/skill-improve スキル

Goal

対象スキルの observations を分析し、SKILL.md の具体的な改善提案（amendment）を生成する。--apply 指定時はユーザー承認のうえ適用する。

Workflow

Step 1: 引数パース

$ARGUMENTS を以下のように解釈する:

• 第1引数: スキル名 または all（全スキル横断分析）
• --apply フラグ: 提案を承認後に適用するかどうか（省略時は提案のみ）

引数なしの場合、observations を持つスキル一覧を表示し選択を促す。

Step 2: observations 読み込み

スキルは 3 つのルートに分かれている。次の順で <ルート>/<スキル名>/SKILL.md を探し、最初に見つかったルートを以降の基準にする。

1. ai-agents/skills/ — 汎用スキル（どのリポジトリでも使う）
2. ai-agents/personal/skills/ — 個人・趣味用スキル
3. .claude/skills/ — my-pde 専用スキル（配布されない）

確定したルートの <スキル名>/observations/YYYY-MM-DD_NNN_obs.md を全て読み込む。

• observations がない場合、その旨を通知して終了
• all の場合、3 ルートすべての */observations/*_obs.md を走査（amendments/ は除外）

Step 3: パターン分析

以下の 4 観点で observations を分析する:

観点	分析内容
失敗頻度	直近 10 回中の failure / partial の割合
再発パターン	同じ「問題」の繰り返し（類似キーワードの出現頻度）
コンテキスト依存	特定条件（言語、規模、リポ種別）での失敗集中
フィードバック傾向	共通する不満や要望のキーワード

Step 4: 前回 amendment の効果評価（Evaluate フェーズ）

Step 2 で確定したルートの <スキル名>/observations/amendments/ に過去の amendment がある場合:

1. amendment 適用日をファイル名の YYYY-MM-DD 部分から特定（複数ある場合はファイル名の辞書順で最新を選択）
2. 適用前後の failure/partial 率を比較
3. amendment 後に新たな失敗パターンが出現していないか確認
4. 効果が見られない or 悪化している場合、ロールバックを提案

all モードでは各スキルの直近 amendment の効果のみをサマリ一覧表示する。個別スキルモードの場合のみ詳細評価を行う。

この評価結果を分析レポートの冒頭に記載する。

Step 5: 改善提案の生成

分析結果に基づき、ai-agents/skills/skill-improve/template.md のフォーマットで amendment proposal を生成する。

提案には以下を含める:

• SKILL.md の具体的な変更箇所（diff 形式推奨）
• 変更理由（どの observations がエビデンスか）
• 期待される効果
• リスク（副作用の可能性）

提案内容をユーザーに表示する。

Step 6: 適用（--apply フラグがある場合のみ）

1. ユーザーに提案内容を表示し、明示的な承認 を求める
2. 承認されたら SKILL.md を編集
3. SKILL.md の version: フィールドをインクリメント（なければ metadata 配下に version: 1 を追加。 metadataもない場合は追加する）
4. amendment 記録を <Step 2 で確定したルート>/<スキル名>/observations/amendments/YYYY-MM-DD_NNN_amendment.md に保存（NNN は同日の連番、001 から開始。既存ファイルと重複しないようインクリメントする）
5. 変更内容をユーザーに表示

承認されなかった場合は適用せず終了。

Notes

• 自動書き換えは絶対にしない。常にユーザー承認を経る
• all モードは横断的な傾向を見るためのもの。個別スキルの改善提案は各スキルに対して個別に行う
• observations が 5 件未満の場合、分析の信頼度が低い旨を注記する
• git 履歴が第一のバージョン管理。amendment 適用は専用コミットで記録することを推奨する