task-analyzer

タスクアナライザー

メタ認知的なタスク分析とスキル選択のガイダンスを提供します。

スキルインデックス

利用可能なスキルのメタデータについては、skills-index.yaml を参照してください。

タスク分析プロセス

1. タスクの本質を理解する

表面的な作業を超えて、根本的な目的を特定します。

表面的な作業	根本的な目的
「このバグを修正する」	問題解決、根本原因の分析
「この機能を実装する」	機能の追加、価値の提供
「このコードをリファクタリングする」	品質の向上、保守性の改善
「このファイルを更新する」	変更管理、一貫性の維持

アクション：ユーザーのリクエストを、上記の「表面的な作業 → 根本的な目的」の表のいずれかの行に対応付けます。一致する行がない場合は、続行する前に根本的な目的を明示します。

2. タスクの規模を見積もる

規模	ファイル数	指標
小規模	1-2	単一の関数／コンポーネントの変更
中規模	3-5	複数の関連コンポーネント
大規模	6+	横断的な懸念事項、アーキテクチャへの影響

規模はスキルの優先度に影響します。

• 規模が「大規模」以上 → リポジトリの6+ファイル計画要件を維持するため、documention-criteriaを優先度「高」で含めます
• 規模が「大規模」以上で、タスクが実行可能なシステムの動作を変更する、または依存関係／フェーズ戦略を必要とする場合 → implementation-approachも優先度「高」で含めます
• 規模が「大規模」以上でも、タスクが調査、ドキュメントのみ、または機械的な作業である場合 → 実装戦略の判断が実際に必要な場合に限り、implementation-approachを含めます
• 規模が「小規模」 → タスク種別に必須のスキルのみを選択し、最大3つを目安とします。ただし、別のスキルが明示されたリスク、言語、または出力要件に直接関わる場合は、3つを超えてもかまいません

3. タスク種別を特定する

種別	特徴	主なスキル
実装	新しいコード、機能	coding-principles, testing-principles
修正	バグの解決	ai-development-guide, testing-principles
リファクタリング	構造の改善	coding-principles, ai-development-guide
設計	アーキテクチャの判断	documentation-criteria, implementation-approach
品質	テスト、レビュー	testing-principles, integration-e2e-testing

4. タグベースのスキル照合

タスクの説明から関連するタグを抽出し、skills-index.yamlと照合します。

Task: "Implement user authentication with tests"
Extracted tags: [implementation, testing, security]
Matched skills:
  - coding-principles (implementation, security)
  - testing-principles (testing)
  - ai-development-guide (implementation)

5. 暗黙の関連性

隠れた依存関係を考慮します。

タスクに含まれる内容	追加するスキル
エラー処理	デバッグ、テスト
新機能	設計、実装、ドキュメント
パフォーマンス	プロファイリング、最適化、テスト
フロントエンド	typescript-rules, test-implement
API／統合	integration-e2e-testing

出力形式

skills-index.yamlのスキルメタデータを含む、構造化された分析を返します。

taskAnalysis:
  essence: <string>  # Fundamental purpose identified
  type: <implementation|fix|refactoring|design|quality>
  scale: <small|medium|large>
  estimatedFiles: <number>
  tags: [<string>, ...]  # Extracted from task description

selectedSkills:
  - skill: <skill-name>  # From skills-index.yaml
    priority: <high|medium|low>
    reason: <string>  # Why this skill was selected
    # Pass through metadata from skills-index.yaml
    tags: [...]
    typical-use: <string>
    size: <small|medium|large>
    sections: [...]  # All sections from yaml, unfiltered

注：セクションの選択（関連するセクションの決定）は、実際のSKILL.mdファイルを読んだ後に行います。

コンシューマーへのマッピング：rule-advisorはこの中間形式を使用し、最終スキーマへの変換を担当します。変換内容は、type → taskType（quality → quality-improvement、その他の値はそのまま）、tags → extractedTags、および選択したスキルのセクションを読み取って抽出した後のselectedSkills → selectedRulesです。以下の質問設計に基づいて生成されるmetaCognitiveQuestionsは、独立した最終フィールドとして維持します。

スキル選択の優先順位

1. 必須 - タスク種別に直接関連
2. 品質 - テストと品質保証
3. プロセス - ワークフローとドキュメント
4. 補足 - 参考情報とベストプラクティス

メタ認知のための質問設計

スキルの選択、検証、エスカレーションを変更し得る回答を導く質問を最大5つ生成します。これらの判断が変わらない場合は、質問を生成しません。

タスクの種類	質問の焦点
実装	設計の妥当性、エッジケース、パフォーマンス
修正	根本原因（5 Whys）、影響範囲、回帰テスト
リファクタリング	現在の問題、目標状態、段階的な計画
設計	要件の明確さ、将来の拡張性、トレードオフ

警告パターン

以下のパターンを検出して警告します。

パターン	警告	緩和策
大規模な変更を検出	implementation-approach と組み合わせます	戦略に沿ってフェーズに分割します
実装タスクを検出	testing-principles と組み合わせます	最初から TDD を適用します
エラー修正の依頼	ai-development-guide と組み合わせます	修正前に 5 Whys を適用します
計画のない複数ファイルにわたるタスク	documentation-criteria と組み合わせます	最初に作業計画を作成します