Agent Skills by ALSEL
汎用LLM・AI開発⭐ リポ 0品質スコア 65/100

structured-handoff

サブエージェント間の構造化されたJSONハンドオフプロトコルを強制します。コンテキストを自動的に要約し、共有メモリにプッシュして、依存関係チェーン全体を備えた次のエージェントをトリガーします。

description の原文を見る

Enforces structured JSON handoff protocol between sub-agents. Auto-summarizes context, pushes to shared memory, and triggers next agent with full dependency chain.

SKILL.md 本文

構造化ハンドオフプロトコル

サブエージェントに作業を委譲する場合、または別のエージェントからハンドオフを受け取る場合は、構造化ハンドオフ形式を使用する必要があります。

ハンドオフ JSON スキーマ

エージェント間の全てのメッセージは、以下のフィールドを含む JSON オブジェクトである必要があります:

{
  "context": "Brief project state — what has been done so far",
  "task": "Explicit instruction — what the receiving agent must do",
  "dependencies": ["list of prior outputs, memory keys, or file paths"],
  "expected_format": "Markdown | JSON | Code",
  "constraints": ["list of constraints or blockers"],
  "ecosystem_state": "omni-link digest summary if available",
  "summary": "Human-readable one-liner for the main session"
}

ルール

  1. コンテキストなしで委譲してはいけません。 全てのハンドオフは、それまでの経過をまとめた context を含める必要があります。
  2. 依存関係を暗黙的にしてはいけません。 エージェント B がエージェント A の出力を必要とする場合、dependencies に記載してください。
  3. 必ず expected_format を含めてください — 受け取るエージェントが出力をどのように構造化するかを知ることができます。
  4. 必ず summary を記載してください — これはメインセッションとユーザーが目にするものです。
  5. 送信後、必ず CLAUDE.md の Shared Bulletin Board にハンドオフをプッシュしてください

使用パターン

/handoff @specialist-name

直近の N ターンを分析し、構造化ハンドオフ JSON を生成して、
CLAUDE.md > Shared Bulletin Board に記載し、対象エージェントを呼び出します。

omni-link との統合

コード変更を伴うハンドオフを実行する場合:

  • /scan を実行して、現在のエコシステムの状態を取得してください
  • ダイジェストの関連部分を ecosystem_state に含めてください
  • ハンドオフが API サーフェスの変更を伴う場合は、/impact を実行してください
  • コントラクト不一致がある場合は、constraints に含めてください

ハンドオフの受け取り

構造化ハンドオフを受け取った場合:

  1. JSON をパースする
  2. メモリまたはファイルシステムから全ての dependencies を読み込む
  3. expected_format に従い task を実行する
  4. 独自のハンドオフ JSON を出力として生成する(次のエージェント、またはコーディネーターに戻す場合)
  5. Shared Bulletin Board に完了ステータスを更新する

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
Sebdysart
リポジトリ
Sebdysart/omni-link-hustlexp
ライセンス
MIT
最終更新
2026/5/7

Source: https://github.com/Sebdysart/omni-link-hustlexp / 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: Sebdysart · Sebdysart/omni-link-hustlexp · ライセンス: MIT