mcpField
T
tech-debt-tracker

tech-debt-tracker

github.com/alirezarezvani開発28.9k619 回インストール2 日前に更新
リポジトリ

tech-debt-tracker について

エンジニアリングチーム向けの技術的負債管理スキルです。スクリプトでコードベースを検査し、優先順位付けと傾向追跡を行い、保守と機能開発の配分を検討できます。

主な機能

  1. 01コードベースの負債スキャン
  2. 02遅延コストによる優先順位付け
  3. 03WSJF と RICE のフレームワーク
  4. 04履歴傾向ダッシュボード
  5. 05スプリント配分の出力

活用シーン

  1. 01スプリント計画前の負債発見
  2. 02影響度に基づく修正作業の順位付け
  3. 03修正による負債減少の確認
  4. 04関係者への負債傾向の報告

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/alirezarezvani/claude-skills --skill tech-debt-tracker

インストール後、Claude Code で/tech-debt-tracker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。

README.md
assets/
historical_debt_2024-01-15.json
historical_debt_2024-02-01.json
sample_debt_inventory.json
assets/sample_codebase/src/
frontend.js
payment_processor.py
user_service.py
expected_outputs/
sample_dashboard_output.json
sample_prioritization_output.json
sample_scan_output.json
references/
debt-classification-taxonomy.md
debt-frameworks.md
prioritization-framework.md
stakeholder-communication-templates.md
scripts/
debt_dashboard.py
debt_prioritizer.py
debt_scanner.py

詳細

技術的負債トラッカー

Tier: 強力 🔥
Category: エンジニアリングプロセスの自動化
Expertise: コード品質、技術的負債管理、ソフトウェアエンジニアリング

概要

技術的負債は、ソフトウェア開発における最も厄介な課題の一つです。時間とともに積み重なり、開発速度を低下させ、保守コストを増加させ、コード品質を損ないます。このスキルは、コードベース全体にわたる技術的負債を特定、分析、優先順位付け、追跡するための包括的なフレームワークを提供します。

技術的負債は、単にコードが乱雑であることだけを指すものではありません。アーキテクチャ上の近道、テストの不足、古くなった依存関係、ドキュメントの不備、インフラストラクチャ上の妥協も含まれます。金融債務と同様、開発時間の増加、バグ発生率の上昇、チームの開発速度の低下という「利息」が積み重なります。

このスキルが提供するもの

このスキルは、技術的負債を管理する包括的なシステムを構成する、相互に連携する3つのツールを提供します。

  1. 負債スキャナー - コードベース内の技術的負債の兆候を自動的に特定します
  2. 負債の優先順位付けツール - 遅延コストのフレームワークを使用して負債項目を分析し、優先順位を付けます
  3. 負債ダッシュボード - 時間の経過に伴う負債の傾向を追跡し、経営層向けのレポートを作成します

これらのツールを組み合わせることで、エンジニアリングチームは技術的負債についてデータに基づく判断を行い、新機能の開発と保守作業のバランスを取ることができます。

クイックスタート — スキャン → 優先順位付け → ダッシュボード

すべてのパスは、このスキルのフォルダーからの相対パスです。スキャナーの JSON 出力は優先順位付けツールに直接渡せます。日付付きのインベントリスナップショットはダッシュボードに渡します。

1. コードベースをスキャンする
python3 scripts/debt_scanner.py /path/to/codebase --format json --output debt_inventory.json

scan_metadata、summary、debt_items[]、file_statistics、recommendationsを含むdebt_inventory.jsonを出力します。summaryの件数をユーザーに報告してください。（ドライラン：assets/sample_codebase。）

2. バックログの優先順位を付ける
python3 scripts/debt_prioritizer.py debt_inventory.json --framework wsjf --team-size 6 --sprint-capacity 20 --format json --output debt_priorities.json

フレームワーク：cost_of_delay（デフォルト）、wsjf、rice。出力にはprioritized_backlog（上から順に作業）、sprint_allocation（スプリント計画に貼り付けて使用）、insightsが含まれます。

3. 時間の経過に伴う傾向を追跡する

日付付きのスナップショット（debt_YYYY-MM-DD.json）を保存してから、次を実行します。

python3 scripts/debt_dashboard.py --input-dir snapshots/ --period monthly --format both --output debt_dashboard

または、ファイルを明示的に渡します（サンプル：assets/historical_debt_2024-01-15.json assets/historical_debt_2024-02-01.json）。ダッシュボードは傾向の方向性と、経営層にそのまま提示できる要約を報告します。これを使って、クリーンアップスプリントで実際に負債が減少したかを確認してください。

検証ループ

修正スプリントの後にステップ1を再実行し、新しいスナップショットを使ってステップ3を再実行して、対象カテゴリの件数が減少したことを確認します。ダッシュボードに変化が表れないクリーンアップは、負債の返済ではなく、やり直しです。

技術的負債の分類フレームワーク

→ 詳細はreferences/debt-frameworks.mdを参照してください（関連資料：references/debt-classification-taxonomy.md、references/prioritization-framework.md、references/stakeholder-communication-templates.md）

よくある落とし穴と回避方法

1. 分析麻痺

問題: 負債を修正するよりも、分析に時間をかけすぎてしまいます。 解決策: 分析に時間制限を設け、大半の項目には「十分に妥当」なスコアを使います。

2. 完璧主義

問題: 負債を管理するのではなく、すべて解消しようとします。 解決策: 影響の大きい負債に注力し、ある程度の負債は許容します。

3. ビジネスの背景を無視する

問題: ビジネス価値よりも技術的な優雅さを優先します。 解決策: 負債への対応を、常にビジネス上の成果と顧客への影響に結び付けます。

4. 運用の一貫性がない

問題: 一部のチームはプラクティスを採用する一方で、ほかのチームは無視します。 解決策: 負債の追跡を標準的な開発ワークフローの一部にします。

5. ツールの過剰な作り込み

問題：誰も使わない複雑な技術的負債管理システムを構築してしまいます。 解決策：シンプルに始め、実際の利用パターンに基づいて改善を重ねます。

技術的負債の管理は、単により良いコードを書くことではありません。短期的なリリースのプレッシャーと長期的なシステムの健全性のバランスを取り、持続可能な開発の実践を確立することです。これらのツールとフレームワークを活用して、技術的負債の削減にいつ、どのように取り組むかを十分な情報に基づいて判断しましょう。

コメント

Markdown 対応