devops

Codex 互換性に関する注意：

• Codex でリポジトリのスキルを呼び出すには、$skill-name を使用します。このミラー版では、従来の Claude の /skill-name 参照を置き換えています。
• タスクトラッカーの必須事項：ワークフローまたはスキルの手順を実行する前に、すべての手順についてタスクの追跡情報を作成または更新し、進捗の変化に合わせて同期してください。
• ユーザーへの質問を促すプロンプトは、Codex でユーザーに直接質問することを意味します。
• Claude 固有のモード切り替え指示がある場合は無視してください。
• 厳格な実行規約：ユーザーがスキルを明示的に呼び出した場合は、記載どおりにそのスキルのプロトコルを実行してください。
• サブエージェントの承認：スキルがユーザーによって呼び出された場合、または AI によって検出された場合に、そのプロトコルでサブエージェントが必要とされるなら、そのスキルの有効化により、そのタスクで必要な spawn_agent サブエージェントを使用することが承認されます。
• ユーザーが事前に逸脱を明示的に承認しない限り、プロトコルの手順を省略、並べ替え、統合しないでください。
• ワークフロースキルでは、列挙された子スキルの各手順を明示的に実行し、手順ごとに根拠を示してください。
• 必須の手順またはツールをこの環境で実行できない場合は、対応方法を変更する前に停止し、ユーザーに確認してください。

Codex のプロジェクト参照の読み込み（フックなし）

Codex では、実行時にプロジェクト文書を注入する代わりに、静的なプロジェクト参照を読み込みます。 コーディング、計画、デバッグ、テスト、レビューを行う際は、以下の経路に従ってプロジェクト文書を明示的に開いてください。

必ず読むもの：

• docs/project-config.json（プロジェクト固有のパス、コマンド、モジュール、ワークフローとテストの設定）
• docs/project-reference/docs-index-reference.md（docs/project-reference/* カタログ全体への案内）
• docs/project-reference/lessons.md（常時適用されるガードレールとアンチパターン）

コンテキストがない、または古い場合の経路： docs/project-config.json、ドキュメントのインデックス、lessons.md、CLAUDE.md、AGENTS.md、またはタスクに必要な参照文書が存在しないか古い場合は、プロジェクト固有の通常作業を始める前に、$project-init または限定的なセットアップ経路（$project-config、$docs-init、$scan-all、$scan --target=<key>、$claude-md-init）を自動的に実行してください。Codex のミラーまたは AGENTS.md が存在しないか古い場合は、ユーザーに $sync-codex の実行を依頼してください。自動実行はしないでください。

状況に応じて読む文書：

• プロジェクトの構造／アーキテクチャ／技術スタック／デプロイ／セットアップ（バックエンド、フロントエンド、インフラのいずれの層でも）：project-structure-reference.md
• バックエンド／CQRS／API／ドメイン／エンティティの変更：backend-patterns-reference.md、domain-entities-reference.md
• フロントエンド／UI／スタイリング／デザインシステム：frontend-patterns-reference.md、scss-styling-guide.md、design-system/README.md
• 仕様書の作成、docs/specs/ のパス指定、または TC 形式：feature-spec-reference.md、spec-system-reference.md、spec-principles.md
• 振る舞い／公開契約の変更、または仕様書・テスト・コード間の同期：workflow-spec-test-code-cycle-reference.md と上記の仕様書関連文書
• 派生仕様インデックス／ERD／再実装ガイド：spec-system-reference.md および docs/specs/ 内の元となる Feature Specs
• 統合テストの実装／レビュー：integration-test-reference.md
• E2E テストの実装／レビュー：e2e-test-reference.md
• コードレビュー／監査：code-review-rules.md と、変更対象のファイルに応じたドメイン文書

すべての文書を無差別に読まないでください。まず docs-index-reference.md を確認し、そこからタスクに関連するファイルだけを開いてください。

クイックサマリー

目標： Cloudflare（Workers、R2、D1）、Docker コンテナ、Google Cloud にわたるクラウドインフラをデプロイおよび管理します。

ワークフロー：

1. プロバイダーの選択 — Cloudflare（エッジ／低レイテンシ）、Docker（コンテナ／マイクロサービス）、GCP（エンタープライズ／K8s）から選択します
2. プロジェクトのセットアップ — Wrangler CLI、Dockerfile、または gcloud CLI で初期化します
3. ローカル開発 — デプロイ前にローカルでテストします
4. デプロイと検証 — ヘルスチェックを実行しながら、対象のプロバイダー／ランタイムにデプロイします

重要なルール：

• コンテナは非 root ユーザーで実行し、イメージの脆弱性をスキャンします
• イメージサイズを最小限に抑えるため、Docker のマルチステージビルドを使用します
• シークレットは環境変数に保存し、コードには決して含めません
• エグレスコストをゼロにすることが重要な場合は、S3 より R2 を使用します

懐疑的な姿勢を保ち、批判的思考と順序立てた思考を適用してください。すべての主張には追跡可能な証拠と信頼度（％）が必要です（Idea は 80％を超える必要があります）。

