skill-upgrader

スキルアップグレーダー

4 つの Ragie 対応エージェントを使用して、任意の SKILL.md を Decision Theory v5 Hybrid 形式にアップグレードするメタスキルです。

使用する場面

• 「このスキルを v5 にアップグレードして」
• 「このスキルを意思決定理論で形式化して」
• 「このスキルに MDP 構造を追加して」
• 「X にスキルアップグレーダーを適用して」

前提条件

インデックス化された書籍を含む Ragie RAG：

• decision-theory パーティション：LaValle Planning Algorithms、Sutton & Barto RL
• modal-logic パーティション：Blackburn Modal Logic、Huth & Ryan Logic in CS

ワークフロー

ステップ 1：セッションを設定

SESSION=$(date +%Y%m%d-%H%M%S)-upgrade-{skill_name}
mkdir -p thoughts/skill-builds/${SESSION}

ステップ 2：ブラックボードを初期化

thoughts/skill-builds/{session}/00-blackboard.md を作成します：

# Skill Upgrade: {skill_name}
Started: {timestamp}

## Input Skill
{path_to_skill}

## Target Format
Decision Theory v5 Hybrid

## Agent Findings
(Agents append below)

---

ステップ 3：4 つのエージェントを並列で起動

Task ツールを使用して、4 つのエージェントを同時に起動します。各エージェントは次の処理を行います：

1. 入力スキルを読み込む
2. Ragie に問い合わせて、担当する書籍を検索する
3. 調査結果をブラックボードに追記する

---

エージェント 1：LaValle プランナー

書籍： LaValle の「Planning Algorithms」（decision-theory パーティション） 焦点： 状態、アクション、遷移

Task(
  subagent_type="general-purpose",
  prompt="""
INPUT SKILL: {path}
BLACKBOARD: thoughts/skill-builds/{session}/00-blackboard.md

YOUR BOOK: LaValle's "Planning Algorithms" in Ragie partition 'decision-theory'

TASK: Identify MDP structure in the skill.

