spike について
spikeは、小規模な実行可能実験で1つの技術的な問いに答えるスキルです。不確実性の整理から証拠に基づく提案までを支援し、探索用コードを本番作業と分離します。
主な機能
- 01問いと判断の範囲設定
- 02低コストな決定的プローブの選定
- 03最小限の実行可能な実験構築
- 04実行証拠と判定の記録
- 05実験成果物の本番環境からの分離
活用シーン
- 01技術的仮説の検証
- 02証拠に基づく実装方針の選択
- 03未解決事項の範囲内での記録
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/ taecontrol/ skills --skill spikeインストール後、Claude Code で/spikeを入力して読み込まれたか確認します。
同梱ファイルagents/openai.yaml
詳細
スパイク
実証的な技術上の問いを一つ、結論を出せる最小限の実行可能な実験で解決します。スパイクは探索作業です。その成果物は本番コードではなく、証拠、判定、推奨事項です。
プロセス
- 不確実性を明確にします。 観察可能な問いを一つ示し、その答えが次の判断にどう影響するか、関連する環境と代表的な条件、どのような観察結果が仮説を裏付ける、または否定するか、そしてコスト、時間、スコープの上限を明記します。まず既存の証拠を確認し、答えがすでに確立されている場合は実験を組み立てないでください。
- 決定的なプローブを選びます。 実際の不確実性を検証する、最も低コストの実験を設計します。複数のプローブが考えられる場合は、最も低コストで仮説を否定する可能性が高いものから始めます。スパイクを関連する別の問いに広げないでください。
- 成果物の扱いを決めます。 作成する前に、証拠を保存してから実験を削除するか、本番コードと誤認されない独立した探索用の場所に保持するかを決めます。
- 観察に必要なものだけを作ります。 代表的な条件下で動作を直接確認できる、最小限の実行可能なセットアップを作成します。重要な失敗ケースやエッジケースも含めます。本番向けの堅牢化、再利用可能な抽象化、無関係な整理、証拠の向上につながらない足場作りは避けます。
- 実行して記録します。 問いを評価するために必要な、実際のコマンド、入力、条件、出力、測定値、失敗を記録します。観察結果と解釈を分けます。予想外の点を調査する場合は、当初の上限内に収めてください。
- 結論を出します。 根拠となる証拠、重要な予想外の点、残る不確実性、本番環境の制約、およびスパイクのきっかけとなった判断への推奨事項を添えて、
Validated、Partial、Invalidatedのいずれか一つの判定を返します。
証拠によって不確実性が解消されたなら、仮説が否定された場合もスパイクの成功です。問いに決着がつく前に上限に達した場合は、Partial と報告します。実験を黙って延長したり、結果を誇張したりしないでください。
本番との境界
実験は、うまく動作したから、あるいは保持されたからといって本番コードにはなりません。その一部を再利用する場合も、プロジェクトの通常の手順に従った新たな本番作業となり、スパイクから品質が保証されることはありません。
完了基準
- 問い、判断との関連性、代表的な条件、決定的な観察結果、上限が明確であること。
- 実験が、提供作業に広げることなく、重要な失敗ケースも含めて実際の不確実性を検証していること。
- 判定が記録された実行証拠に基づき、観察結果、解釈、未解決の不確実性が区別されていること。
- 成果物が削除されているか、宣言した独立した場所にのみ保持されていること。
- 推奨事項が、実験コードを本番利用可能なものとして扱わず、証拠が次の判断に何を意味するかを説明していること。
コメント
Markdown 対応