DevOps スキル

Cloudflare エッジサービス、Docker コンテナ化、Google Cloud にわたるクラウドインフラのデプロイと管理に関する包括的なガイドです。

このスキルを使用する場面

次のような場合に、このスキルを使用します。

• サーバーレスアプリケーションを Cloudflare Workers にデプロイする
• Docker でアプリケーションをコンテナ化する
• gcloud CLI で Google Cloud インフラを管理する
• 複数のプラットフォームにまたがる CI/CD パイプラインを設定する
• クラウドインフラのコストを最適化する
• マルチリージョンデプロイを実装する
• エッジファーストアーキテクチャを構築する
• Kubernetes でコンテナオーケストレーションを管理する
• クラウドストレージソリューション（R2、Cloud Storage）を設定する
• スクリプトと IaC でインフラを自動化する

プロバイダーの選択ガイド

Cloudflare を使用する場面

最適な用途：

• グローバルに配信するエッジファーストアプリケーション
• 超低レイテンシが求められる要件（<50ms）
• サーバーレス関数を使用する静的サイト
• エグレスコストがゼロのシナリオ（R2 ストレージ）
• WebSocket／リアルタイムアプリケーション（Durable Objects）
• エッジでの AI／ML（Workers AI）

主な製品：

• Workers（サーバーレス関数）
• R2（オブジェクトストレージ、S3 互換）
• D1（グローバルレプリケーションに対応した SQLite データベース）
• KV（キー・バリューストア）
• Pages（静的ホスティング＋関数）
• Durable Objects（ステートフルコンピューティング）
• Browser Rendering（ヘッドレスブラウザー自動化）

コストの特徴： リクエストごとの課金、充実した無料枠、エグレス料金なし

Docker を使用する場面

最適な用途：

• ローカル開発環境の一貫性確保
• マイクロサービスアーキテクチャ
• 複数の言語を使用するスタックのアプリケーション
• 従来型の VPS／VM デプロイ
• Kubernetes オーケストレーション
• CI/CD ビルド環境
• データベースのコンテナ化（開発／テスト）

主な機能：

• アプリケーションの分離と移植性
• 最適化のためのマルチステージビルド
• 複数コンテナのアプリ向け Docker Compose
• データを永続化するためのボリューム管理
• ネットワーク設定とサービスディスカバリー
• アーキテクチャ間の互換性（amd64、arm64）

コストの特徴： インフラコストのみ（コンピューティング＋ストレージ）

Google Cloud を使用する場面

最適な用途：

• エンタープライズ規模のアプリケーション
• データ分析および ML パイプライン（BigQuery、Vertex AI）
• ハイブリッド／マルチクラウドデプロイ
• 大規模な Kubernetes（GKE）
• マネージドデータベース（Cloud SQL、Firestore、Spanner）
• 複雑な IAM およびコンプライアンス要件

主なサービス：

• Compute Engine（VM）
• GKE（マネージド Kubernetes）
• Cloud Run（コンテナ化されたサーバーレス）
• App Engine（PaaS）
• Cloud Storage（オブジェクトストレージ）
• Cloud SQL（マネージドデータベース）

コストの特徴： 料金体系は多様で、継続利用割引や確約利用契約があります

クイックスタート

Cloudflare Workers

# Install Wrangler CLI
npm install -g wrangler

# Create and deploy Worker
wrangler init my-worker
cd my-worker
wrangler deploy

参照：references/cloudflare-workers-basics.md

Docker コンテナ

# Create Dockerfile
cat > Dockerfile <<EOF
FROM node:20-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --production
COPY . .
EXPOSE 3000
CMD ["node", "server.js"]
EOF

# Build and run
docker build -t myapp .
docker run -p 3000:3000 myapp

参照：references/docker-basics.md

Google Cloud のデプロイ

# Install and authenticate
curl https://sdk.cloud.google.com | bash
gcloud init
gcloud auth login

# Deploy to Cloud Run
gcloud run deploy my-service \
  --image gcr.io/project/image \
  --region us-central1

references/ の Google Cloud リファレンスを参照してください。

リファレンスのナビゲーション

Cloudflare 開発スタック

• Cloudflare リファレンス - エッジコンピューティングの概要、主要コンポーネント
• cloudflare-workers-basics.md - はじめに、ハンドラーの種類、基本パターン
• cloudflare-workers-advanced.md - 高度なパターン、パフォーマンス、最適化
• cloudflare-workers-apis.md - ランタイム API、バインディング、インテグレーション
• cloudflare-r2-storage.md - R2 オブジェクトストレージ、S3 互換性、ベストプラクティス
• cloudflare-d1-kv.md - D1 SQLite データベース、KV ストア、ユースケース
• browser-rendering.md - Cloudflare での Puppeteer／Playwright による自動化

Docker コンテナ化

• docker-basics.md - 基本概念、Dockerfile、イメージ、コンテナ
• docker-compose.md - マルチコンテナアプリ、ネットワーク、ボリューム

Google Cloud

• Google Cloud リファレンス - GCP の概要、gcloud CLI、認証
• gcloud-services.md - Compute Engine、GKE、Cloud Run、App Engine

Python ユーティリティ

• scripts/cloudflare-deploy.py - Cloudflare Worker のデプロイを自動化
• scripts/docker-optimize.py - Dockerfile の分析と最適化

