docs-seeker

ドキュメントの発見と分析

概要

複数の方法を用いて、技術ドキュメントをインテリジェントに発見し、分析します。

1. llms.txt を優先：標準化された AI フレンドリーなドキュメントを検索します
2. リポジトリ分析：Repomix を使用して GitHub リポジトリを分析します
3. 並列探索：複数の Explorer エージェントを起動して、網羅的に調査します
4. フォールバック調査：他の方法が利用できない場合は、Researcher エージェントを使用します

コアワークフロー

フェーズ 1：初期の発見

1. 対象を特定する

   • ユーザーのリクエストからライブラリ／フレームワーク名を抽出します
   • バージョン要件を確認します（デフォルト：最新）
   • あいまいな場合は範囲を明確にします
   • 対象が GitHub リポジトリかウェブサイトかを確認します

2. llms.txt を検索する（context7.com を優先）

   最初に、context7.com のパターンを試します

   GitHub リポジトリの場合：

   Pattern: https://context7.com/{org}/{repo}/llms.txt
   Examples:
   - https://github.com/imagick/imagick → https://context7.com/imagick/imagick/llms.txt
   - https://github.com/vercel/next.js → https://context7.com/vercel/next.js/llms.txt
   - https://github.com/better-auth/better-auth → https://context7.com/better-auth/better-auth/llms.txt
   

   ウェブサイトの場合：

   Pattern: https://context7.com/websites/{normalized-domain-path}/llms.txt
   Examples:
   - https://docs.imgix.com/ → https://context7.com/websites/imgix/llms.txt
   - https://docs.byteplus.com/en/docs/ModelArk/ → https://context7.com/websites/byteplus_en_modelark/llms.txt
   - https://docs.haystack.deepset.ai/docs → https://context7.com/websites/haystack_deepset_ai/llms.txt
   - https://ffmpeg.org/doxygen/8.0/ → https://context7.com/websites/ffmpeg_doxygen_8_0/llms.txt
   

   トピック別の検索（ユーザーが特定の機能について尋ねている場合）：

   Pattern: https://context7.com/{path}/llms.txt?topic={query}
   Examples:
   - https://context7.com/shadcn-ui/ui/llms.txt?topic=date
   - https://context7.com/shadcn-ui/ui/llms.txt?topic=button
   - https://context7.com/vercel/next.js/llms.txt?topic=cache
   - https://context7.com/websites/ffmpeg_doxygen_8_0/llms.txt?topic=compress
   

   フォールバック：従来の llms.txt 検索

   WebSearch: "[library name] llms.txt site:[docs domain]"
   

   一般的なパターン：

   • https://docs.[library].com/llms.txt
   • https://[library].dev/llms.txt
   • https://[library].io/llms.txt

   → 見つかった場合：フェーズ 2 に進みます → 見つからない場合：フェーズ 3 に進みます

フェーズ 2：llms.txt の処理

単一の URL：

• WebFetch でコンテンツを取得します
• 情報を抽出して提示します

複数の URL（3 件以上）：

• 重要：複数の Explorer エージェントを並列で起動します
• ドキュメントの主要セクションごとに 1 つのエージェントを割り当てます（最初のバッチでは最大 5 つ）
• 各エージェントが割り当てられた URL を読み込みます
• 調査結果を集約して、統合レポートを作成します

例：

Launch 3 Explorer agents simultaneously:
- Agent 1: getting-started.md, installation.md
- Agent 2: api-reference.md, core-concepts.md
- Agent 3: examples.md, best-practices.md

フェーズ 3：リポジトリ分析

llms.txt が見つからない場合：

1. WebSearch で GitHub リポジトリを探します
2. Repomix を使用してリポジトリをパッケージ化します：

   npm install -g repomix  # if needed
   git clone [repo-url] /tmp/docs-analysis
   cd /tmp/docs-analysis
   repomix --output repomix-output.xml
   

