3,957 件 ・ 人気順
概要と使いどころ
一行の目的をマルチセッション・マルチエージェントエンジニアリングプロジェクトの ステップバイステップの構築計画に変換する。各ステップは自己完結型のコンテキスト ブリーフを持ち、新しいエージェントがコールドスタートで実行可能。 敵対的レビューゲート、依存関係グラフ、並列ステップ検出、アンチパターン カタログ、計画変更プロトコルを含む。 トリガー条件：複雑なマルチPRタスクの計画・ブループリント・ロードマップを 要求された場合、または複数セッションが必要な作業が記述された場合。 トリガーしない場合：単一のPRまたは3回未満のツール呼び出しで完了可能なタスク、 またはユーザーが「just do it」と言った場合。
AIエージェントのアクションスペース、ツール定義、オブザベーションフォーマットを設計・最適化し、タスク完了率を向上させる
バックエンドアーキテクチャパターン、API設計、データベース最適化、Node.js・Express・Next.js APIルートのサーバーサイドベストプラクティス
Everything Claude Codeのインタラクティブインストーラー — スキルとルールの選択・インストールをユーザーレベルまたはプロジェクトレベルのディレクトリにガイドし、パスを検証し、オプションでインストール済みファイルを最適化。
Djangoアーキテクチャパターン、DRFによるREST APIデザイン、ORMベストプラクティス、キャッシュ、シグナル、ミドルウェア、プロダクショングレードのDjangoアプリ。
X、LinkedIn、TikTok、YouTube、ニュースレター、マルチプラットフォームリパーパスキャンペーンのためのプラットフォームネイティブなコンテンツシステムを作成。ソーシャル投稿、スレッド、スクリプト、コンテンツカレンダー、または1つのソースアセットをプラットフォームごとにきれいに適応させたい場合に使用。
SHA-256コンテンツハッシュを使用して高コストなファイル処理結果をキャッシュ — パス非依存、自動無効化、サービスレイヤー分離。
Claude Codeセッション全体のエージェント、スキル、MCPサーバー、ルールにわたるコンテキストウィンドウ消費を監査。肥大化や冗長コンポーネントを特定し、優先順位付けされたトークン節約推奨事項を生成。
自律型Claude Codeループのパターンとアーキテクチャ — シンプルなシーケンシャルパイプラインからRFC駆動のマルチエージェントDAGシステムまで
フックを介してセッションを観察し、信頼度スコアリング付きのアトミックなインスティンクトを作成し、それらをスキル/コマンド/エージェントへ進化させるインスティンクトベースの学習システム。v2.1ではプロジェクトスコープのインスティンクトを追加し、プロジェクト間の汚染を防止します。
TypeScript、JavaScript、React、Node.js開発のための汎用コーディング規約、ベストプラクティス、パターン。
Claude Codeセッションから再利用可能なパターンを自動的に抽出し、学習済みスキルとして保存。
未知のコードベースを分析し、アーキテクチャマップ、主要エントリポイント、規約、スターター CLAUDE.md を含む構造化されたオンボーディングガイドを生成する。新しいプロジェクトに参加する際や、リポジトリで初めて Claude Code をセットアップする際に使用。
LLM API利用のコスト最適化パターン — タスク複雑度によるモデルルーティング、予算追跡、リトライロジック、プロンプトキャッシュ。
KMPプロジェクトのためのCompose MultiplatformおよびJetpack Composeパターン — ステート管理、ナビゲーション、テーマ設定、パフォーマンス、プラットフォーム固有UI。
PlaywrightのE2Eテストパターン、Page Objectモデル、設定、CI/CD統合、アーティファクト管理、フレーキーテスト戦略。
AIエージェントが実装出力の大部分を生成するチームのためのエンジニアリング運用モデル
Djangoセキュリティベストプラクティス、認証、認可、CSRF対策、SQLインジェクション防止、XSS防止、セキュアなデプロイ設定。
C++ Core Guidelines（isocpp.github.io）に基づくC++コーディング規約。モダンで安全かつイディオマティックなプラクティスを強制するために、C++コードの記述、レビュー、リファクタリング時に使用。
エンジニア技術面接の壁打ちスキル。設計判断が問われる問題を出題し、回答を4段階で採点して記録する。「勉強しよう」「クイズ出して」「面接対策」などで起動。
Review database schema design and detect anti-patterns. Based on common RDB design knowledge and best practices. Supports Prisma, Drizzle, Rails, Django, Laravel, TypeORM, Sequelize, SQLAlchemy, and raw SQL (DDL). Use when the user says "review DB design", "check schema", "review table design", "review migration", "check for anti-patterns", "DB設計をレビューして", "スキーマを見て", "テーブル設計を確認して", "マイグレーションをレビューして", "アンチパターンがないか調べて", "この設計で問題ないか見て".
This skill should be used when the user wants to "synthesize two competing solutions without averaging", "resolve a design/value disagreement by lifting to a higher frame", "止揚 / アウフヘーベン", "矛盾を止揚", "独立案を統合", "平均化せず統合", "contradiction lift", "sublate competing designs", or has two good-but-divergent answers to the same question and wants a higher-order resolution (a selection mechanism) or an honest aporia — not a compromise. NOTE: Use this when two independent solutions diverge and you want to PRESERVE both truth-moments while lifting to a higher frame. Use devils-advocate to stress-test ONE proposal with an assigned opponent, strong-inference to find an unknown cause, and dialectic-loop to validate a claim against a real corpus.
This skill should be used when the user wants to "stress-test a design", "challenge an idea", "red team a proposal", "get critical feedback on a design", "validate a design", "adversarial architecture review", "risk assessment", "設計を検証して", "反論をもらいたい", "設計を批判的にレビュー", "デビルズアドボケート", "ストレステスト", "弱点を指摘して", "穴を見つけて", "この設計で良いか", "リスク評価", "設計のアーキテクチャレビュー", or mentions structured adversarial review of a proposal or design. NOTE: Use this for validating PROPOSALS and DESIGNS through adversarial debate, NOT for generic code review, PR review, or normal review requests (use /codex:review or /codex:adversarial-review for those). Also NOT for investigating unknown bugs (use /agent-dialectics:strong-inference for that).
This skill should be used when the user wants to "test a claim against data", "validate an empirical hypothesis", "refine a model/theory with evidence", "characterize a pattern and verify it", "演繹と帰納で検証", "仮説をデータで検証して更新", "実例と反例で確かめる", "弁証法ループ", "主張を現物で裏取り", "傾向分析を検証して精緻化", or mentions iteratively updating a hypothesis by deriving predictions and testing them against a real corpus. NOTE: Use this for VALIDATING/REFINING an empirical claim or model against real data through a derive→test→update loop. Use strong-inference for debugging an UNKNOWN cause, and devils-advocate for adversarially stress-testing a DESIGN proposal.