一般的なワークフロー

エッジ＋コンテナのハイブリッド構成

# Cloudflare Workers (API Gateway)
# -> Docker containers on Cloud Run (Backend Services)
# -> R2 (Object Storage)

# Benefits:
# - Edge caching and routing
# - Containerized business logic
# - Global distribution

マルチステージ Docker ビルド

# Build stage
FROM node:20-alpine AS build
WORKDIR /app
COPY package*.json ./
RUN npm ci
COPY . .
RUN npm run build

# Production stage
FROM node:20-alpine
WORKDIR /app
COPY --from=build /app/dist ./dist
COPY --from=build /app/node_modules ./node_modules
USER node
CMD ["node", "dist/server.js"]

CI/CD パイプラインのパターン

# 1. Build: Docker multi-stage build
# 2. Test: Run tests in container
# 3. Push: Push to registry (GCR, Docker Hub)
# 4. Deploy: Deploy to Cloudflare Workers / Cloud Run
# 5. Verify: Health checks and smoke tests

ベストプラクティス

セキュリティ

• コンテナを非 root ユーザーとして実行する
• サービスアカウントのなりすましを使用する（GCP）
• シークレットはコードではなく、環境変数に保存する
• イメージの脆弱性をスキャンする（Docker Scout）
• 最小限の権限を持つ API トークンを使用する

パフォーマンス

• イメージサイズを削減するため、マルチステージ Docker ビルドを使用する
• Cloudflare KV でエッジキャッシュを利用する
• エグレス料金がゼロのストレージには R2 を使用する
• コンテナにヘルスチェックを実装する
• 適切なタイムアウトとリソース制限を設定する

コストの最適化

• 大量のエグレスがある場合は、S3 の代わりに Cloudflare R2 を使用する
• キャッシュ戦略（エッジ＋KV）を実装する
• コンテナのリソースを適正化する
• 継続利用割引を利用する（GCP）
• クラウドプロバイダーのダッシュボードで使用状況を監視する

開発

• ローカル開発には Docker Compose を使用する
• ローカルでの Worker テストには Wrangler dev を使用する
• マルチ環境では名前付き gcloud 設定を使用する
• インフラストラクチャコードをバージョン管理する
• CI/CD で自動テストを実装する

選択マトリックス

ニーズ	選択肢
グローバルで 50 ミリ秒未満のレイテンシ	Cloudflare Workers
大容量ファイルストレージ（エグレス料金ゼロ）	Cloudflare R2
SQL データベース（グローバル読み取り）	Cloudflare D1
コンテナ化されたワークロード	Docker + Cloud Run/GKE
エンタープライズ Kubernetes	GKE
マネージドリレーショナルデータベース	Cloud SQL
静的サイト＋API	Cloudflare Pages
WebSocket／リアルタイム	Cloudflare Durable Objects
ML／AI パイプライン	GCP Vertex AI
ブラウザー自動化	Cloudflare Browser Rendering

リソース

• Cloudflare ドキュメント： https://developers.cloudflare.com
• Docker ドキュメント： https://docs.docker.com
• GCP ドキュメント： https://cloud.google.com/docs
• Wrangler CLI： https://developers.cloudflare.com/workers/wrangler/
• gcloud CLI： https://cloud.google.com/sdk/gcloud

実装チェックリスト

Cloudflare Workers

• Wrangler CLI をインストールする
• Worker プロジェクトを作成する
• wrangler.toml を設定する（バインディング、ルート）
• wrangler dev でローカルテストを行う
• wrangler deploy でデプロイする

Docker

• マルチステージビルドを使用した Dockerfile を作成する
• .dockerignore ファイルを作成する
• ローカルでビルドをテストする
• レジストリにプッシュする
• 対象のプロバイダー／ランタイムにデプロイする

Google Cloud

• gcloud CLI をインストールする
• サービスアカウントで認証する
• プロジェクトを作成し、API を有効にする
• IAM 権限を設定する
• リソースをデプロイして監視する

関連項目

• db-migrate

---

[IMPORTANT] 作業を開始する前に、タスク管理を使ってすべての作業を小さなタスクに分割してください。各ファイルを読むタスクも含めます。これにより、長いファイルによるコンテキストの喪失を防げます。簡単なタスクの場合は、AI は必ずユーザーにスキップしてよいか確認してください。

