Agent Skills by ALSEL
汎用LLM・AI開発⭐ リポ 102品質スコア 80/100

mixed-initiative-flow

AIがリードする場合とユーザーがリードする場合、およびコントロール権の譲り渡し方法について説明します。

description の原文を見る

When the AI leads vs. when the user leads, and how to hand off control.

SKILL.md 本文

ミックスド・イニシアティブ・フロー

ミックスド・イニシアティブ・インタラクションとは、人間とAIの両方がリーダーシップを取ることができるインタラクションです。設計者は各瞬間に誰が主導するかを決定し、その間でどのようにコントロールが移行するかを決めます。

イニシアティブの スペクトラム

インタラクションはスペクトラムの上に位置します:

  • ユーザー主導: ユーザーが指示を出し、AIが実行します。ユーザーはペース、方向、スコープをコントロールします。
  • AI主導: AIが主導します。質問を投げかけ、提案を行い、ユーザーをプロセスをガイドします。
  • 共有型: 両者が貢献します。AIが提案し、ユーザーが編集します。ユーザーが開始し、AIが完了させます。

ほとんどのAI製品はユーザー主導がデフォルトです。興味深い設計領域は共有型とAI主導型モードにあります。

イニシアティブ・ハンドオフの設計

一方の当事者から他方への制御移行の瞬間が、ほとんどのインタラクションが失敗する場所です。これらの遷移を設計します:

  • 明示的ハンドオフ: 「3つのオプションをドラフトしました。どの方向に進みたいですか?」— AIが明確にコントロールを手渡します。
  • 暗黙的ハンドオフ: AIは生成を停止して待機し、UIアフォーダンスを通じてユーザーのターンを知らせます。
  • 交渉型ハンドオフ: 「これをさらに進めることもできますし、ここで止めてあなたの意見をもらうこともできます。どちらがお好みですか?」
  • 強制的ハンドオフ: AIが判断できない決定に遭遇し、人間に戻す必要があります。

AIが主導すべき場合

AIは以下の場合にイニシアティブを取るべきです:

  • ユーザーが不確実な状態か、探索中でガイダンスが必要な場合
  • タスクがAIが段階を踏んで進められる既知のベストプラクティス シーケンスを持つ場合
  • ユーザーが明示的にヘルプやコーチングを求めた場合
  • プロアクティブな提案が邪魔にならないように時間を節約する場合

ユーザーが主導すべき場合

ユーザーは以下の場合にコントロールを保持すべきです:

  • タスクが主観的な判断または創造的な方向性を含む場合
  • ステークが高く、エラーのコストが大きい場合
  • ユーザーが強いドメイン専門知識を持つ場合
  • プライバシーまたは同意に関する決定が関与する場合

アンチパターン

  • イニシアティブ・ホイップラッシュ: コントロールが急速に行き来する
  • 受身的AI: 役に立つときでもイニシアティブを取らない
  • 横柄なAI: ユーザーがコントロールを望むときに乗っ取る
  • 不明確な所有権: どちらの当事者のターンかが明確でない

設計成果物

  • 各段階で誰が主導するかを示すイニシアティブマップ
  • ハンドオフトリガー定義(コントロールの移行を引き起こすもの)
  • 機能エリアごとの自律レベル仕様

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
Owl-Listener
リポジトリ
Owl-Listener/ai-design-skills
ライセンス
MIT
最終更新
2026/5/4

Source: https://github.com/Owl-Listener/ai-design-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: Owl-Listener · Owl-Listener/ai-design-skills · ライセンス: MIT