システムログを分析してエラーの根本原因を特定し、段階的に深堀りしていくデバッグ専門家スキル。アプリケーションログ、システムログ、クラウドサービスログなど様々な形式に対応。5 Whys、タイムライン分析、Fishbone分析などのRCA（根本原因分析）手法を用いて 問題の本質を突き止め、再発防止策まで提案する。
Use when analyzing system logs to find error root causes, debugging application issues, or performing technical post-mortem analysis with log data. For organizational incident management processes (post-incident review, corrective action plans, incident reports without log data), use incident-rca-specialist instead. Triggers: "analyze this log", "find the root cause", "debug this error", "why is this failing", "log analysis", "what caused this crash", "troubleshoot this issue"
インストールする前に、エージェントに与えられる指示の中身を確認できます。
Use this skill when:
DO NOT use for organizational incident management (post-incident reviews, corrective action plans without log data) - use incident-rca-specialist instead.
pyyaml for custom configuration filesassets/rca_report_template.mdこのスキルは、システムログを体系的に分析し、エラーの根本原因を特定するデバッグ専門家です。
対応ログタイプ:
┌─────────────────────────────────────────────────────────────────────┐
│ Phase 1: TRIAGE（トリアージ） │
│ 「何が起きているのか？」 │
│ └─ ログ概要把握、エラー重要度判定、影響範囲の特定 │
├─────────────────────────────────────────────────────────────────────┤
│ Phase 2: PATTERN RECOGNITION（パターン認識） │
│ 「どのようなパターンがあるか？」 │
│ └─ エラーパターン特定、関連イベント抽出、時系列整理 │
├─────────────────────────────────────────────────────────────────────┤
│ Phase 3: ROOT CAUSE ANALYSIS（根本原因分析） │
│ 「なぜ起きたのか？」 │
│ └─ 5 Whys分析、タイムライン再構築、因果関係特定 │
├─────────────────────────────────────────────────────────────────────┤
│ Phase 4: RESOLUTION & PREVENTION（解決と再発防止） │
│ 「どう直し、どう防ぐか？」 │
│ └─ 修正提案、再発防止策、監視強化ポイント │
└─────────────────────────────────────────────────────────────────────┘
ログの全体像を把握し、問題の重要度と影響範囲を素早く判断する。
ログの取り込みと正規化
# log_analyzer.pyを使用してログを解析
python scripts/log_analyzer.py analyze <logfile> --summary
エラーレベルの集計
影響範囲の特定
□ ログの時間範囲を確認
□ エラー件数を集計
□ 最も深刻なエラーを特定
□ 影響範囲を推定
□ 緊急度を判定（P0/P1/P2/P3）
エラーのパターンを識別し、関連するイベントを抽出する。
エラーパターンの検出
# エラーキーワードで検索
python scripts/log_analyzer.py search <logfile> --keywords "Exception,Error,Failed,Timeout"
# 正規表現でパターン検出
python scripts/log_analyzer.py search <logfile> --pattern "Connection.*refused|timeout.*\d+ms"
頻度分析
# エラー頻度レポート
python scripts/log_analyzer.py report <logfile> --frequency
時系列パターンの確認
| パターン | 特徴 | 典型的な原因 |
|---|---|---|
| 突発的 | 特定時刻に急増 | デプロイ、設定変更、外部障害 |
| 周期的 | 一定間隔で発生 | cron、バッチ処理、リソース枯渇 |
| 漸増型 | 徐々に増加 | メモリリーク、ディスク枯渇 |
| 散発的 | ランダムに発生 | 競合状態、間欠的な外部障害 |
references/log_patterns.md - よくあるエラーパターン集問題の根本原因を特定する。表面的な症状ではなく、本質的な原因を突き止める。
プロセス:
例:
現象: APIが500エラーを返している
1. なぜ？ → データベースクエリがタイムアウトしている
2. なぜ？ → 特定のテーブルへのクエリが遅い
3. なぜ？ → テーブルにインデックスがない
4. なぜ？ → 新しいカラムを追加した際にインデックスを作成しなかった
5. なぜ？ → スキーマ変更時のインデックス確認プロセスがなかった
→ 根本原因: スキーマ変更時のレビュープロセスの不備
# タイムライン生成
python scripts/log_analyzer.py timeline <logfile> --from "2025-01-01 10:00" --to "2025-01-01 12:00"
タイムライン作成手順:
6つのカテゴリで原因を分析:
references/rca_methodology.md - 根本原因分析手法の詳細問題を解決し、同様の問題の再発を防ぐ。
応急処置 (Immediate Fix)
恒久対策 (Permanent Fix)
検知の強化
防止の強化
復旧の強化
assets/rca_report_template.md を使用してRCAレポートを作成ログ解析を自動化するPythonツール。
基本的な使い方:
# エラー検出
python scripts/log_analyzer.py analyze <logfile>
# キーワード検索
python scripts/log_analyzer.py search <logfile> --keywords "timeout,error"