AI のミス防止 — すべてのタスクで避けるべき失敗パターン：

コンテキストが変わったらファイルを読み直してください。 コンテキストの圧縮、作業の再開、長時間にわたる作業によって記憶が古くなることがあります。作業に取りかかる前に、現在のファイルを確認してください。 生成した内容をソースの証拠と照合してください。 AI は API、名前、主張、ドキュメントの事実を幻覚することがあります。記述または参照する前に、該当するソースを確認してください。 削除や名前変更の前に、下流の参照を確認してください。 成果物を削除すると、ドキュメント、生成されたミラー、設定、呼び出し元が古くなる可能性があります。まず参照箇所を洗い出してください。 編集後は影響範囲全体を追跡してください。 定義を変更すると、派生した出力や利用箇所を見落とすことがあります。完了を宣言する前に、影響を受ける一連の箇所を確認してください。 最初の出力だけでなく、影響を受けるすべての出力を検証してください。 チェックが 1 つ成功しても、すべてが成功したとは限りません。変更によって影響する可能性のある出力先をすべて検証してください。 既存の値には意図があると考え、変更したり欠陥として指摘したりする前に、理由を確認してください。 定数、上限、フラグ、しきい値、文言、パターンを変更または報告する前に、周辺のコンテキストと履歴、呼び出し元の処理順序、同じ規約に従う 2 つ以上の類似した呼び出し箇所を確認してください。理由を示さずに「何」を説明するドキュメントは、根拠がないことの証明ではなく、根拠の説明が不足しているということです。 曖昧さがあれば、黙って決めず、行動する前に明らかにしてください。 複数の妥当な解釈がある場合は、明示的に質問するか、リスクを添えて前提を述べてください。 インフラが管理する中間状態ではなく、システムが保証する結果を検証してください。 非同期処理を検証するときは、最終的なビジネス状態を検証してください。共有インフラに保存され、同時に実行中のどのプロセスでも書き込める配信や再試行の記録は、決して検証しないでください。このようなチェックは単独実行では成功しても、同じインフラを他の処理と共有した途端に不安定になります。 共有ガイダンスは、それを受け取る役割に関係する内容にしてください。 すべての受け手となるスキルやエージェントに役立つ内容だけを共通ガイダンスに含め、コード固有の要件はコード固有のプロトコルにのみ記載してください。

批判的思考の姿勢 — 批判的思考と順序立てた思考を適用してください。行動を起こすには、すべての主張について追跡可能な証拠があり、確信度が 80％を超えている必要があります。 幻覚の防止： 推測を事実として示さないでください。すべての主張の出典を示し、不確かな点は率直に認め、出力に誤りがないか自己確認し、独立した情報と照合し、自分の確信を疑ってください。証拠のない確信こそ、あらゆる幻覚の根源です。

必ず注意して、批判的かつ順序立てて考えてください。すべての主張には適切な追跡可能な証拠が必要です（リポジトリやコードに関する主張は file:line、調査、製品、コンテンツ、ドキュメントに関する主張はソース URL または成果物のセクション）。行動を起こすには確信度が 80％を超えている必要があり、60％未満の場合は推奨してはいけません。幻覚を防ぐため、推測を事実として示さず、不確かな点は率直に認め、独立した情報と照合し、自分の確信を疑ってください。

必ず注意して、AI のミス防止策を適用してください。生成した内容を証拠と照合し、削除や名前変更の前に下流の参照を追跡し、影響を受けるすべての出力を検証し、コンテキストを失った後はファイルを読み直し、行動する前に曖昧さを明らかにしてください。

プロジェクトプロトコルオーバーレイ — このスキルを実行する前に、このスキルに適用されるプロジェクトのオーバーレイルールを解決してください。プロジェクトのスキルプロトコルインデックス（デフォルトでは docs/project-reference/skill-protocols-reference.md。docs/project-config.json の referenceDocs エントリがある場合はそのパスを優先）にある Target 列と、このスキル名を照合し、最も具体的に一致する階層のみを選択してください（完全一致 > glob > *）。この優先順位はオーバーレイ同士の順序を定めるものであり、このスキルに対する優先順位ではありません。 一致した本文のみを読み込み、<protocols-dir>/<Name>.md として解決してください。行の Body リンクは表示テキストであり、読み込み先のパスではありません。一致した本文が存在しないか、形式が不正な場合は、その旨を報告して読み飛ばしてください。インデックスがない場合、または一致がない場合は、オーバーレイなしで何も報告せずに続行してください。完全な規約については .claude/skills/project-skill-protocol/references/registry.md を参照してください。

オーバーレイは追加のみです。このスキル独自のプロトコルにルールを追加するものであり、既存のルールを置き換えたり、上書きしたり、無効にしたり、解釈し直したりしてはなりません。すべてのオーバーレイを取り除いた場合、このスキルは文書化された動作に正確に戻る必要があります。オーバーレイは概要であり、権限を引き上げるものではありません。ワークフローのゲート、Git の規律、レビューゲート、ユーザー確認ゲートを省略することはできません。オーバーレイとスキルの間で実際に矛盾が生じた場合、または同じ具体性のオーバーレイ同士が直接矛盾した場合は、両方をユーザーに提示してください。黙って解決してはなりません。

必ず注意：実行前に、このスキルに適用されるプロジェクトプロトコルオーバーレイを解決してください。最も具体的に一致する階層のみを選択します（完全一致 > glob > *。この優先順位はオーバーレイ同士の順序を定めるものであり、このスキルに対する優先順位ではありません）。一致した本文のみを <protocols-dir>/<Name>.md から読み込みます。本文が存在しないか形式が不正な場合は報告し、再構成してはなりません。オーバーレイは追加のみ（このスキル独自のルールを置き換えません）であり、概要であって権限の引き上げではありません。同じ具体性のオーバーレイ間の矛盾はユーザーに提示してください。

締めくくりの注意事項

適用中のプロトコル（このスキルが含む SYNC／共有ブロックの簡潔な要約）： 以下の各項目を必ず完全に遵守してください。

• クリティカルシンキング： 批判的かつ順序立てて考え、根拠を追跡してください。実行するのは確信度が80％を超える場合に限ります。

• AI の誤り防止： 生成した内容を証拠と照合し、後続の参照を追跡し、影響を受けるすべての出力を確認し、コンテキストを失った後は読み直し、曖昧さがあれば明示してください。

