mcpField
A
ask-exemplar

ask-exemplar

github.com/wkentaro生産性0295 回インストール5 日前に更新
リポジトリ

ask-exemplar について

実行のたびに最新の外部情報を調査し、対象への助言や評価を行うリサーチ・評価スキルです。単独実行では判断ブリーフを、他のワークフローへの組み込みでは優先修正項目を返します。

主な機能

  1. 01毎回、最新のオンライン情報を調査
  2. 02一次資料を優先し出典を記録
  3. 03標準を分類して事例を選定
  4. 04出典リンク付きの検証可能な基準を策定
  5. 05実行可能な選択肢の比較や対象の評価
  6. 06判断ブリーフまたは優先修正項目の出力

活用シーン

  1. 01外部情報に基づく選択肢の比較
  2. 02基準に照らした完成成果物のレビュー
  3. 03コードやドキュメントの具体的な改善点の特定
  4. 04外部慣行に基づくエージェントスキルの評価

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/wkentaro/agent-skills --skill ask-exemplar

インストール後、Claude Code で/ask-exemplarを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

REFERENCE.md
agents/
openai.yaml
evals/
evals.json

詳細

ask-exemplar

Target を選択または評価する前に、最新の外部エビデンスを確認してください。実行するたびに Consultation を行います。判断の根拠は情報源に基づき、Target は変更しません。単独で実行した場合は Decision Brief を返し、Embedded Evaluation では Top Fixes のみを返します。

Workflow

  1. Target を特定します。 Target が未完成か完成済みかを推定します。未完成の Target には Guidance を、完成済みの Target には Evaluation を使用します。未解決の曖昧さによって 調査内容が変わる場合に限り、質問を 1 つだけします。分野、必須要件、ユーザーの 厳守すべき制約を特定します。Guidance の場合は、選択肢を特定します。 Evaluation の場合は、完成した成果物または diff と、そのプロジェクトのコンテキストを読みます。
  2. 外部エビデンスを調査します。 呼び出しのたびに、最新のオンライン情報源を検索するか、再検証します。 正式な規格、公式ドキュメント、公開済みの成果物、直接測定した結果、Exemplar が公表した 原則など、一次情報を優先します。Standard Finding を formal requirement、dominant convention、 contested practice、no Standard のいずれかに分類します。Evidence Gap により分類できない場合に 限り、undetermined を使用します。エビデンス、関連性、転用可能性を考慮して、1 つまたは 2 つの Exemplar を選びます。人物、組織、製品、手法はいずれも Exemplar になり得ますが、 評判だけではエビデンスになりません。根拠となる情報源を Verified Source Set として記録します。
  3. 観察可能な基準を導き出します。 根拠のあるエビデンスを、Target に照らして確認できる基準に変換します。 必須要件、慣例、Exemplar の特性を分けます。重要な主張ごとに、情報源へのリンクを添えます。コード、 UI、ドキュメント、API、CLI、スコープ、信頼性、テスト、短い文章、エージェントスキルの Target については、REFERENCE.md を読みます。著名人からの助言をシミュレートした内容に 依存する基準は設けません。
  4. 基準を適用します。 必須要件またはユーザーの厳守すべき制約に違反する選択肢を除外し、 そのうえで慣例と Exemplar を使って Feasible Options を順位付けします。重要な評価結果ごとに、 トレードオフと Confidence を示します。必須要件または厳守すべき制約に違反する修正は修正ではありません。 その場合は、要件間の緊張関係を明示します。
    • Guidance では、選択肢を比較し、デフォルトで 1 つを選びます。未解決の選択によって 推奨案が変わる場合に限り、条件付きの Recommendation とします。
    • Evaluation では、完成した Target を各基準に照らして確認し、ギャップごとに具体的な修正を 1 つ提示します。 重複を除いた Top Fixes は、効果の大きい順に並べます。また、保守されているコミュニティ製ツール、 ライブラリ、パターン、イディオムによって、Target 内の独自実装を置き換えられるかも確認します。 サポートされている代替手段は Top Fix の候補になりますが、依存関係と保守コストはトレードオフです。
  5. Decision Brief を返します。 ユーザーがファイルを求めている場合を除き、会話内で以下の形式を 使用します。Embedded Evaluation では、Top Fixes のみを返します。

エビデンスのルール

  • 一次エビデンスが入手できない場合に限り、信頼できる二次資料を暫定的な参考情報として使用します。エビデンスの不足を明記し、確信度を下げてください。
  • オンラインにアクセスできない場合は、エビデンスの不足を報告し、現行の標準や、最も強く裏付けられたエグザンプラーについて主張しないでください。利用可能なローカルソースのみを暫定的な参考情報として使用し、確信度を low に設定して、その理由を示してください。
  • エビデンスによって主張が証明された場合に限り、エグザンプラーを世界最高と呼んでください。それ以外の場合は、このターゲットで最も強く裏付けられたエグザンプラーと呼び、カバレッジの限界を明記してください。
  • 現行のエビデンスで標準に関する所見を分類し、関連するエグザンプラーを1つまたは2つ裏付けるのに十分になったら、調査を終了してください。網羅的に調査したかのように示唆するのではなく、重要な制限事項を明記してください。
  • 確認済みのソースセットは、現在の会話または親ワークフロー内でのみ再利用してください。また、ドメインと標準に関する所見が変わっていない場合に限ります。時間の経過で変わりうる主張は、再利用前に再確認してください。
  • 確信度には high、medium、low を使用し、短い理由を示してください。確信度を数値で表さないでください。

意思決定ブリーフ

## Decision Brief

### Standard Finding
<classification, evidence, and Confidence>

### Exemplars
<one or two selections, why each fits, evidence, and Confidence>

### Observable criteria
<criteria and comparison with the Target>

### Recommendation
<preferred Feasible Option, tradeoffs, and Confidence>

### Evidence limits
<Evidence Gaps and Coverage Limits, or "None material">

評価では、基準のセクションを criterion、bar、current、fix の列を持つ表にしてください。提言のセクションでは、最も効果の大きい変更を示し、ブリーフの最後に ### Top Fixes セクションを設けてください。「Top Fixes」の各項目には、所見、具体的な修正、確信度、トレードオフを含めてください。記入例は REFERENCE.md を参照してください。

組み込み評価

親ワークフローから組み込み評価を求められた場合は、報告のみを行い、番号付きの Top Fixes リストのみを返してください。各項目には、所見、具体的な修正、確信度、トレードオフを含めてください。ファイルの編集、コミット、プッシュは行わないでください。変更はすべて親ワークフローが管理します。重要な修正点がない場合は、No Top Fixes. のみを返してください。

セルフチェック

評価が有用なのは、正確性、簡素化、保守性を確認するレビュアーが構造上見つけられない問題、つまり標準的なツールやパターンの欠落、または満たされていない外部基準を明らかにする場合に限ります。ガイダンスの実行が有用なのは、ユーザーがすでに把握していることを言い換えるのではなく、引用されたエビデンスに基づいて基準を示す場合に限ります。このテストに合格しない場合は、ステップ2に戻ってドメインの一次資料を調査するか、適用される外部基準がないことを明記してください。

コメント