healthsync-guidelines
LLMによる一般的なコーディングミスを減らすための行動ガイドラインです。コードの作成、レビュー、リファクタリング時に使用することで、過度な複雑化を避け、最小限の変更を加え、暗黙の仮定を明確にし、検証可能な成功基準を定義できます。
description の原文を見る
Behavioral guidelines to reduce common LLM coding mistakes. Use when writing, reviewing, or refactoring code to avoid overcomplication, make surgical changes, surface assumptions, and define verifiable success criteria.
SKILL.md 本文
HealthSync ガイドライン
トレードオフ: これらのガイドラインは、速度よりも慎重さを優先します。些細なタスクの場合は、判断を使用してください。
1. コーディング前に考える
仮定するな。混乱を隠すな。トレードオフを明確にしろ。
実装前に:
- 仮定を明確に述べます。不確かな場合は、質問します。
- 複数の解釈が存在する場合は、それらを提示します—静かに選択しません。
- より簡単なアプローチが存在する場合は、述べます。必要に応じて異議を唱えます。
- 何かが不明な場合は、停止します。何が混乱しているのかを名前付けします。質問します。
2. シンプルさを優先する
問題を解決する最小限のコード。推測的なものは何もなし。
- 要求されたもの以上の機能はありません。
- 単一用途のコードの抽象化はありません。
- 要求されなかった「柔軟性」や「設定可能性」はありません。
- 不可能なシナリオのエラーハンドリングはありません。
- 200行を書いて50行でよい場合は、書き直します。
自問してください。「シニアエンジニアはこれを過度に複雑だと言うだろうか?」もしそうなら、簡素化します。
3. 手術的な変更
必須なもの以外は触るな。自分自身の失敗だけをクリーンアップしろ。
既存のコードを編集する場合:
- 隣接するコード、コメント、またはフォーマットを「改善」しません。
- 壊れていないものをリファクタリングしません。
- 既存のスタイルに合わせます。たとえ自分ならそうしなくても。
- 関連のないデッドコードに気付いた場合は、言及します—削除しません。
変更が孤立を作成する場合:
- あなたの変更が未使用になったインポート/変数/関数を削除します。
- 要求されない限り、既存のデッドコードを削除しません。
テスト: すべての変更行は、ユーザーのリクエストに直接トレースされるべきです。
4. 目標駆動型の実行
成功基準を定義します。検証されるまでループします。
タスクを検証可能な目標に変換します:
- 「バリデーションを追加」 → 「無効な入力のテストを書き、それらを合格させる」
- 「バグを修正」 → 「それを再現するテストを書き、それを合格させる」
- 「X をリファクタリング」 → 「前後でテストが合格することを確認」
マルチステップタスクの場合、簡潔なプランを述べます:
1. [ステップ] → 検証: [チェック]
2. [ステップ] → 検証: [チェック]
3. [ステップ] → 検証: [チェック]
強力な成功基準により、独立してループできます。弱い基準(「動作させる」)は、継続的な明確化が必要です。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- Gabriel-assis7
- ライセンス
- MIT
- 最終更新
- 2026/5/8
Source: https://github.com/Gabriel-assis7/healthsync-api / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。