• 必須・重要・要注意： 作業を始める前に、タスク管理を使って作業を小さな ToDo タスクに分割してください。

• 必須・重要・要注意： 新しいコードを作成する前に、コードベース内で類似パターンを3件以上検索してください。

• 必須・重要・要注意： すべての主張に file:line 形式の根拠を示してください（実行するのは確信度が80％を超える場合に限ります）。

• 必須・重要・要注意： 作業品質を検証するための最終レビュー ToDo タスクを追加してください。

[TASK-PLANNING] 行動に移る前に、タスクの範囲を分析し、タスク管理を使って小さな ToDo タスクとサブタスクに体系的に分割してください。

Hookless Prompt Protocol Mirror（自動同期）

ソース：.claude/.ck.json + .claude/skills/shared/sync-inline-versions.md（:full ブロック）+ .claude/scripts/lib/hookless-prompt-protocol.cjs

[WORKFLOW-EXECUTION-PROTOCOL] [BLOCKING] ワークフロー実行プロトコル — 必須・重要・必ず遵守・重大。いかなる理由があっても省略しないでください。

汎用的な移植性の境界： 再利用可能なスキルとプロトコルのテキストはプロジェクトに依存しないものとし、プロジェクト固有の規約は docs/project-config.json と docs/project-reference/ から確認します。共有 AI-SDD は shared/sdd-artifact-contract.md に従って適用します。docs/project-config.json と docs/project-reference/docs-index-reference.md を読み、そこに記載されているプロジェクトリファレンスドキュメントを開いてください。仕様、テストケース、動作変更、公開コントラクト、または docs/specs/ に関する作業では、ドキュメントインデックスに記載されたローカルの仕様ドキュメント（feature-spec-reference.md、spec-system-reference.md、spec-principles.md、および仕様・テスト・コードの同期が必要な場合は workflow-spec-test-code-cycle-reference.md）を経由してください。いずれかのファイル、または必須のリファレンスドキュメントが見つからないか古くなっている場合は、通常のプロジェクト固有の作業に進む前に $project-init（または $project-config、$docs-init、$scan-all、$scan --target=<key> などの限定的な下位ルート）を自動実行してください。この共有コンテキストとローカルドキュメントが利用可能であれば、サポート対象の任意の AI ツールで実行できます。

1. 検出： プロンプトが明示的なスラッシュ形式のスキル／ワークフローコマンドで始まる場合は、それを直接実行します。それ以外の場合は、プロンプトをワークフローカタログとスキルリストに照らし合わせます。
2. 分析： 最適な方法を選択します。直接実行、スキルの呼び出し、標準ワークフローの開始、またはカスタムのステップ構成です。
3. 自動選択： 最適な方法を自分で選択します。直接実行、スキル、標準ワークフロー、カスタムワークフローのどれにするか、ユーザーに選択を求めてはいけません。
4. 開始： 選択したワークフローでは $start-workflow <workflowId> を呼び出します。選択したスキルではそのスキルを呼び出します。カスタムワークフローではカスタムステップを順に実行します。直接実行ではタスクに進みます。
5. タスクの作成： 選択した経路に複数のステップがある場合、実行前にすべてのワークフロー／スキル／カスタムステップについてタスクを追跡します。
6. 並列化： タスクリストの実行前に、各タスクに PAR（入力が独立しており、書き込み対象が他のすべての PAR タスクと重複しない）または SEQ（ブロックする依存関係を明記）を付け、PAR タスクをウェーブにグループ化し、ウェーブ計画を宣言して、各ウェーブのサブエージェントを1つのメッセージで起動します。各ウェーブでは全員の完了を待ち、サブエージェント自身の定義でさらなる並列化が認められている場合を除き、ファンアウトは1階層までとします。独立したタスクを逐次処理するのは不備です。共有の書き込み対象、出力を利用するタスク、単純な単一ファイルの作業、スキルやワークフローで順序が明示されている作業、ユーザー承認が必要な段階は並列化しないでください。
7. 実行： コンテキスト指示にある Workflow Step Advancement & Parallel Phases のルールに従って進めます。ステップの進行はモデル主導です。サブエージェントの完了はインライン呼び出しと同様にステップを進めます。並列フェーズのグループは全員の完了を待つバリアです（すべてのメンバーが完了した後にのみ進み、決して逐次化しません）。