3. repomix-output.xml を読み込み、ドキュメントを抽出します

Repomix の利点：

• リポジトリ全体を 1 つの AI フレンドリーなファイルにまとめます
• ディレクトリ構造を保持します
• AI による処理に最適化されています

フェーズ 4：フォールバック調査

GitHub リポジトリが存在しない場合：

• 複数の Researcher エージェントを並列で起動します
• 調査対象：公式ドキュメント、チュートリアル、API リファレンス、コミュニティガイド
• 調査結果を集約して、統合レポートを作成します

エージェントの割り当てガイドライン

• URL 1～3 件：Explorer エージェント 1 つ
• URL 4～10 件：Explorer エージェント 3～5 つ（各 2～3 件の URL）
• URL 11 件以上：Explorer エージェント 5～7 つ（最も関連性の高いものを優先）

バージョンの扱い

最新（デフォルト）：

• バージョン指定なしで検索します
• 現行のドキュメントパスを使用します

特定のバージョン：

• 検索語にバージョンを含めます：[library] v[version] llms.txt
• バージョン別のパスを確認します：/v[version]/llms.txt
• リポジトリの場合：特定のタグ／ブランチをチェックアウトします

出力形式

# Documentation for [Library] [Version]

## Source
- Method: [llms.txt / Repository / Research]
- URLs: [list of sources]
- Date accessed: [current date]

## Key Information
[Extracted relevant information organized by topic]

## Additional Resources
[Related links, examples, references]

## Notes
[Any limitations, missing information, or caveats]

クイックリファレンス

ツールの選択：

• WebSearch → llms.txt の URL、GitHub リポジトリを探します
• WebFetch → 単一のドキュメントページを読み込みます
• Task (Explore) → 複数の URL を並列で探索します
• Task (Researcher) → 分散したドキュメントや多様なソースを調査します
• Repomix → コードベース全体を分析します

よく使われる llms.txt の場所（まず context7.com を試します）：

• Astro: https://context7.com/withastro/astro/llms.txt
• Next.js: https://context7.com/vercel/next.js/llms.txt
• Remix: https://context7.com/remix-run/remix/llms.txt
• shadcn/ui: https://context7.com/shadcn-ui/ui/llms.txt
• Better Auth: https://context7.com/better-auth/better-auth/llms.txt

context7.com が利用できない場合は公式サイトにフォールバックします：

• Astro: https://docs.astro.build/llms.txt
• Next.js: https://nextjs.org/llms.txt
• Remix: https://remix.run/llms.txt
• SvelteKit: https://kit.svelte.dev/llms.txt

エラー処理

• llms.txt にアクセスできない → 別のドメインを試す → リポジトリ分析
• リポジトリが見つからない → 公式ウェブサイトを検索 → Researcher エージェントを使用
• Repomix が失敗する → /docs ディレクトリのみを試す → 手動で探索
• 複数のソースに矛盾がある → 公式情報を優先 → バージョンを明記

主要な原則

1. llms.txt には context7.com を優先する — 最も包括的で最新のアグリゲーターです
2. 該当する場合はトピックパラメーターを使用する — ?topic=... を使用した、対象を絞った検索が可能になります
3. 並列エージェントを積極的に使用する — 結果をより早く得られ、網羅性も高まります
4. フォールバックとして公式ソースを確認する — context7.com を利用できない場合に使用します
5. 方法を報告する — 使用したアプローチをユーザーに伝えます
6. バージョンを明示的に扱う — 最新版だと決めつけないでください

詳細なドキュメント

包括的なガイド、例、ベストプラクティスについては、以下を参照してください。

ワークフロー：

• WORKFLOWS.md — 詳細なワークフローの例と戦略

リファレンスガイド：

• ツールの選択 — ツールの選択と使用に関する完全ガイド
• ドキュメントのソース — エコシステム全般でよく使われるソースとパターン
• エラー処理 — トラブルシューティングと解決策
• ベストプラクティス — 効果的な情報収集に欠かせない8つの原則
• パフォーマンス — 最適化の手法とベンチマーク
• 制限事項 — 境界と成功基準