Query Ragie:
```bash
uv run python scripts/ragie_query.py -q "MDP state space definition" -p decision-theory
uv run python scripts/ragie_query.py -q "action space sequential decisions" -p decision-theory
uv run python scripts/ragie_query.py -q "POMDP partial observability" -p decision-theory

入力スキルを読み込み、次の質問に答えてください：

1. 状態とは何ですか？（フェーズ、モード、追跡対象の情報）
2. アクションとは何ですか？（各状態でエージェントができること）
3. 遷移はどのように機能しますか？（決定論的または確率的）
4. これは POMDP ですか、それとも完全観測可能ですか？

ブラックボードのセクション ## Agent 1: States, Actions & Transitions に書き込んでください。

LaValle の章を引用し、平易な英語で記述してください。 """ )

---

## Agent 2: Sutton & Barto Optimizer

**Book:** Sutton & Barto's "Reinforcement Learning" (decision-theory partition)
**Focus:** Policy, Termination, Value
**Depends on:** Agent 1

Task( subagent_type="general-purpose", prompt=""" INPUT SKILL: {path} BLACKBOARD: thoughts/skill-builds/{session}/00-blackboard.md

YOUR BOOK: Sutton & Barto の「Reinforcement Learning」、Ragie の 'decision-theory' パーティション

WAIT: 先にブラックボードからエージェント 1 の調査結果を読んでください。

TASK: 方策と終了条件を設計してください。

Ragie に問い合わせてください：

uv run python scripts/ragie_query.py -q "policy deterministic stochastic" -p decision-theory
uv run python scripts/ragie_query.py -q "episodic termination conditions" -p decision-theory
uv run python scripts/ragie_query.py -q "reward function design" -p decision-theory

エージェント 1 の状態とアクションを使って、次の質問に答えてください：

1. 方策とは何ですか？（状態 → アクションのルール）
2. いつ終了しますか？（終端状態、成功／失敗）
3. 報酬とは何ですか？（目標は＋、コストは－）
4. 価値の高い状態／低い状態はどれですか？

ブラックボードのセクション ## Agent 2: Policy & Values に書き込んでください。

Sutton & Barto の節を引用し、平易な英語で記述してください。 """ )

---

## Agent 3: Blackburn Modal Logician

**Book:** Blackburn's "Modal Logic" (modal-logic partition)
**Focus:** Constraints (temporal, epistemic, deontic)

Task( subagent_type="general-purpose", prompt=""" INPUT SKILL: {path} BLACKBOARD: thoughts/skill-builds/{session}/00-blackboard.md

YOUR BOOK: Blackburn の「Modal Logic」、Ragie の 'modal-logic' パーティション

TASK: スキルから制約を抽出してください。

Ragie に問い合わせてください：

uv run python scripts/ragie_query.py -q "temporal logic LTL operators" -p modal-logic
uv run python scripts/ragie_query.py -q "epistemic logic knowledge" -p modal-logic
uv run python scripts/ragie_query.py -q "deontic logic obligations" -p modal-logic

入力スキルを読み込み、次の項目を特定してください：

1. 時間的：「Y の前に X を実行する必要がある」→ □, ◇, U
2. 認識論的：「X を知っている必要がある」→ K 演算子
3. 義務論的：「必須／禁止／許可」→ O, F, P
4. 動的：「アクションが効果を引き起こす」→ [action]

ブラックボードのセクション ## Agent 3: Constraints に書き込んでください。

各制約について、次の項目を記載してください：

• 平易な英語での説明
• モーダル論理表記
• 重要である理由
• Blackburn の章の引用 """ )

---

## Agent 4: Huth & Ryan Verifier

**Book:** Huth & Ryan's "Logic in Computer Science" (modal-logic partition)
**Focus:** Validation, Safety, Liveness
**Depends on:** Agents 1-3

Task( subagent_type="general-purpose", prompt=""" INPUT SKILL: {path} BLACKBOARD: thoughts/skill-builds/{session}/00-blackboard.md

YOUR BOOK: Huth & Ryan の「Logic in Computer Science」、Ragie の 'modal-logic' パーティション

WAIT: 先にブラックボードからエージェント 1〜3 の調査結果を読んでください。

TASK: 整合性と完全性を検証してください。

Ragie に問い合わせてください：

uv run python scripts/ragie_query.py -q "safety properties verification" -p modal-logic
uv run python scripts/ragie_query.py -q "liveness properties eventually" -p modal-logic
uv run python scripts/ragie_query.py -q "model checking CTL" -p modal-logic

次の項目を確認してください：

1. 安全性：決して起きてはならない悪いことは何ですか？ □¬(bad)
2. 活性：いずれ起きるべき良いことは何ですか？ ◇(good)
3. 整合性：エージェント間に矛盾はありますか？
4. 完全性：網羅されていない部分はありますか？

ブラックボードのセクション ## Agent 4: Verification に書き込んでください。

各特性について ✓／✗ を付けて報告してください。 総合判定：PASS または NEEDS_WORK Huth & Ryan の節を引用してください。 """ )

---

## Step 4: Synthesize Final Skill

After all agents complete, read the blackboard and create:

**Output:** `thoughts/skill-builds/{session}/SKILL-upgraded.md`

Use v5 Hybrid template:

```yaml
---
name: {original_name}
description: {original_description}
version: 5.1-hybrid
---

# Option: {name}

## Initiation (I)
[From original + Agent 1 state analysis]

## Observation Space (Y)
[From Agent 1 POMDP analysis]

## Action Space (U)
[From Agent 1 actions]

## Policy (pi)
[From Agent 2 state→action rules]

## Termination (beta)
[From Agent 2 episode structure]

## Q-Heuristics
[From Agent 2 value guidance]

## Constraints
[From Agent 3 modal logic]

## Verification
[From Agent 4 safety/liveness]

---

使用例

User: "Upgrade .claude/skills/implement_plan/SKILL.md to v5 Hybrid"

Claude:
1. Creates session directory
2. Initializes blackboard
3. Launches 4 agents in parallel (Task tool)
4. Waits for completion
5. Reads blackboard
6. Synthesizes upgraded skill
7. Reports: "Upgraded skill at thoughts/skill-builds/.../SKILL-upgraded.md"

Ragie クエリのリファレンス

# Decision theory partition
uv run python scripts/ragie_query.py -q "your question" -p decision-theory

# Modal logic partition
uv run python scripts/ragie_query.py -q "your question" -p modal-logic

# With reranking for better results
uv run python scripts/ragie_query.py -q "your question" -p decision-theory --rerank

作成されるファイル

アップグレード後：

thoughts/skill-builds/{session}/
├── 00-blackboard.md      # Agent collaboration
├── SKILL-upgraded.md     # Final v5 Hybrid skill
└── validation-report.md  # Agent 4 verification