共有 AI-SDD プロトコルマーカー

ソース：.claude/skills/shared/sync-inline-versions.md

SYNC:ai-sdd-artifact-contract

AI-SDD 成果物契約 — 共有する仕様駆動開発のルールは、移植可能な状態に保ち、ソース側で管理します。

1. 再利用可能な AI-SDD の原則は .claude に置き、リポジトリ固有のパス、コマンド、担当者、製品、形式はプロジェクト設定または参照ドキュメントに記載します。
2. サイクルを維持します：spec -> plan -> tasks -> implement -> verify -> update spec/docs。
3. すべての要件または不変条件を、判断、タスク、TC／テスト、ソースの根拠、ドキュメント／仕様の更新まで追跡します。
4. コードから仕様への抽出は、正規の仕様オーナーが承認するまでは参照専用として扱います。
5. 同期されたコンテキストがあれば、サポート対象の AI ツールで計画、実装、レビュー、検証を行えます。複数のツールを使うかどうかは任意です。
6. まず .claude のソースを更新してから、生成されたミラーを同期します。.agents、.codex、AGENTS.md を手動で編集しないでください。— 理由：ミラーは生成された成果物であり、次回の同期時に手動編集内容が上書きされます
7. docs/project-config.json、ルートの指示ファイル、または必須のプロジェクト参照ドキュメントが欠落しているか古い場合は、通常のプロジェクト固有の作業を行う前に、$project-init または適切な下位レベルの手順を自動実行します。

有効な参照先： アクティブなスキルルート内の shared/sdd-artifact-contract.md。

---

SYNC:ai-sdd-artifact-contract:reminder

• 必須 shared/sdd-artifact-contract.md を適用し、再利用可能な AI-SDD は .claude に、ローカルルールはプロジェクトのドキュメントに保持します。
• 必須 コードから仕様への抽出は、正規の承認を得るまで参照専用です。サポート対象の AI ツールであれば、同期されたコンテキストを使って実行できます。
• 必須 生成されたミラーを同期する前に .claude のソースを更新します。.agents、.codex、AGENTS.md を手動で編集しないでください。
• 必須 プロジェクト設定、ルートの指示ファイル、または必須の参照ドキュメントが欠落しているか古い場合は、プロジェクト固有の作業を $project-init または適切なセットアップ手順に自動的に振り分けます。 [TASK-PLANNING] [必須] ワークフローまたはスキルの手順を実行する前に、計画したすべての手順についてタスク追跡を作成／更新し、各手順の開始時と完了時に同期してください。

[LESSON-LEARNED-REMINDER] [BLOCKING] タスク計画と継続的な改善 — 必須。省略しないでください。

作業を始める前に、作業を小さなタスクに分割して追跡します。最後のタスクに「AI のミスと教訓を分析する」を追加します。

教訓の抽出 — 症状への対処ではなく、根本原因のみを扱います：

1. 症状ではなく、失敗モード（推論や前提の誤り）を特定します。「間違った enum 値を使った」ではなく、「ソースを読まずに API が存在すると仮定した」とします。
2. 一般性を確認します。この失敗モードは 3 つ以上の状況／コードベースに当てはまりますか？当てはまらない場合は、もう一段階抽象化します。
3. 普遍的なルールとして記述します。プロジェクト固有の名前、パス、クラスを取り除きます。どのコードベースでも役立つ内容にします。
4. 統合します。同じ失敗モードに起因する複数のミスは、1 つの教訓にまとめます。
5. 再発ゲート：「このリマインダーがなければ、今後のセッションで再発するか？」いいえ → $learn は省略します。
6. 自動修正ゲート：「$code-review／$code-simplifier／$security-review／$lint で検出できるか？」はい → 代わりにレビュー用スキルを改善します。
7. 両方のゲートを通過した場合は、ユーザーに $learn の実行を依頼します。 [CRITICAL-THINKING-MINDSET] 批判的思考と段階的思考を適用します。あらゆる主張に追跡可能な証拠を求め、行動する際は確信度を 80% 超とします。 ハルシネーション防止の原則： 推測を事実として提示しないでください。すべての主張に出典を示し、不確実性を率直に認め、出力に誤りがないか自己確認し、独立した情報源と照合し、自分の確信を疑ってください。証拠のない確信が、あらゆるハルシネーションの根本原因です。 AI の注意力の原則（初頭効果・新近効果）： 長いプロンプト／プロトコルでは、最も重要なルールを上部と下部の両方に 3 つずつ配置し、長いコンテキストでも指示への準拠を維持します。 目標主導の実行： まず成功基準を定め、検証できるまで繰り返し、観察可能なチェックに合格した場合にのみ終了します。 テストは意図を検証します： テストは現在の動作をなぞるだけでなく、ビジネスルールや不変条件を保護し、保護対象の意図が崩れたときに失敗する必要があります。

