Agentic Engineering

AI エージェントがほとんどの実装作業を行い、人間が品質とリスク管理を行うエンジニアリングワークフローにこのスキルを使用します。

運用原則

1. 実行前に完了基準を定義します。
2. 作業をエージェント単位に分解します。
3. タスク複雑性に応じてモデルティアをルーティングします。
4. eval と回帰チェックで測定します。

Eval-First ループ

1. 機能 eval と回帰 eval を定義します。
2. ベースラインを実行して失敗シグネチャをキャプチャします。
3. 実装を実行します。
4. eval を再実行し、差分を比較します。

ワークフロー例：

1. 目的のふるまいをキャプチャするテストを作成する (eval)
2. テストを実行 → ベースラインの失敗をキャプチャ
3. 機能を実装する
4. テストを再実行 → 改善を確認
5. 他のテストで回帰がないかチェック

タスク分解

15分単位ルールを適用します：

• 各ユニットは独立して検証可能である必要があります
• 各ユニットは単一の支配的なリスクを持つ必要があります
• 各ユニットは明確な完了条件を示す必要があります

良い分解：

タスク: ユーザー認証を追加
├─ ユニット 1: パスワードハッシング追加 (15分、セキュリティリスク)
├─ ユニット 2: ログインエンドポイント作成 (15分、API契約リスク)
├─ ユニット 3: セッション管理を追加 (15分、状態リスク)
└─ ユニット 4: ミドルウェアでルートを保護 (15分、認証ロジックリスク)

悪い分解：

タスク: ユーザー認証を追加 (2時間、複数のリスク)

モデルルーティング

タスク複雑性に基づいてモデルティアを選択します：

• Haiku: 分類、ボイラープレート変換、狭い範囲の編集

  • 例：変数名の変更、型注釈の追加、コードフォーマット

• Sonnet: 実装とリファクタリング

  • 例：機能の実装、モジュールのリファクタリング、テスト作成

• Opus: アーキテクチャ、根本原因分析、複数ファイルにまたがる不変条件

  • 例：システム設計、複雑な問題のデバッグ、アーキテクチャレビュー

コスト規律： 下位のティアが明確な推論ギャップで失敗した場合にのみ、モデルティアを昇格させます。

セッション戦略

• セッションを続行 する (密結合ユニット)

  • 例：同じモジュール内の関連関数を実装する

• メジャーフェーズ遷移後に新規セッションを開始 する

  • 例：実装からテストへ移行する

• マイルストーン完了後にコンパクト化 する (アクティブなデバッグ中ではなく)

  • 例：機能完成後、次の機能開始前

AI 生成コードのレビュー重点

優先順位：

• 不変条件とエッジケース
• エラー境界
• セキュリティと認証の前提条件
• 隠れた結合とロールアウトリスク

自動フォーマット/lint がすでにスタイルを適用している場合、スタイルのみの不一致にレビューサイクルを費やさないでください。

レビューチェックリスト：

• エッジケースを処理している (null、空、境界値)
• エラーハンドリングが包括的である
• セキュリティ前提条件が検証されている
• モジュール間に隠れた結合がない
• ロールアウトリスクが評価されている (破壊的変更、マイグレーション)

コスト規律

タスクごとに追跡します：

• 使用モデルティア
• トークン予測
• 必要な再試行
• ウォールクロック時間
• 成功/失敗の結果

追跡例：

タスク: ユーザーログイン実装
モデル: Sonnet
トークン: 約 5k 入力、約 2k 出力
再試行: 1回 (初期実装に認証バグ)
時間: 8分
結果: 成功

このスキルを使用する場合

• AI 駆動開発ワークフローを管理する
• エージェントタスク分解を計画する
• モデルティア選択を最適化する
• 評価ファースト開発を実装する
• AI 生成コードをレビューする
• 開発コストを追跡する

他のスキルとの統合

• tdd-workflow: テスト駆動開発のため eval-first ループと組み合わせます
• verification-loop: 実装中の継続的な検証に使用します
• search-first: 実装前に既存ソリューションを検索するために適用します
• coding-standards: コードレビューフェーズ中に参照します