Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

improve-codebase-architecture

CONTEXT.md のドメイン言語と docs/adr/ のアーキテクチャ決定記録をもとに、コードベースの改善機会を探索します。アーキテクチャの向上、リファクタリング箇所の特定、密結合モジュールの整理、テストしやすく AI が理解しやすい構造への改善を検討する際に使用してください。

description の原文を見る

Find deepening opportunities in a codebase, informed by the domain language in CONTEXT.md and the decisions in docs/adr/. Use when the user wants to improve architecture, find refactoring opportunities, consolidate tightly-coupled modules, or make a codebase more testable and AI-navigable.

SKILL.md 本文

コードベースアーキテクチャの改善

アーキテクチャ上の摩擦を浮き彫りにし、深化機会 — 浅いモジュールを深いものに変えるリファクタリング — を提案します。目的は検証可能性と AI ナビゲーション可能性です。

用語集

これらの用語は全ての提案で正確に使用してください。一貫した言語が重要です。「component」「service」「API」「boundary」に流れ込まないでください。完全な定義は LANGUAGE.md にあります。

  • Module — インターフェースと実装を持つ任意のもの(関数、クラス、パッケージ、スライス)。
  • Interface — モジュールを使うために呼び出し元が知る必要があるすべてのもの:型、不変条件、エラーモード、順序、設定。型シグネチャだけではありません。
  • Implementation — 内部のコード。
  • Depth — インターフェースでのレバレッジ:小さなインターフェースの背後に多くの振る舞いがあること。Deep = 高いレバレッジ。Shallow = インターフェースが実装とほぼ同等の複雑さ。
  • Seam — インターフェースが存在する場所;その場所で編集せずに振る舞いを変更できる場所。(「boundary」ではなくこれを使用)
  • Adapter — seam でインターフェースを満たす具体的なもの。
  • Leverage — 呼び出し元が depth から得るもの。
  • Locality — メンテナーが depth から得るもの:変更、バグ、知識が 1 箇所に集中すること。

主要原則(完全なリストは LANGUAGE.md を参照):

  • 削除テスト:モジュールを削除することを想像してください。複雑性が消えれば、パススルーでした。N 個の呼び出し元全体に複雑性が再び現れれば、それは価値を生み出していました。
  • インターフェースはテスト表面です。
  • 1 つのアダプター = 仮説的 seam。2 つのアダプター = 実際の seam。

このスキルはプロジェクトのドメインモデルによって 情報提供されます。ドメイン言語は良い seam に名前を与えます;ADR は、このスキルが再度検討すべきでない決定を記録します。

プロセス

1. 探索

触れている領域の プロジェクトのドメイン用語集と ADR を最初に読んでください。

その後、subagent_type=Explore で Agent ツールを使ってコードベースを歩んでください。厳密なヒューリスティックに従わず、有機的に探索し、摩擦を感じた場所をメモします:

  • 1 つの概念を理解するために多くの小さなモジュール間を行き来する必要がある場所はどこですか?
  • shallow なモジュール — インターフェースが実装とほぼ同等の複雑さのもの — はどこですか?
  • 純粋関数がテスト可能性のためだけに抽出されているが、実際のバグは呼び出され方に隠れている場所はどこですか?(locality がない)
  • 密結合モジュールが seam を越えて漏れ出ている場所はどこですか?
  • コードベースのどの部分がテストされていない、または現在のインターフェースを通じてテストするのが難しいですか?

疑わしいものに対して 削除テスト を適用してください:削除することで複雑性を集約するか、単に移動するだけか?「はい、集約します」が欲しい信号です。

2. 候補を提示

深化機会の番号付きリストを提示してください。各候補について:

  • Files — 関連するファイル/モジュール
  • Problem — 現在のアーキテクチャが摩擦を引き起こしている理由
  • Solution — 何が変わるかについての平易な英語での説明
  • Benefits — locality と leverage の観点から説明、また テストがどのように改善されるかについても説明

CONTEXT.md のボキャブラリーをドメインに使用し、LANGUAGE.md のボキャブラリーをアーキテクチャに使用してください。 CONTEXT.md が「Order」を定義している場合、「the Order intake module」と話してください — 「the FooBarHandler」ではなく、「the Order service」でもなく。

ADR 競合:候補が既存の ADR と矛盾する場合、摩擦が ADR を再開するほど実在するときだけサーフェスしてください。明確にマークしてください(例:"contradicts ADR-0007 — but worth reopening because…")。ADR が禁止するすべての理論的なリファクタをリストしないでください。

まだインターフェースを提案しないでください。ユーザーに聞いてください:「これらのどれを探求したいですか?」

3. グリリングループ

ユーザーが候補を選んだら、グリリング会話に入ります。設計ツリーを一緒に歩んでください — 制約、依存性、深化されたモジュールの形状、seam の背後に何があるか、どのテストが生き残るか。

決定が結晶化するにつれて、副作用はインラインで発生します:

  • CONTEXT.md にない概念の後に深化モジュールを命名していますか? その用語を CONTEXT.md に追加してください — /grill-with-docs と同じ規律で(CONTEXT-FORMAT.md を参照)。存在しない場合はファイルを遅延作成します。
  • 会話中に曖昧な用語を鋭くしていますか? CONTEXT.md をそこで更新します。
  • ユーザーが負荷をかけている理由で候補を拒否していますか? ADR を提供してください。フレーム:"Want me to record this as an ADR so future architecture reviews don't re-suggest it?" 理由が実際に将来のエクスプローラーが同じことを再提案しないために必要な場合のみ提供 — ephemeral な理由(「今は価値がない」)と自明な理由はスキップしてください。ADR-FORMAT.md を参照してください。
  • 深化モジュールの代替インターフェースを探求したいですか? INTERFACE-DESIGN.md を参照してください。

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
mattpocock
リポジトリ
mattpocock/skills
ライセンス
MIT
最終更新
不明

Source: https://github.com/mattpocock/skills / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

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。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

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。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

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。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

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。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: mattpocock · mattpocock/skills · ライセンス: MIT