llm-advisor

LLM アドバイザー

Simon Willison の llm CLI を使用して、複雑な問題について他の LLM に相談し、セカンドオピニオンや別の視点、専門家のアドバイスを得ます。

このスキルを使用するタイミング

先回りして使用（自律的）

次の場合は、依頼されなくても先回りしてこのスキルを使用します。

• バグや問題で15 分以上行き詰まっている
• 根本原因がはっきりしない複雑なデバッグ
• 重大なトレードオフを伴うアーキテクチャ上の決定
• 検証が必要な複雑な機能の計画
• ガイダンスが必要な不慣れなコードベース／言語
• セキュリティに関わるコード（認証、暗号、入力検証）

必要に応じて使用（ユーザーからの依頼）

ユーザーが次のように言った場合に使用します。

• 「X について Gemini／GPT／Claude に聞いて」
• 「これについてセカンドオピニオンを聞いて」
• 「このアプローチについて GPT はどう考える？」
• 「別のモデルに確認して」

前提条件

インストール

# Install llm CLI
brew install llm
# or
pip install llm

# Set up OpenAI API key
llm keys set openai

# Install Gemini plugin (optional)
llm install llm-gemini
llm keys set gemini

# Install Anthropic plugin (optional)
llm install llm-anthropic
llm keys set anthropic

セットアップの確認

# Check available models
llm models

# Test a simple prompt
llm "Hello, what model are you?"

モデルの選択（2026 年現在）

OpenAI モデル

用途	モデル	コマンド
高速／低コスト	gpt-4o-mini	llm -m gpt-4o-mini "question"
汎用	gpt-4.1	llm -m gpt-4.1 "question"
複雑な推論	o4-mini	llm -m o4-mini -o reasoning_effort=high "question"
深い推論	o3	llm -m o3 "question"
プレミアム	gpt-4.1	llm -m gpt-4.1 "question"

注： llm models を実行して、インストールされているモデル ID を正確に確認してください。OpenAI のモデル名は頻繁に変わります。2026 年現在、gpt-4.1 は最上位の GPT で、o3／o4-mini は推論モデルです。

Google Gemini モデル

用途	モデル	コマンド
高速な汎用用途	gemini-2.0-flash	llm -m gemini-2.0-flash "question"
高度な推論＋思考	gemini-2.5-pro	llm -m gemini-2.5-pro "question"
長いコンテキスト（1M 以上）	gemini-2.5-pro	llm -m gemini-2.5-pro "question"
深い推論	gemini-2.5-pro	llm -m gemini-2.5-pro -o thinking_budget=32000 "question"

Anthropic Claude モデル

用途	モデル	コマンド
高速／低コスト	claude-haiku-4	llm -m claude-haiku-4 "question"
汎用	claude-sonnet-4-5	llm -m claude-sonnet-4-5 "question"
最高品質	claude-opus-4-5	llm -m claude-opus-4-5 "question"

モデル選択のガイドライン

1. 簡単な質問：gpt-4o-mini または gemini-2.0-flash を使用します
2. 一般的なアドバイス：gpt-4.1 または claude-sonnet-4-5 を使用します
3. 複雑なデバッグ：o4-mini -o reasoning_effort=high または gemini-2.5-pro -o thinking_budget=32000 を使用します
4. コードレビュー：徹底した分析には gpt-4.1 または claude-sonnet-4-5 を使用します
5. アーキテクチャ／深い推論：o3 または claude-opus-4-5 を使用します
6. 長いコンテキスト（100K トークン超）：gemini-2.5-pro を使用します（コンテキストウィンドウは 1M 以上）

コマンドリファレンス

基本的なプロンプト

# Simple question
llm "What's the best way to handle rate limiting in a REST API?"

# With specific model
llm -m gpt-4.1 "Explain this error: <error message>"

# With system prompt
llm -s "You are a senior software architect" "Review this design: <design>"

パイプ入力

# Analyze code from file
cat src/auth.ts | llm -m gpt-4.1 "Review this authentication code for security issues"

# Analyze git diff
git diff | llm -m gpt-4.1 "Review these changes for bugs"

# Analyze error logs
cat error.log | llm -m gpt-4o-mini "What's causing these errors?"

オプション

# Control reasoning effort (OpenAI o-series)
llm -m o4-mini -o reasoning_effort=high "Complex question"
llm -m o4-mini -o reasoning_effort=low "Simple question"

# Enable thinking mode (Gemini)
llm -m gemini-2.5-pro -o thinking_budget=32000 "Complex reasoning task"

# Extract code blocks from response
llm -x "Write a function to parse JSON safely"

会話

# Continue previous conversation
llm -c "What about error handling?"

# Start new conversation with context
llm -m gpt-4.1 "I'm debugging a memory leak in a Node.js app..."
llm -c "Here's the heap snapshot: <data>"

ワークフローの例

難しいバグのデバッグ

難しいバグで行き詰まった場合：

# Describe the problem with context
llm -m o4-mini -o reasoning_effort=high "I'm debugging this issue:

Error: Connection refused on port 5432
Environment: Docker container, Node.js 22
Stack trace: <paste stack trace>

What I've tried:
1. Verified PostgreSQL is running
2. Checked network settings
3. Tested connection from host

What else should I check?"

