sc-brainstorm

ブレインストーミングと要件発見のスキル

構造化された探索を通じて、曖昧なアイデアを具体的な仕様に変換します。

クイックスタート

# Basic brainstorm
/sc:brainstorm [topic]

# Deep systematic exploration
/sc:brainstorm "AI project management tool" --strategy systematic --depth deep

# Parallel exploration with multiple personas
/sc:brainstorm "real-time collaboration" --strategy agile --parallel

動作フロー

1. 探索 - ソクラテス式の対話を通じて、曖昧なアイデアを具体化します
2. 分析 - 複数のペルソナを調整し、ドメインの専門知識を活用します
3. 検証 - 各ドメインで実現可能性を評価します
4. 仕様化 - 具体的な仕様を作成します
5. 引き継ぎ - 実装に向けた実行可能な概要を作成します

フラグ

フラグ	型	デフォルト	説明
--strategy	文字列	systematic	systematic、agile、enterprise
--depth	文字列	normal	shallow、normal、deep
--parallel	bool	false	並行する探索経路を有効にします
--validate	bool	false	実現可能性の検証を含めます

有効になるペルソナ

• architect - システム設計と技術的な実現可能性
• analyzer - 要件分析と複雑さの評価
• frontend - ユーザー体験とインターフェースに関する検討
• backend - API とデータアーキテクチャ
• security - セキュリティ要件とコンプライアンス
• devops - インフラストラクチャとデプロイに関する検討
• project-manager - スケジュールとリソースの計画

MCP 連携

PAL MCP（協調型インテリジェンス）

ツール	使用する場面	目的
mcp__pal__consensus	優先順位が競合する場合	トレードオフを複数モデルで解決します
mcp__pal__chat	ブレインストーミング	外部モデルと協調してアイデアを探ります
mcp__pal__thinkdeep	複雑な問題	複数段階の詳細な分析を行います
mcp__pal__planner	ソリューションの設計	分岐を含む順次的な計画を立てます
mcp__pal__challenge	アイデアの検証	提案されたソリューションについて批判的思考を促します

PAL の使用パターン

# Consensus on conflicting priorities
mcp__pal__consensus(
    models=[
        {"model": "gpt-5.2", "stance": "for", "stance_prompt": "Prioritize user experience"},
        {"model": "gemini-3-pro", "stance": "against", "stance_prompt": "Prioritize technical simplicity"},
        {"model": "deepseek", "stance": "neutral"}
    ],
    step="Evaluate: Should we use real-time sync or eventual consistency?"
)

# Deep exploration of complex idea
mcp__pal__thinkdeep(
    step="Exploring AI-powered analytics dashboard concept",
    hypothesis="Users need predictive insights, not just historical data",
    confidence="medium",
    focus_areas=["user_needs", "technical_feasibility", "market_fit"]
)

# Collaborative brainstorming
mcp__pal__chat(
    prompt="Help me explore innovative approaches for real-time collaboration in document editing",
    model="gpt-5.2",
    thinking_mode="high"
)

# Challenge assumptions
mcp__pal__challenge(
    prompt="We assume users want AI-generated summaries. Is this assumption valid?"
)

# Plan solution architecture
mcp__pal__planner(
    step="Planning architecture for real-time notification system",
    step_number=1,
    total_steps=4,
    is_branch_point=True,
    branch_id="websocket-approach"
)

Rube MCP（調査と永続化）

ツール	使用する場面	目的
mcp__rube__RUBE_SEARCH_TOOLS	市場調査	ウェブ検索や競合分析のツールを探します
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	ドキュメント作成	アイデアを Notion に保存し、Slack で共有します
mcp__rube__RUBE_CREATE_UPDATE_RECIPE	ワークフロー	ブレインストーミングのプロセスを保存します
mcp__rube__RUBE_REMOTE_WORKBENCH	データ分析	市場データやユーザー調査を分析します

Rube の使用パターン

# Research market and competitors
mcp__rube__RUBE_SEARCH_TOOLS(queries=[
    {"use_case": "web search", "known_fields": "query:AI analytics dashboard competitors 2025"}
])

# Document brainstorming session
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "NOTION_CREATE_PAGE", "arguments": {
        "title": "Brainstorm: AI Analytics Dashboard",
        "content": "## Key Ideas\n- Predictive insights\n- Natural language queries\n\n## Decisions\n- Real-time sync chosen over eventual consistency"
    }},
    {"tool_slug": "SLACK_SEND_MESSAGE", "arguments": {
        "channel": "#product",
        "text": "New brainstorm session documented: AI Analytics Dashboard"
    }}
])

# Create user research tasks
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "JIRA_CREATE_ISSUE", "arguments": {
        "project": "PROD",
        "summary": "User research: AI analytics preferences",
        "issue_type": "Task",
        "description": "Interview 10 users about analytics needs"
    }},
    {"tool_slug": "ASANA_CREATE_TASK", "arguments": {
        "name": "Competitor analysis: analytics dashboards",
        "project": "Research"
    }}
])

# Analyze existing user feedback
mcp__rube__RUBE_REMOTE_WORKBENCH(
    thought="Analyze user feedback data for patterns",
    code_to_execute='''
import json
# Load user feedback from file
feedback_data = json.load(open("/tmp/user_feedback.json"))
# Analyze with LLM
analysis, error = invoke_llm(f"Analyze this user feedback for analytics feature requests: {feedback_data[:5000]}")
output = {"analysis": analysis, "feedback_count": len(feedback_data)}
output
'''
)

フラグ（拡張）

フラグ	型	デフォルト	説明
--pal-consensus	bool	false	トレードオフに PAL consensus を使用します
--pal-deep	bool	false	複雑な探索に PAL thinkdeep を使用します
--research	bool	false	市場や競合の調査に Rube を使用します
--document	文字列	-	Rube にドキュメントを送信します（notion、confluence、google-docs）
--notify	文字列	-	Rube 経由で通知します（slack、teams、email）

エビデンス要件

このスキルでは、厳密なエビデンスは必要ありません。以下に重点を置いてください。

• 探索の過程と決定事項を記録する
• ステークホルダーの意見と優先事項を記録する
• 仕様と要件をまとめる

探索戦略

Systematic（--strategy systematic）

• 質問を中心とした体系的な発見
• 各ドメインを包括的に網羅
• ドキュメント作成を重視するアプローチ

Agile（--strategy agile）

• 高速な反復サイクル
• ユーザーストーリーを重視
• 最小限の実用的な仕様

Enterprise（--strategy enterprise）

• コンプライアンスとガバナンスを重視
• ステークホルダーとの合意形成
• リスク評価を組み込む

例

プロダクトの発見

/sc:brainstorm "AI-powered analytics dashboard" --strategy systematic --depth deep
# Multi-persona analysis with comprehensive feasibility

機能の探索

/sc:brainstorm "real-time notifications" --strategy agile --parallel
# Parallel paths: frontend UX, backend architecture, security implications

エンタープライズソリューション

/sc:brainstorm "enterprise data platform" --strategy enterprise --validate
# Compliance-aware exploration with security and devops input

ツールの調整

• Read/Write - 要件ドキュメント
• TodoWrite - 探索の進捗管理
• Task - 探索タスクの並行委任
• WebSearch - 市場調査と技術の検証