mcpField
S
Science

Science

github.com/danielmiessler生産性19.6k134 回インストール今日更新
リポジトリ

Science について

Scienceは、科学的方法を問題解決に適用するClaudeスキルです。目標に基づく測定、複数の仮説、検証可能な実験を用い、迅速なデバッグから製品検証までを支援します。

主な機能

  1. 01目標と成功基準の定義
  2. 02複数の競合仮説の生成
  3. 03反証可能な実験設計
  4. 04結果の測定と分析
  5. 05迅速な診断と体系的調査

活用シーン

  1. 01ソフトウェアの問題のデバッグ
  2. 02異なるプロンプト設計のテスト
  3. 03製品機能の検証
  4. 04測定に基づく開発サイクルの実施

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/danielmiessler/lifeos --skill science

インストール後、Claude Code で/science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。

Templates.md
Methodology.md
Examples.md
Protocol.md
Workflows/
AnalyzeResults.md
DesignExperiment.md
DefineGoal.md
GenerateHypotheses.md
FullCycle.md
Iterate.md
StructuredInvestigation.md
QuickDiagnosis.md
MeasureResults.md

詳細

カスタマイズ

実行する前に、次の場所にユーザーによるカスタマイズがないか確認してください: ~/.claude/LIFEOS/USER/CUSTOMIZATIONS/SKILLS/Science/

このディレクトリが存在する場合は、そこにある PREFERENCES.md、設定、リソースを読み込み、適用してください。これらはデフォルトの動作より優先されます。ディレクトリが存在しない場合は、スキルのデフォルト設定で進めてください。

🚨 必須:音声通知(アクションを起こす前に必ず実行)

このスキルが呼び出されたら、ほかのことをする前に必ずこの通知を送信してください。

  1. 音声通知を送信:

    curl -s -X POST http://localhost:31337/notify \
      -H "Content-Type: application/json" \
      -d '{"message": "Running the WORKFLOWNAME workflow in the Science skill to ACTION"}' \
      > /dev/null 2>&1 &
    
  2. テキスト通知を出力:

    Running the **WorkflowName** workflow in the **Science** skill to ACTION...
    

これは任意ではありません。このスキルが呼び出されたら、直ちにこの curl コマンドを実行してください。

Science - 万能アルゴリズム

概要

科学的手法を汎用的な問題解決アルゴリズムとして適用します。まず目標を定義し、複数の仮説を立て、失敗する可能性のある実験を設計し、誠実に測定し、目標に照らして分析し、反復します。7つのコアワークフローに加え、2つの診断用ショートカット(15分で行う迅速なデバッグと、複数要因を扱う体系的な調査)があります。ミクロ(TDD)からメソ(機能の検証)、マクロ(MVP のリリース)まで拡張できます。

課題

ほとんどの問題解決は、仕事をしているように見せかけた当てずっぽうです。最初に思いついたアイデアを選び、何かを変更し、「よくなったように見える」時点で完了とします。しかし、それは進歩ではなく確証バイアスです。成功の定義が明確でなければ、変更が役に立ったかどうか判断できないため、いつまでも調整を続けたり、早々にやめたりします。仮説を1つだけ立てる考え方では、すでに信じているアイデアしか検証できません。このスキルは、明示された目標、少なくとも3つの競合する仮説、反証可能なテスト、そして期待ではなく目標と比較する測定によって、こうした問題を解決するための規律を徹底します。

仕組み

全体は1つの反復サイクルです。そして、その軸となるのが目標です。成功基準が明確でなければ、結果を判断できません。

GOAL -----> What does success look like?
   |
OBSERVE --> What is the current state?
   |
HYPOTHESIZE -> What might work? (Generate MULTIPLE)
   |
EXPERIMENT -> Design and run the test
   |
MEASURE --> What happened? (Data collection)
   |
ANALYZE --> How does it compare to the goal?
   |
ITERATE --> Adjust hypothesis and repeat
   |
   +------> Back to HYPOTHESIZE

答えは、当てずっぽうではなく、このサイクルから導き出されます。


ワークフローの振り分け

実行時に出力: Running the **WorkflowName** workflow in the **Science** skill to ACTION...