アーキテクチャ上の決定

設計上の選択肢を評価する場合：

llm -m claude-opus-4-5 "I need to decide between these approaches:

Option A: Event-driven with Redis pub/sub
Option B: Direct API calls with circuit breaker

Context:
- Microservices architecture
- ~1000 requests/second
- Eventual consistency is acceptable

What are the trade-offs? Which would you recommend?"

コードレビュー

コードの変更についてセカンドオピニオンを得ます。

git diff HEAD~1 | llm -m gpt-4.1 "Review this code change for:
- Bugs or logic errors
- Security vulnerabilities
- Performance issues
- Missing edge cases

Be specific about line numbers and issues."

計画の検証

複雑な機能を実装する前に：

llm -m o3 "Review this implementation plan:

Feature: User authentication with OAuth2
Steps:
1. Add OAuth2 middleware
2. Create /auth/callback endpoint
3. Store tokens in Redis
4. Add refresh token rotation

What am I missing? What could go wrong?"

長いドキュメントの分析

大規模なコードベースや長いドキュメントには、Gemini の大きなコンテキストウィンドウを使用します。

# Analyze large codebase
find . -name "*.ts" | head -20 | xargs cat | llm -m gemini-2.5-pro "Summarize the architecture and identify any security concerns"

# Analyze long log files
cat large-app.log | llm -m gemini-2.5-pro "Find patterns indicating memory leaks or performance regressions"

複数モデルの比較

重要な決定については、複数のモデルに相談します。

# Ask the same question to different models
QUESTION="Should I use JWT or session cookies for authentication in a Next.js app?"
llm -m gpt-4.1 "$QUESTION"
llm -m claude-sonnet-4-5 "$QUESTION"
llm -m gemini-2.5-pro "$QUESTION"

別のアプローチ

新しいアイデアを求める場合：

llm -m gpt-4.1 "Here's my current approach to <problem>:
<describe approach>

What are alternative ways to solve this? What am I missing?"

ベストプラクティス

コンテキストの提供

1. 関連するコードを含める - ファイルをパイプで渡すか、スニペットを貼り付けます
2. 環境を説明する - フレームワーク、言語のバージョン、依存関係を示します
3. 試したことを説明する - 同じ提案が繰り返されるのを防ぐのに役立ちます
4. 制約を明示する - パフォーマンス要件、互換性の要件を示します

プロンプトの書式設定

# Good: Structured with clear sections
llm -m gpt-4.1 "Problem: <description>

Context:
- Language: TypeScript
- Framework: Express
- Environment: Docker

Error: <error message>

Question: What's causing this and how do I fix it?"

# Bad: Vague without context
llm "Why doesn't this work?"

結果の解釈

1. 提案を検証する - 推奨事項は必ずコードベースでテストしてください
2. 複数の視点を考慮する - 同じ質問を異なるモデルに試してください
3. 相互参照する - 提案内容をドキュメントと照らし合わせてください
4. 状況に合わせて調整する - 一般的なアドバイスは調整が必要な場合があります
5. モデルが間違うこともあります - 特に新しい API については、公式ドキュメントで確認してください

使用しないほうがよい場合

• 単純で明白な変更（誤字、書式設定）
• 解決策が明確に記載された、十分に文書化されている操作
• リスクの低い変更をすばやく進める必要がある場合
• パターンが確立されている反復作業

トラブルシューティング

モデルが見つからない

# List available models
llm models

# Install missing plugin
llm install llm-gemini
llm install llm-anthropic

# Update to get latest model names
pip install --upgrade llm llm-gemini llm-anthropic

API キーの問題

# Re-set API key
llm keys set openai
llm keys set gemini
llm keys set anthropic

# Verify key is set
llm keys

レート制限

レート制限に達した場合：

1. 一時的に別のモデルに切り替えます（例：gpt-4.1 ではなく gpt-4o-mini を使用する）
2. トークン使用量を抑えるため、reasoning_effort=low を使用します
3. 1 分ほど待ってから再試行します

長い応答が途中で切れる

詳細な回答が必要な複雑な質問の場合：

# Use a model with longer output limits
llm -m gemini-2.5-pro "detailed question requiring long answer"

モデル名の変更

OpenAI、Google、Anthropic はモデル名を頻繁に更新します。モデル ID が機能しない場合：

llm models list  # See all installed models with current IDs