karaage0703/ai-assistant-workspace/xs-skill-creator

スキルクリエイター

ワークスペースの既存スキル群と統一感のあるスキルを作成・改善する。

絶対遵守事項

• 対話は日本語で行う
• 作成するスキルのSKILL.mdも日本語で記述

プロンプト設計原則（制約少なめ・例多め）

過剰特定された制約は memorized shortcut を誤発火して品質を下げる（Akli et al., 2026, arXiv:2604.24712）。SKILL.md を書くときは：

• 「禁止」「絶対」「必ず」を並べるより、Do の例（コマンド例・入出力例・テンプレート）で示す
• スキル全体での禁止系制約は3つ程度を目安。それ以上は構造（章立て・例示）で表現する
• 残す制約には「なぜそれを避けるか」を1行で添える（理由なしの禁止は誤解されやすい）

詳細とBefore/After例は [SKILL_DIR]/references/patterns.md の「9. 制約少なめ・例多めの原則」を参照。

スキル作成フロー

Step 1: ヒアリング

ユーザーに以下を確認（わかっている情報はスキップ）：

1. 何をするスキル？ → 主機能の把握
2. どんな時に使う？ → トリガー条件の特定
3. 入力と出力は？ → データフローの明確化
4. スクリプトは必要？ → Python/Bash等の自動化有無

Step 2: 分類と設計

4分類のどれに該当するか判定し、適切なテンプレートを選択：

テンプレートの詳細は [SKILL_DIR]/references/templates.md を参照。

外部CLI、常駐サーバー、API、GPUなどに依存する場合は、あわせて次を設計する。

1. 副作用のない可用性チェック
2. 利用可能と判断できる成功条件
3. 利用不可時のフォールバック、または安全なスキップ
4. 導入・起動・ログインを自動実行してよい条件

可用性確認だけを目的に、パッケージ導入、サービス起動、ログイン、設定変更を行わない。必須機能でなければ、依存がない環境でもスキル以外の作業を継続できる構成にする。

Step 3: ディレクトリ作成

# スキル名はケバブケースで
mkdir -p [WORKSPACE]/skills/<skill-name>
 
# 必要に応じてサブディレクトリ作成
mkdir -p [WORKSPACE]/skills/<skill-name>/scripts
mkdir -p [WORKSPACE]/skills/<skill-name>/references
mkdir -p [WORKSPACE]/skills/<skill-name>/assets

Step 4: スクリプト作成（該当する場合）

スクリプトが必要な場合：

1. scripts/ にPython/Bashスクリプトを配置
2. 必ず `uv run` で実行する（python3 直接実行は禁止。外部依存ゼロでも uv run を使う。理由: python未インストール環境でもuvがPythonを自動解決するため）
3. --help オプションを実装
4. 実際に `uv run` でテスト実行して動作確認

Step 5: SKILL.md作成

テンプレートに従い作成。以下の要素を必ず含める：

フロントマター（必須）:

---
name: xs-<skill-name>
description: [50-200文字。何をするか＋いつ使うか＋トリガーフレーズ]
---

本文の構成:

1. H1タイトル - スキル名
2. 1行概要 - 何をするスキルか
3. 絶対遵守事項（必要な場合）
4. 手順 - Step/STEP形式で番号付き
5. 出力フォーマット - 期待する出力形式
6. 使用例 - 具体的なトリガーフレーズ

パス規則:

• [SKILL_DIR] - SKILL.mdがあるディレクトリ
• [WORKSPACE] - ワークスペースルート
• ハードコードパス禁止

保存機能がある場合:

• note-takingスキルがあればそちらへの委譲を記述
• 直接保存ロジックを書かない

Step 6: README.md作成（人間向け）

SKILL.mdはAI向けの行動指示、README.mdは人間向けの説明として分ける。極小スキルを除き、次を含むREADME.mdを作成する。

• 何ができるか
• 使い方と出力例
• 必要な依存・セットアップ
• よくあるエラーと対処
• オプション依存がある場合は可用性の確認方法とフォールバック
• 参考にしたリポジトリ、記事、ライセンス

AIが実行時に読む手順はSKILL.mdへ置き、背景や長い説明をREADME.mdへ分離する。

Step 7: 品質チェック

[SKILL_DIR]/references/checklist.md の全項目を確認。

フロントマターは全スキルを一括確認する。

for file in [WORKSPACE]/skills/*/SKILL.md; do
  head -1 "$file" | grep -q '^---$' || echo "MISSING: $file"
done

Step 8: 登録確認

スキルの配置場所がシンボリックリンクで管理されている場合（例: .claude/skills/ → skills/）、skills/ にフォルダを作るだけで自動認識される。

そうでない場合は、AIツールの設定に新しいスキルを登録する。

Step 9: スキル一覧更新

[WORKSPACE]/skills/README.md があれば、スキル一覧に追加。

Step 10: Git同期

cd [WORKSPACE]
git add skills/<skill-name> skills/README.md
git diff --cached
git commit -m "Add skill: <skill-name>"

公開リポジトリへpush・PR作成する場合は、対象と操作を列挙してユーザーのOKを取る。

Step 11: 完了報告

スキル作成完了！
 
skills/<skill-name>/
- SKILL.md（XX行、AI向け）
- README.md（人間向け）
- scripts/（あれば）
- references/（あれば）

スキル改善フロー

既存スキルの改善を依頼された場合：

Step 1: 現状分析

# 対象スキルを読む
cat [WORKSPACE]/skills/<skill-name>/SKILL.md
 
# 行数を確認
wc -l [WORKSPACE]/skills/<skill-name>/SKILL.md

Step 2: チェックリスト適用

[SKILL_DIR]/references/checklist.md の全項目を OK / 要修正 / 対象外（理由） で判定する。最初に見つけた問題だけで監査を終えない。

対象ディレクトリ全体を確認し、README・参照ファイル・スクリプトが実在し、説明と実装が一致するかを照合する。README省略はStep 6の条件と理由を記録する。

Step 3: パターン参照

[SKILL_DIR]/references/patterns.md でベストプラクティスと照合。

Step 4: 改善実施

問題点を修正し、品質チェックを再実行。

Step 5: Git同期と報告

全項目の判定、変更した成果物、検証結果、残課題を報告する。未対応の「要修正」がある場合は対象と理由を明示し、改善完了とは報告しない。同期はユーザーの許可と対象リポジトリの運用ルールに従う。

参考資料

• [SKILL_DIR]/references/patterns.md - スキルの設計パターン集
• [SKILL_DIR]/references/templates.md - 分類別テンプレート
• [SKILL_DIR]/references/checklist.md - 品質チェックリスト
• [WORKSPACE]/skills/README.md - スキル一覧と作成ガイド

使用例

新しいスキルを作りたい
スキル作って：Twitterトレンド取得
このスキルを改善して
スキルのレビューして