとき
• GRADEによる確実性の評価

コードのエラーや動作不良を、再現手順・ログ・仮説検証で順序立てて調査します。原因の切り分けから修正、関連機能の確認、再発防止のテストまで支援するスキル。

• ログと再現手順から原因を調べたいとき
• 変更後に壊れたコードの原因調査
• シェルスクリプトのエラー調査

Webページから広告やナビゲーションなどを除き、本文を読みやすいMarkdownに抽出します。ファイルへの保存やタイトルなどの取得にも対応し、読み込み量を抑えます。

• 記事の本文を読んで分析したいとき
• オンライン文書をMarkdownにしたいとき
• 抽出したページ本文のファイル保存

日常の機能追加やコード修正で、既存処理の理解、必要最小限の変更、型や安全性の確認を促します。実行確認と後片付け、変更報告までを押さえるチェックリストです。

• チェックリストに沿って機能追加したいとき
• 既存コードを必要な範囲だけ修正したいとき
• 実装中に型と安全性を確認したいとき

漠然とした研究アイデアを、検証できる具体的な問いに整理します。定番の問いと異なる切り口を比較し、対象・変数・実現可能性・理論的貢献まで検討します。

• 研究テーマを検証可能な問いにしたいとき
• 広すぎる研究質問を絞りたいとき
• 研究の切り口を比較したいとき

学術原稿の定型的な語彙や文構造を点検し、引用・統計値・専門用語を保ちながら自然な表現へ整えます。節ごとの修正範囲と強度を選び、変更を段階的に確認できます。

• 学術原稿の定型表現を整えたいとき
• 考察と結論だけを推敲したいとき
• 修正後も引用や統計値を確認したいとき