# タイムライン生成
python scripts/log_analyzer.py timeline <logfile>
# レポート生成
python scripts/log_analyzer.py report <logfile> --output report.md
# 複数ログの相関分析
python scripts/log_analyzer.py correlate app.log nginx.log db.log
設定ファイル:
assets/analyzer_config_template.yaml をコピーしてプロジェクト固有の設定を行う。
| ファイル | 用途 |
|---|---|
references/rca_methodology.md | 5 Whys、Fishbone等のRCA手法 |
references/log_patterns.md | よくあるエラーパターン集 |
references/log_format_guide.md | 各種ログフォーマット解説 |
references/debugging_strategies.md | デバッグ戦略・思考法 |
| ファイル | 用途 |
|---|---|
assets/rca_report_template.md | RCAレポートテンプレート |
assets/analyzer_config_template.yaml | log_analyzer.py設定テンプレート |
User: このログを分析して、アプリがクラッシュした原因を見つけてください。
[ログファイルを添付]
Claude:
1. [Phase 1] ログを読み込み、FAITALエラーを検出
2. [Phase 2] スタックトレースを抽出、OutOfMemoryErrorを特定
3. [Phase 3] 5 Whys分析を実施
- Why 1: OutOfMemoryError発生
- Why 2: ヒープメモリが枯渇
- Why 3: 大量のオブジェクトがGCされない
- Why 4: キャッシュにサイズ制限がない
- Why 5: キャッシュ設計時にメモリ管理を考慮していなかった
4. [Phase 4] 修正提案: LRUキャッシュ導入、ヒープサイズ調整
User: 時々APIがタイムアウトします。ログを見てください。
Claude:
1. [Phase 1] タイムアウトエラーを抽出、頻度を確認
2. [Phase 2] 時間帯分析 → 毎時0分に集中
3. [Phase 3] タイムライン分析 → cron jobと同時刻
4. [Phase 4] 提案: バッチ処理の時間分散、コネクションプール拡大
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Track and update action item status from natural language updates like 'Seanのメールには返信しておいた' or 'Lu対応予定'. Integrates with daily-comms-ops workflow. Use when managing action items across communication channels.
AI活用提案の専門コンサルタントスキル。LLM・AIエージェントの活用事例知識を基に、業界別、部門別、シーン別に最適なAI導入提案を行います。システム化、業務改善、効率化を得意とし、具体的な活用事例、期待効果、導入ステップを含む実践的な提案を提供します。Use when proposing AI/LLM adoption strategies for specific industries, departments, or business scenarios.
Generate AI-powered BPO service proposals for Japanese companies in the US market. Use when creating outsourcing proposals with AI service menus, ROI estimation, implementation roadmaps, and bilingual (JA/EN) proposal documents for 在米日系企業向けAI実装.
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。
AI（LLM）が生成した日本語テキストの「AI臭」を検出・診断し、人間らしい文章にリライトするスキル。 Use when: 「AIっぽい文章を直して」「人間らしくリライトして」「AI臭を消して」「この文章をもっと自然にして」 「テキストのAI感を減らして」「機械っぽさを取りたい」 "make this sound more human", "remove AI tone", "humanize this text", "detect if this is AI-generated". 6つのAI特有パターン（視覚的マーカー、単調なリズム、マニュアル的構成、非コミット姿勢、抽象語の濫用、 定型メタファー）を正規表現ベースで検出し、0-100のAI臭スコアを算出。3つの人間化技法 （バランスを崩す・客観を崩す・論理を崩す）でリライトを実行する。 Note: 検出スクリプトは日本語テキスト専用。英語テキストの場合はClaude自身がreferences/を参照して分析・リライトする。
Generate audit-ready internal control design documents from As-Is business process inventories. Produces control IDs, assertion mappings, procedures, SoD analysis, KPIs, materiality thresholds, and implementation roadmaps. Use when building internal controls for new audit engagements, SOX/J-SOX compliance, or process improvement initiatives.
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。
Review audit-related documents (control design documents, bottleneck analyses, requirements definitions, etc.) for quality, scoring them 0-100 with a severity-rated findings list. Use when reviewing audit documents, checking control design quality, or verifying cross-document consistency. Supports documents governed by US GAAP, IFRS, or J-GAAP.
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。