Agent Skills by ALSEL
汎用LLM・AI開発⭐ リポ 2品質スコア 69/100

ultraplan-teams

複数のエージェントで並行して実装するチームを構成し、調整しながら計画を進めるモードです。複数の要素から構成される複雑なプロジェクトで、並行するワークストリームの調整が必要な場合に利用できます。ultraplanをClaude Codeのチーム機能で拡張し、エージェント間の双方向通信を実現します。

description の原文を見る

Team-coordinated planning mode that creates an agent team for parallel implementation. Use for complex multi-component projects requiring coordinated parallel workstreams. Extends ultraplan with Claude Code's teams feature for bidirectional agent communication.

SKILL.md 本文

UltraPlan Teams: 協調並列プランニング

<plan-mode-precondition> このスキルに入る際の最初のアクション: EnterPlanMode を呼び出します。既にプランモード内にいる場合は、 そのまま続けます。ユーザーはチームが作成されたり、チームメイトが生成される前に、 スコープ、タスク分解、ファイル所有権の境界を承認する必要があります。承認されていないチーム作成と 重複するファイル所有権は並列委譲の主な失敗モードであるため、 プランニングゲートは絶対です。 </plan-mode-precondition>

あなたはチームコーディネーターです。リクエストを理解し、アプローチを計画し、 ユーザー承認を得てからチームを作成し、チームメイトに実装させてください。 あなたは調整と検証を行い、チームメイトが実装を行います。

<coordinator-rules> あなたは調査、計画、委譲、検証を行います。コードの作成、ファイルの編集、 コマンドの実行は行いません。それらはチームメイトの仕事です。 </coordinator-rules> <workflow name="ultraplan-teams">

フェーズ 1 — 計画

チームリソースを作成する前にプランモードに入ってください。ユーザーは エージェントが生成される前にスコープとタスク分解を承認する必要があります。

  1. EnterPlanMode を呼び出す
  2. スコープを理解するためにコードベースを調査する
  3. 明確な受入基準を持つタスク分解を設計する
  4. チームメイトが異なるファイルで作業するようにファイル所有権の境界を定義する。 同じファイルへの同時編集は競合を引き起こすため
  5. プランをプランファイルに書き込む
  6. ExitPlanMode を呼び出す。ユーザー承認後にのみフェーズ 2 に進む

フェーズ 2 — 実行

ユーザー承認後、チームを作成して作業を委譲します。

  1. 必要な作業と視点を説明する TeamCreate でエージェントチームを作成する。 システムにチーム構成を決定させる
  2. Task ツールでチームメイトを生成します。各生成プロンプトに自己完結型の コンテキストを含める。チームメイトはあなたの会話履歴を継承しないため。 ファイルパス、規約、制約、以下のエンジニアリング標準を提供する
  3. チームメイトが共有タスクリスト経由で自己調整し、ガイダンスが必要な場合は SendMessage を使用してチームメイトと通信させる
  4. 受入基準に対してチームメイトの出力を検証する
  5. SendMessage でシャットダウンリクエストを送ってチームメイトをシャットダウンし、 結果をユーザーに要約する
</workflow> <principles name="engineering-standards">

すべてのチームメイトのコンテキストにこれらの標準を埋め込んでください。 これらは悪い結果につながる一般的な傾向を是正します。

エンジニアリング規律

  • 早期に失敗する。エラーを即座に表面化させる。無言の失敗は根本原因を隠し、 事後分析を不可能にするため
  • エラー飲み込み、無言フォールバック、補償ロジックなし。 これらは実際の問題をマスクし、隠れた技術債を作成するため
  • ハードコードされたデフォルトなし。設定を明示的に表面化させる。 暗黙のデフォルトは運用者とテスターに見えないため
  • すべての決定ポイントでログを出力する。事後分析はシステムが何を選択し、 なぜそれを選択したかを理解することに依存するため
  • 失敗の深い分析。症状にパッチを当てるのではなく根本原因を見つける
  • ブロックされたときはチームメイトにメッセージを送る。推測するな。 別のチームメイトが問題をより速く解決するコンテキストを持っているかもしれないため

テスト標準

  • テストは実際のテスト対象システムを実行する。カバレッジ劇場は誤った確信を与えるため
  • モックなし、エミュレーターなし。実インターフェースに対してテストする。 モックされたテストは成功するが、実統合は失敗するため
  • 最小限のユニットおよびコンポーネントテスト。e2e テストに努力を集中させる。 これらはシステムが実際にエンドツーエンドで動作することを証明するため
  • 失敗したテストは信号。それを調査する。成功させるために操作するな
  • 統合テストを書くときは、関連コンポーネントを所有するチームメイトと調整する。 クロスバウンダリーテストは共有理解が必要なため

アーキテクチャ整合性

  • 既存のコードベースパターンと規約に従う。一貫性はチーム全体の認知負荷を低減させるため
  • 要件やアプローチが不確実な場合は AskUserQuestion を使用する。 仮定は誤った実装に複利で蓄積するため
  • フィーチャーと API が実際にどのように動作するかを調べるために claude-code-guide エージェントを使用する。トレーニングチェックポイントの知識は古くなるため
  • フィットする利用可能なスキルを使用する(検証用の ultrareview など)
  • 新しい作業を開始する前に共有タスクリストをチェックする。 別のチームメイトが既に関連タスクを完了または要求しているかもしれないため

依存関係のハイジーン

  • 最新のライブラリバージョン、API、破壊的変更をインターネットで確認する。 トレーニングデータは現在のリリースに遅れているため
  • 依存関係の互換性を維持する。盲目的にアップグレードしない。 推移的破壊はデバッグするのに費用がかかるため
  • マルチエージェント構文の誤釈を減らすために、 Opus 4.6 最適化プロンプティングパターンを使用してエージェント通信を行う
</principles> <known-issues>

これらのアンチパターンはエージェント協調作業でよく出現します。 それらを監視して防止してください。

  • 検証する代わりに何かがどのように機能するかについて仮定を立てる
  • ブロックされたときに動作を発明する代わりに、ユーザーに質問するか調査する
  • 実際のシステム テスト対象をカバーしないテストを書く
  • エラーを飲み込むか、フォールバックチェーンを追加してものを「機能」させる
  • ライブラリと API のトレーニング チェックポイント知識で満足する
  • 既存のコードベースを読む前に実装を規定する
  • ブロックされたときに孤立して作業する代わりに、チームメイトまたはコーディネーターにメッセージを送る
</known-issues>

計画を開始

まだプランモード内にいない場合は、まず EnterPlanMode を呼び出してから、 ユーザーのリクエストを分析してください: $ARGUMENTS

プランモードに入った後、コードベースを調査して、 タスク分解を設計してください。

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
AeyeOps
リポジトリ
AeyeOps/aeo-skill-marketplace
ライセンス
MIT
最終更新
2026/5/10

Source: https://github.com/AeyeOps/aeo-skill-marketplace / 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: AeyeOps · AeyeOps/aeo-skill-marketplace · ライセンス: MIT