よくある AI のミスを防ぐ（システムの教訓）

• コンテキスト圧縮後はファイルを再読込してください。 編集するには、同じコンテキスト内で事前に Read している必要があります。圧縮によって読込状態は消去されます。編集前に再読込してください。
• 一括置換後は古い用語を grep してください。 AI は検索・置換の完全性を過信します。一括編集後はリポジトリ全体を grep し、ドキュメント／設定／カタログに参照漏れがないか確認してください。
• 削除前に下流の参照を確認してください。 削除の影響は、ドキュメントやコードの陳腐化へ連鎖します。削除前に参照元ファイルを洗い出してください。
• 記憶を失った後、新しく作成する前に既存の状態を確認してください。 圧縮によってこれまでの作業の記憶が消去されます。作業を再開するときは現在の状態を確認し、決してむやみに重複作成しないでください。
• AI 生成コンテンツは実際のコードと照合してください。 AI は API、クラス名、メソッドシグネチャを幻覚することがあります。ドキュメントへの記載や参照の前に、grep して実在を確認してください。
• 編集後は依存関係を最後までたどってください。 定義を変更しても、その下流の利用箇所を見落とすことがあります。依存関係をすべてたどってください。
• 名前を変更するときは、利用側の全ファイル形式を grep してください。 ファイル形式によっては、参照先が見つからなくてもエラーなしで無視されます。コード、テンプレート、設定、生成ファイルを検索してください。
• 正しさを検証するときは、すべてのコードパスをたどってください。 コードが存在することと、実行されることは同じではありません。正常系だけでなく、早期リターン、エラー分岐、条件によるスキップもたどってください。
• ソースが変わったら、正規データを埋め込んでいるドキュメントも更新してください。 派生データ（ワークフロー、スキーマ、設定など）を直接記載しているドキュメントは、気づかないうちに古くなります。ソースと合わせて、該当する埋め込みドキュメントをすべて更新してください。
• コンテキスト復旧後は、サブエージェントの結果を検証してください。 親エージェントが圧縮されている間にバックグラウンドエージェントが完了している場合があります。完了したはずだと信じず、出力を grep して確認してください。
• 対象の全一覧とサブエージェントへの割り当てを照合してください。 カテゴリごとにサブエージェントを並行実行すると、境界上の項目を見落とすことがあります。作業を進める前に、割り当ての和集合を対象一覧と照合してください。
• サブエージェントが引き継ぐ知識は、そのエージェントの .md 定義に書かれた内容だけです。組み込みの Explore ではなく、カスタムエージェント種別を使用してください。 ツールの採用には、権限＋知識＋適用（番号付きワークフロー手順）が必要です。
• サブエージェントの調査結果は最後にまとめてではなく、随時保存してください。 長時間実行されるサブエージェントは、最終書き込み前に打ち切られることがあり、調査結果が失われます。報告ファイルにセクションごとに追記するよう指示してください。
• デバッグ時は修正する前に「どちらの責任か」を確認してください。 呼び出し元（データが誤っている）と呼び出し先（処理が誤っている）をたどり、責任のある層を修正してください。症状が表れる箇所だけを修正してはいけません。
• テスト失敗時は、追跡や編集の前に暫定判定を記録してから調査してください。 次の 5 つの分類をすべて使ってください。SOURCE-WRONG（本番コードが意図に反している）、TEST-WRONG（アサーション／セットアップが古くなっている）、TEST-NOT-OPTIMAL（妥当だが脆弱、または情報量の少ないテスト）、ENVIRONMENT-BLOCKED（外部状態のため判定できない）、AMBIGUOUS（意図や証拠から安全に選べない）。その後、根本原因をたどり、適用される仕様（存在する場合は docs/specs/**）とソースの両方に照らして検証してください。成功を無理に得るために、アサーションを弱めたり、スキップを追加したり、タイムアウトを緩めたり、ソースを変更したりしてはいけません。
• 抽出／リファクタリング後は、削除した名前をすべて grep してください。 主要ファイルの作業完了は、他のファイルもクリーンであることを意味しません。完了を宣言する前に、対象範囲全体で削除したシンボルを一つずつ grep してください。
• 既存の値には意図があると考え、変更したり不具合だと指摘したりする前に、必ず理由を確認してください。 パターンマッチで「誤り」と決めつけると、背景を見落とします。定数／上限／フラグ／しきい値を変更または報告する前に、コメント、git blame、呼び出し元の処理順序（値を正しくする保証は、通常、該当行の直前に実行されるコードにあります）、同じ規約を使っている 2 つ以上の類似した呼び出し箇所を確認してください。理由なしに WHAT（何をするか）だけを記したドキュメントは、根拠が欠けているのではなく、WHY（なぜそうするか）の説明が不足しているということです。検証作業でも、正確な file:line の引用が証明するのは転記が正確であることだけであり、不具合の存在ではありません。
• 最初の出力だけでなく、影響を受けるすべての出力を検証してください。 一つのビルドが成功しても、すべてが成功したとは限りません。複数のスタックにまたがる変更（バックエンド／フロントエンド／テスト／ドキュメント）では、すべての出力を検証してください。
• 近くにあるパターンをコピーする前に、適合性を評価してください。 最も近い例が適合するとは限りません。新しいコンテキストが同じ制約、基底クラス、スコープ、ライフタイムを共有するか確認してください。
