my-skills

Agent Skills（AIエージェントに作業手順と参照資料を追加する共通形式）に対応するAIエージェントで、論理的な情報整理とレビュー、要件定義、ドメイン設計、LLMプロジェクト計画、AIモデル選定、LLMアプリケーションの評価データ設計、AIへの依頼の見直しを支援するスキル集です。

このリポジトリには、MECEとSo What?／Why So?による情報整理と論理構成、RDRA（Relationship Driven Requirement Analysis）による要件モデリング、対話型データモデリング、業務規則を値・状態・ワークフローの型で保証するための設計指針、集約境界・整合性・外部境界の設計指針、LLM/RAGプロジェクトの段階的な進行手順、用途固有の基準によるAIモデル選定手順、LLMアプリケーションの評価用合成データを設計する手順、AIへの依頼を三つの観点から見直す手順を収録しています。

インストール

Node.jsが利用できる端末で、skills コマンドラインインターフェース（CLI）を実行します。インストールするスキルと、Claude Code、Codex、Cursorなどの利用先を対話形式で選択できます。

npx skills add Niyokee/my-skills -g

-gは、選択したスキルを利用者単位でインストールし、そのマシンの複数のプロジェクトから使えるようにする指定です。

インストール済みのスキルは、次のコマンドで確認できます。

npx skills list -g

GitHubに公開された最新版へ更新する場合は、次のコマンドを実行します。

npx skills update logical-thinking rdra data-modeling-guidelines type-guidelines design-guidelines llm-project-workflow model-selection llm-eval-data-design more-ambitious -g

収録スキル

9種類のスキルは、次の範囲を担当します。

1. logical-thinking が、課題と相手に期待する反応を確認し、情報と主張の重複、漏れ、ずれ、話の飛びを整理・レビューします。
2. rdra が、システムに必要な価値、業務、ユースケース、情報、状態を明らかにします。
3. data-modeling-guidelines が、業務上の情報構造と制約を対話で明らかにし、概念データモデルから論理・物理データベース設計へ変換します。
4. type-guidelines が、明らかになった業務規則のうち、値、状態、集約、ワークフローの型で保証できる範囲を扱います。
5. design-guidelines が、永続化、外部との変換、複数集約の連携を含む、実行時の整合性を扱います。
6. llm-project-workflow が、LLM/RAGプロジェクトを、業務要件、実データ、既存アプリによる価値検証、評価データセット、最小構成、小規模運用の順に進めます。
7. model-selection が、AIアプリケーションの用途と制約から評価基準を定義し、提供・運用方式、公開情報、用途固有の評価によって採用候補を決めます。
8. llm-eval-data-design が、LLMアプリケーションの評価目的から、評価集合、層別化、合成データ、必要件数、採点方法、本番データへの移行を設計します。
9. more-ambitious が、目的、調査と検証、異分野の手法という三つの観点を選び、AIへの依頼を改善します。

使い方

依頼内容が各スキルの適用条件と一致すると、対応するAIエージェントがスキルを選択します。

受注管理システムの要件をRDRAで整理してください。

スキル名を明示する方法は、利用するAIエージェントによって異なります。Codexでは、スキル名の先頭に$を付けます。

$logical-thinking を使って、この提案書の観察と洞察を分け、結論の根拠と実行方法の論理構造を整理・レビューしてください。

$rdra を使って、受注管理システムの要件を整理してください。

$data-modeling-guidelines を使って、受注業務の具体例から概念データモデルを作成してください。

$type-guidelines を使って、注文ドメインの型設計をレビューしてください。

$design-guidelines を使って、注文と請求の集約境界と整合性をレビューしてください。

$model-selection を使って、顧客対応アプリケーションに適したAIモデルを比較し、推奨と検証計画を示してください。

$llm-project-workflow を使って、社内文書を検索するRAGプロジェクトの進行計画を作成してください。

$llm-eval-data-design を使って、社内検索RAGのリリース前評価データ、層別化、必要件数、採点方法を設計してください。

$more-ambitious を使って、altitudeの観点から、四半期報告のスライド作成について、経営陣に必要な判断から目的と進め方を見直してください。

$more-ambitious を使って、depthの観点から、解約の原因は導入支援不足だという説明を、元データと独立した検証方法で確かめる計画を作成してください。

$more-ambitious を使って、rangeの観点から、四半期報告を読んだ人が判断しやすくなるよう、異分野の具体的な手法を比較して改善案を作成してください。

Claude Codeでは、スラッシュコマンドとして指定します。

/rdra 受注管理システムの要件を整理してください。

/llm-project-workflow 社内文書を検索するRAGプロジェクトの進行計画を作成してください。

/llm-eval-data-design 社内検索RAGのリリース前評価データ、層別化、必要件数、採点方法を設計してください。

ディレクトリ構成

my-skills/
└── skills/
    ├── logical-thinking/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── design-guidelines/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── data-modeling-guidelines/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── model-selection/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── llm-project-workflow/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── llm-eval-data-design/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── rdra/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    ├── more-ambitious/
    │   ├── SKILL.md
    │   ├── agents/openai.yaml
    │   └── references/
    │       ├── altitude.md
    │       ├── depth.md
    │       └── range.md
    └── type-guidelines/
        ├── SKILL.md
        ├── agents/openai.yaml
        └── references/

• SKILL.md は、スキルの適用条件、作業手順、出力要件を定義します。
• references/ は、作業内容に応じて参照する詳細なガイドラインを格納します。
• agents/openai.yaml は、OpenAI製品上の表示名、説明、既定のプロンプトを定義します。他のAIエージェントは、このファイルを使用しない場合があります。

スキルを更新する場合

スキルを変更するときは、次の対応関係を保ちます。

• SKILL.md の description には、スキルを使用する条件を具体的に記載します。
• 詳細な判断基準は references/ に分け、SKILL.md から参照する条件を明記します。
• agents/openai.yaml の表示内容は、SKILL.md の目的と一致させます。
• レビュー用のスキルでは、依頼がレビューだけの場合に成果物を変更しないことを明記します。