コアワークフロー
ワークフロートリガーファイル
DefineGoal「目標を定義する」「何を達成しようとしているのか」Workflows/DefineGoal.md
GenerateHypotheses「何がうまくいくか」「アイデア」「仮説」Workflows/GenerateHypotheses.md
DesignExperiment「どうやってテストするか」「実験の設計」Workflows/DesignExperiment.md
MeasureResults「何が起きたか」「測定」「結果」Workflows/MeasureResults.md
AnalyzeResults「分析」「目標と比較」Workflows/AnalyzeResults.md
Iterate「反復する」「もう一度試す」「次のサイクル」Workflows/Iterate.md
FullCycle体系的なサイクル全体Workflows/FullCycle.md
診断ワークフロー
ワークフロートリガーファイル
QuickDiagnosis迅速なデバッグ(15分ルール)Workflows/QuickDiagnosis.md
StructuredInvestigation複雑な調査Workflows/StructuredInvestigation.md

リソース一覧

リソース説明
Methodology.md各フェーズの詳細
Protocol.mdスキルにおける Science の実装方法
Templates.md目標、仮説、実験、結果のテンプレート
Examples.mdさまざまな規模での実例

分野別の適用例

分野適用例関連スキル
コーディングTDD(レッド・グリーン・リファクタリング)Development
製品MVP -> 測定 -> 反復Development
研究問い -> 調査 -> 分析Research
プロンプトプロンプト -> 評価 -> 反復Evals
意思決定選択肢 -> 協議会 -> 選択Council

適用規模

レベルサイクル時間例
マイクロ数分TDD:テスト、コード作成、リファクタリング
メゾ数時間〜数日機能:仕様策定、実装、検証
マクロ数週間〜数か月製品:MVP、ローンチ、PMF の測定

統合ポイント

フェーズ呼び出すスキル
目標検証には Council
観察コンテキストの調査には Research
仮説アイデア出しには Council、ストレステストには RedTeam
実験並列テストには Development(Worktrees)
測定構造化された測定には Evals
分析多角的な分析には Council

アンチパターン

悪い例良い例
「もっと良くして」「読み込み時間を 3 秒から 1 秒に短縮する」
「X がうまくいくと思う」「X、Y、Z の 3 つのアプローチがあります」
「自分が正しいと証明して」「反証できるテストを設計する」
「失敗しなかったことにする」「何を学びましたか?」
「いつまでも実験を続ける」「リリースして、本番環境から学ぶ」

注意点

  • テストの前に、最低 3 つの仮説を立ててください。 仮説を 1 つだけ検証するのは確証バイアスです。いきなり 1 つのテストに進むのは科学ではなく、試行錯誤です。
  • 測定は具体的かつ再現可能でなければなりません。 「良くなった気がする」は測定ではありません。
  • 完全なサイクルは体系的な調査のためのものです。 素早いデバッグには、クイック診断モードを使用してください。

例

例 1:クイック診断

User: "figure out why Surface time filters show stale items"
→ Quick diagnosis mode
→ Hypothesis: timestamp format mismatch in D1
→ Test: query D1 for actual stored format
→ Analyze: compare stored vs expected format
→ Result: ISO string vs Unix timestamp mismatch

例 2:体系的な完全調査

User: "experiment with different prompt structures for better output"
→ Full cycle mode
→ 3+ hypotheses generated
→ Controlled experiments with measurements
→ Analysis identifies winning approach
→ Iterates until convergence

実行ログ

ワークフローの完了後、JSONL エントリを 1 つ追記してください:

echo '{"ts":"'$(date -u +%Y-%m-%dT%H:%M:%SZ)'","skill":"Science","workflow":"WORKFLOW_USED","input":"8_WORD_SUMMARY","status":"ok|error","duration_s":SECONDS}' >> ~/.claude/LIFEOS/MEMORY/SKILLS/execution.jsonl

WORKFLOW_USED は実行したワークフローに、8_WORD_SUMMARY は入力の簡単な説明に、SECONDS はおおよその実時間に置き換えてください。ワークフローが失敗した場合は、status: "error" を記録してください。

コメント