• デバッグでは全体を優先し、目についた箇所に飛びつかないでください。 最初に思いついた原因へすぐ飛びつかないでください。前提条件（設定、環境変数、パス、DB、エンドポイント、認証情報、バージョン、DI、データ）をすべて列挙し、それぞれを証拠（推論ではなく grep／クエリ）に照らして検証してください。「何があればこの仮説は否定されるか？」と問い、何も答えられないなら、それは仮説ではありません。最もコストの高い失敗は、バグが一度も疑われていない層にあるのに、「明らか」だと思い込んだ層をさらに深掘りすることです。
• 変更は最小限にし、差分テストを適用してください（コンテキストに合わせて判断）。 2 つのモードがあります。（1）バグ修正 → すべての行がバグに直接関係するようにし、スタイル変更はしないでください。不要になったインポートを削除してよいのは、あなたの変更によって不要になったものだけです。（2）レビュー／機能強化 → 改善を実装し、「主な依頼を超える機能強化：[内容]」と明示してください。黙ってスコープを拡大しないでください。差分テスト：「X を依頼されていなかったとしても、この行は存在していたか？」いいえなら、削除するか明示してください。
• 実装前に曖昧さを明らかにし、黙って解釈を選ばないでください。 複数の妥当な解釈がある場合は、それぞれの工数とともに提示してください。「[依頼] は（1）[N 時間]、（2）[N 時間]のいずれかと解釈できます。どちらが重要ですか？」まずスコープ／形式／量／制約に関する前提を列挙してください。より簡単な方法がある場合は、そのことも伝えてください。黙って選ばないでください。
• [必須の最初のアクション] 応答する前に、必ず適切なスキルまたはワークフローを有効にしてください。 ワークフローカタログとスキル一覧に照らしてタスクを確認し、スキルの呼び出し、または $start-workflow <workflowId> で実行してください。確認する前に回答やコード作成をしてはいけません。省略はプロトコル違反です。
• Why-Review の敵対的な視点は、計画、判断、設計をレビューするときに適用してください。 基本姿勢は VALIDATOR（妥当性を確認する側）ではなく SKEPTIC（懐疑的な側）です。却下された代替案の最も強い論拠を組み立て、述べられた理由を一つずつ逆転させて「何を犠牲にするのか」を問い、上位 2～3 個の前提をストレステストし、プレモーテム（「リリースしたが 3 か月後に失敗した。何が壊れたのか？」）を行い、作成者が見落とした代替案を 1～2 個提示してください。セクションがあるだけでは十分ではありません。重要なのは、因果関係に基づく推論、具体的な軽減策、証拠です。「より良い」や「注意深く監視する」だけでは不十分です。
• 大規模なレビューでは、サブエージェントへのプロンプトで報告書の書き込みを最初に行わせてください。 多数のファイルを扱うサブエージェントは、最終書き込みの前に予算を使い切り、調査結果を失うことがあります。プロンプトは、（1）報告書の書き込みを最初に明示する成果物とする、（2）まとめてではなくファイル／セクションごとに追記する、（3）読み込みで予算を使い切らないようスコープを限定する、という構成にしてください。報告ファイルを残さず文の途中で打ち切られた場合は、同じプロンプトを再試行せず、より狭いスコープで再実行してください。
• コンテキスト圧縮後は、続行する前に以前の各フェーズの結果をすべて再検証してください。 要約が示すのは意図であり、環境の状態（git のインデックス、ファイルシステム、プロセス）ではありません。再開時はまず git status を確認し、変更したファイルを再読込し、ファイルシステムを検証してください。証拠で確認されるまでは、「完了した」という主張もすべて未検証の仮説です。
• OOM／メモリ：行サイズより先に行数を確認してください。 次の順にトリアージします。（1）上限のないクエリ — 条件を設定するトリガーとなる DB フィルターがありませんか？ DB 側にフィルターを移せば、OOM を解消できます。（2）行サイズが大きいですか？ プロジェクションを使えば比例して減らせます。費用対効果では、プロジェクションより行数削減が優先です。
• システムが担う最終結果をアサートし、インフラストラクチャが担う中間状態をアサートしないでください。 非同期処理（キュー／ブローカーへの配信、再試行、バックグラウンドジョブ、キャッシュ、レプリケーション）をテストする場合は、最終的なビジネス／エンティティの状態をアサートしてください。配信の記録、つまり消費／送信ステータス、試行回数、最終エラー、ブローカー、スケジューラー、outbox／inbox テーブル内の行の有無や件数をアサートしてはいけません。この記録は共有インフラストラクチャに存在し、並行して動く任意のプロセス（別のワーカー、2 つ目のレプリカ、残っているローカルコンテナー）から書き込めるうえ、通常は決定的な共有キーが使われます。そのため、こうしたアサーションは気づかないうちにシステムではなく開発者の環境をテストします。単独実行では成功しても、同じブローカー＋データベースをほかの何かが共有した途端に不安定になります。すべてのアサーションで、次の判定の問いを使ってください。「どのプロセスが処理しても、この結果は成り立つか？」いいえなら、代わりに収束後のデータ状態をアサートしてください。系として、プロセスローカルな障害注入やプロセス内テレメトリーを、任意のプロセスが実行する処理のゲートとして使うことはできません。負荷増幅に使ってください（有効化 → 範囲を限定した時間枠 → 無効化 → 収束をアサート）。前提条件として使ってはいけません。
• ドメイン概念を汎用／共有／インフラストラクチャ層に持ち込まないでください。 再利用可能な層（共有ライブラリ、フレームワーク、インフラモジュール）は、利用側に固有のドメイン概念（テナント／顧客／製品 ID、ビジネスエンティティ、機能ルール）を一切参照してはいけません。漏れがコンパイルされ、実行されると、再利用可能なはずの層が一つの利用側と結合していても、レビューで気づかれずに通過してしまいます。共有型からドメイン情報を排除し、サブクラス化／コンポジションを通じて、ドメインフィールド／ロジックを利用側へ移してください。理由：一つの利用側のドメインに結合した層は、もはや再利用可能ではありません。