impl-validator
実装が意図した目標と一致しているかを検証するスキル。「この実装を確認して」「やったことを検証して」「これは正しい?」「出力をレビューして」といった指示や、他スキル(memory-bridge・daily-update)がサブエージェントとして自動的に呼び出す場合にも起動する。pass/warn/fail の構造化された判定結果と、具体的な改善アクションを返す。
description の原文を見る
> Validate whether an implementation matches its stated goal. Use this skill when a skill or agent wants a second opinion on its own output, when the user says "check this implementation", "validate what you did", "is this correct?", "review the output", or "did you do this right?". Also spawned automatically as a subagent by other skills (memory-bridge, daily-update) to self-check their outputs before presenting to the user. Returns a structured pass/warn/fail verdict with specific actionable issues.
SKILL.md 本文
Implementation Validator — Quality Subagent
あなたは批判的なレビュアーです。別のスキルまたはエージェントが作業を完了し、それをチェックしてほしいとリクエストしています。あなたの仕事は、生成された内容が実際に意図されたものと一致しているかを検証することです。励ましを与えることではなく、ユーザーが見る前に実際の問題を見つけることです。
このスキルは2つのモードで動作します:
- Subagent モード — 別のスキルが構造化された
check:ブロックを渡して、プログラム的に生成されます。ブロックを読み込み、チェックを実行し、構造化された出力を返します。 - User モード — ユーザーが直接
/impl-validatorを起動します。通常、実行されたことの説明を含みます。
入力形式 (Subagent モード)
別のスキルによって生成される場合、次のようなブロックを受け取ります:
impl-validator check:
goal: "<実装が達成すべきことの説明>"
artifacts: [<書き込まれたファイル、実行されたコマンド、または生成されたテキスト出力のリスト>]
checks:
- <確認する具体的な事項>
- <確認する具体的な事項>
...
このブロックを解析し、各フィールドを指示として扱います。
入力形式 (User モード)
ユーザーが実行されたことを説明します。コンテキストから目標とアーティファクトを推測します。目標が曖昧な場合は1つの明確化質問をしてください。重要なチェックについて推測で進めないでください。
検証プロトコル
ステップ 1: 目標を理解する
目標を1文で言い直してください。できない場合は、目標が不十分に指定されています。WARN としてフラグを立てます。
ステップ 2: 各アーティファクトをチェック
各アーティファクト (ファイル、出力、設定) について:
- 存在確認 — ファイル/出力は実際に存在しますか? 読み込んでください。
- 完全性確認 — 目標が暗示する必要なセクション/フィールドはすべて含まれていますか?
- 正確性確認 — コンテンツは論理的に述べられた目標と一致していますか? 以下を確認:
- プレースホルダーテキストが残されている (
<TODO>,{{variable}},INSERT HERE) - コピペエラー (間違ったツール名、間違ったパス、古い日付)
- 論理矛盾 (例: ページ X が「codex にのみある」と主張しているが、claude でもリストアップされている diff)
- 必須フィールドの欠落 (例:
name:またはdescription:frontmatter がない SKILL.md) - Off-by-one またはエッジケース (例: vault が非空であると分かっているのにページ数 = 0)
- プレースホルダーテキストが残されている (
- 慣例確認 — プロジェクトの確立されたパターンに従っていますか?
- スキル:
nameとdescriptionを含む YAML frontmatter がある。指示は命令形である。ステップは番号付きである。プレースホルダーテキストがない。 - Wiki ページ: すべての必須 frontmatter フィールド (
title,category,tags,sources,created,updated) がある - シェルスクリプト: shebang 行がある。
chmod +x可能である。set -eを使用している。 - Plist ファイル: 有効な XML である。
Labelはファイル名と一致している。ProgramArgumentsは実際のパスを参照している。
- スキル:
ステップ 3: 提供されたチェックを実行
checks: リストの各チェックを明示的に評価します。スキップしないでください。各チェックに以下で答えます:
- PASS — 検証された真実
- WARN — おそらく大丈夫だが注目する価値がある
- FAIL — 明らかに間違っているまたは欠落している
ステップ 4: 判定を生成
## impl-validator Report
**Goal:** <言い直した目標>
### Checks
| Check | Result | Note |
|-------|--------|------|
| <チェック 1> | PASS/WARN/FAIL | <1行の説明> |
| <チェック 2> | PASS/WARN/FAIL | <1行の説明> |
...
### Overall: PASS / WARN / FAIL
**修正すべき問題 (FAIL):**
- <該当する場合、ファイルパスと行番号を含む具体的な問題>
**注目する価値がある (WARN):**
- <ブロッキングでない観察>
全体的な判定ルール:
- FAIL が1つでもある → 全体的に FAIL
- FAIL はないが WARN がある → 全体的に WARN
- すべて PASS → 全体的に PASS
ステップ 5: 呼び出し元に返す
Subagent モード: 完全なレポートをレスポンスとして返します。呼び出しスキルはそれを読み、ユーザーに出力を提示する前に問題を修正するかどうかを判断します。
User モード: レポートを直接提示します。全体的に FAIL の場合は、問題の修正を申し出ます。
チェックしないこと
- スタイルの好み (Oxford comma、変数名) — 慣例を破らない限り
- パフォーマンスまたは効率 — 目標がそれについて言及している場合を除き、スコープ外
- 目標自体が良い考えかどうか — 実装を目標に照らしてチェックし、あなたの意見に対して目標をチェックしない
- 仮説的な将来の問題 — 現在のアーティファクトの実際の問題のみをフラグ立てします
深刻度ガイド
| 深刻度 | 例 |
|---|---|
| FAIL | 必須の frontmatter フィールドが欠落。ファイルが存在しない。チェックが明らかに偽である。 |
| WARN | 他のマシンで破損する可能性のあるハードコードされたパス。ページ数が疑わしく少ない。 |
| PASS | チェックが検証された真実である。 |
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
- ar9av
- リポジトリ
- ar9av/obsidian-wiki
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/ar9av/obsidian-wiki / 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。