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

spec-driven-development

要件定義・設計・タスク分解の3フェーズで機能開発を体系的に進めるスキル。漠然としたアイデアを明確で実装可能な仕様へと変換し、曖昧さを排除しながら品質向上とAIとの効果的なコラボレーションを実現します。

description の原文を見る

Systematic three-phase approach to feature development using Requirements, Design, and Tasks phases. Transforms vague feature ideas into well-defined, implementable solutions that reduce ambiguity, improve quality, and enable effective AI collaboration.

SKILL.md 本文

Spec-Driven Development

構造化された計画を通じて品質、保守性、および成功する納品を確保する、体系的なソフトウェア機能開発の包括的な方法論です。

このスキルを使用する場合

理想的なシナリオ:

  • 複数のコンポーネント、統合、またはユーザー操作を含む複雑な機能
  • 再作業コストが大きい高リスク プロジェクト
  • 共通認識が必要なチーム協力
  • 明確な構造により出力品質が向上する AI アシスト開発
  • 将来の保守者のための知識保存

あまり適さない場合:

  • 明白な解決策を持つ簡単なバグ修正
  • 迅速な反復を目的とした実験的プロトタイプ
  • 即座の対応が必要な時間に追われているホットフィックス
  • あいまいさが最小限で確立されたパターン

3 フェーズ ワークフロー

フェーズ 1: 要件ガイザリング

目的: 曖昧な機能アイデアを明確でテスト可能な要件に変換する

プロセス:

  1. 価値と目的を表現するユーザーストーリーを取得する
  2. EARS フォーマット (Easy Approach to Requirements Syntax) を使用して受け入れ基準を定義する
  3. エッジケースと制約を特定する
  4. 完全性と実行可能性を検証する

EARS フォーマット パターン:

WHEN [event] THEN [system] SHALL [response]
IF [precondition] THEN [system] SHALL [response]
WHEN [event] AND [condition] THEN [system] SHALL [response]

例:

**ユーザーストーリー:** 新しいユーザーとして、個人用機能にアクセスできるように、アカウントを作成したいです。

**受け入れ基準:**
1. ユーザーが有効なメールアドレスとパスワードを入力した場合、システムは新しいアカウントを作成するものとします
2. ユーザーが既存のメールアドレスを入力した場合、システムは「メールアドレスは既に登録されています」というエラーを表示するものとします
3. ユーザーが 8 文字未満のパスワードを入力した場合、システムは「パスワードが短すぎます」というエラーを表示するものとします
4. アカウント作成が成功した場合、システムは確認メールを送信するものとします

フェーズ 2: 設計ドキュメント

目的: 実装のための包括的な技術計画を作成する

プロセス:

  1. 技術的なアプローチと制約を調査する
  2. システム アーキテクチャとコンポーネント間の相互作用を定義する
  3. データ モデルとインターフェイスを指定する
  4. エラー処理とテスト戦略を計画する

設計ドキュメント構造:

## 概要
[アプローチの高レベルの要約]

## アーキテクチャ
[システム コンポーネントとその関係]

## コンポーネントとインターフェイス
[詳細なコンポーネント記述]

## データモデル
[データ構造と検証ルール]

## エラーハンドリング
[エラーシナリオと応答戦略]

## テスト戦略
[異なるレイヤーのテスト アプローチ]

決定ドキュメント:

### 決定: [タイトル]
**コンテキスト:** [決定が必要な状況]
**検討されたオプション:**
1. [オプション 1] - メリット: [利点] / デメリット: [欠点]
2. [オプション 2] - メリット: [利点] / デメリット: [欠点]
**決定:** [選択されたオプション]
**根拠:** [この選択が行われた理由]

フェーズ 3: タスク計画

目的: 設計を実行可能で段階的な実装手順に分解する

プロセス:

  1. 設計要素を特定のコーディング タスクに変換する
  2. 段階的な進捗を可能にするようにタスクを順序付けする
  3. 明確な目標と完了基準を定義する
  4. 要件への追跡可能性のための参照を追加する

タスク構造:

- [ ] 1. [エピック/メインコンポーネント]
- [ ] 1.1 [具体的な実装タスク]
  - [実装の詳細]
  - [作成するファイル/コンポーネント]
  - _要件: [要件参照]_

タスク順序付け戦略:

  • ファンデーション優先: 依存するコンポーネントの前にコア インターフェイス
  • フィーチャー スライス: 早期検証のためのエンドツーエンド垂直スライス
  • リスク優先: 不確実な領域を早期に取り組む
  • ハイブリッド: プロジェクトのニーズに基づいてアプローチを組み合わせる

品質チェックリスト

要件チェックリスト

  • すべてのユーザーロールが特定され対処されている
  • 通常、エッジ、およびエラー ケースがカバーされている
  • 要件はテスト可能で測定可能である
  • 競合する要件がない
  • EARS フォーマットが一貫して使用されている

設計チェックリスト

  • すべての要件が設計で対処されている
  • コンポーネントの責任が明確に定義されている
  • コンポーネント間のインターフェイスが指定されている
  • エラー処理が予想される障害に対応している
  • セキュリティの考慮が対処されている

タスク チェックリスト

  • すべての設計コンポーネントに実装タスクがある
  • タスクが依存関係を尊重する順序で実行される
  • 各タスクがテスト可能なコードを生成する
  • 要件参照が含まれている
  • スコープが適切である (各 2~4 時間)

AI ワークフローとの統合

Claude Code / AI アシスタント向け:

  1. コンテキストから開始: プロジェクト背景、制約、および目標を提供する
  2. フェーズごとに作業: 設計前に要件を完了し、タスク前に設計を完了する
  3. 反復: 単一リクエストではなく会話を通じて出力を改善する
  4. 検証: AI にチェックリストに対して出力をレビューするよう求める
  5. 追跡: 要件、設計、およびタスク間のリンクを維持する

仕様の開始時のプロンプト例:

[プロジェクト コンテキスト] に取り組んでいます。[機能説明] を追加する必要があります。

コンテキスト:
- テクノロジー: [スタック]
- ユーザー: [対象ユーザー]
- 制約: [主要な制限事項]

ユーザー ストーリーと受け入れ基準から始めて、EARS フォーマットを使用して要件を開発するのを支援してください。

避けるべき一般的な落とし穴

  1. フェーズをスキップする: 各フェーズは前のフェーズの上に構築されます。ショートカットは問題を作成します
  2. 曖昧な要件: 「システムは高速である必要があります」対具体的で測定可能な基準
  3. 要件での実装詳細: 実装方法ではなく、実装内容に焦点を当てます
  4. 設計の過度な複雑化: 仮説的な将来の要件ではなく、現在の要件を解決する
  5. モノリシック タスク: 2~4 時間単位に細分化する
  6. エラー ケースの欠落: 問題が発生したときに何が起こるかを常に考慮してください

次のステップ

仕様の完成後:

  1. タスク シーケンスに従って実装を開始する
  2. タスク完了をマークして進捗を追跡する
  3. 実装が隙を明らかにした場合は仕様を更新する
  4. 完了した作業を要件に対して検証する
  5. 将来の仕様のための学習を文書化する

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
jasonkneen
リポジトリ
jasonkneen/kiro
ライセンス
MIT
最終更新
不明

Source: https://github.com/jasonkneen/kiro / 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: jasonkneen · jasonkneen/kiro · ライセンス: MIT