Communitygithub.com

プロンプト最適化

プロンプトの下書きを分析し、批評し、ECCエコシステムのコンポーネントにマッピングして、すぐに使える最適化済みプロンプトを出力します。

プロンプト最適化 とは?

このスキルは、開発者が作成したプロンプト(指示文)を詳細に分析し、より効果的で精度の高いプロンプトに最適化するためのものです。ユーザーが「プロンプトを改善して」「この指示をより良くするには?」などと尋ねた際に、プロンプトエンジニアリングの専門知識を提供します。6段階の分析パイプライン(プロジェクト検出、意図検出、スコープ評価、ECCコンポーネントマッチング、不足コンテキスト検出、ワークフロー推奨)を通じて、ユーザーのタスクを分類し、適切なECCコマンド、スキル、エージェントを提案します。また、プロンプトの弱点を特定し、不足している情報(技術スタック、スコープ、受入基準など)があればユーザーに質問し、最終的に完全版とクイック版の2種類の最適化済みプロンプトを生成します。このスキルはアドバイス専用であり、ユーザーのタスクを直接実行することはありません。Claude CodeやCodexなどのECC対応AIエージェントで使用することを想定しています。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/prompt-optimizer

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

プロンプト最適化 は何をしますか?

プロンプトの下書きを分析し、批評し、ECCエコシステムのコンポーネントにマッピングして、すぐに使える完全に最適化されたプロンプトを出力します。

いつ使用するか

  • ユーザーが「このプロンプトを最適化して」「プロンプトを改善して」「このプロンプトを書き直して」と言った時
  • ユーザーが「より良いプロンプトの書き方を手伝って」と言った時
  • ユーザーが「Claude Codeに依頼する最善の方法は?」と言った時
  • ユーザーが「プロンプトを最適化」「プロンプトを改善」「プロンプトの書き方」「この指示を最適化して」と言った時
  • ユーザーがプロンプトの下書きを貼り付けて、フィードバックや改善を求めた時
  • ユーザーが「これに対するプロンプトの書き方がわからない」と言った時
  • ユーザーが「ECCをこれにどう使えばいい?」と言った時
  • ユーザーが明示的に /prompt-optimize を呼び出した時

使用すべきでない場合

  • ユーザーがタスクを直接実行してほしい場合(その場合は実行する)
  • ユーザーが「コードを最適化」「パフォーマンスを最適化」「このコードを最適化」「パフォーマンスを最適化」と言った場合 — これらはリファクタリングタスクであり、プロンプト最適化ではありません
  • ユーザーがECCの設定について質問している場合(代わりに configure-ecc を使用)
  • ユーザーがスキル一覧を欲しがっている場合(代わりに skill-stocktake を使用)
  • ユーザーが「とにかく実行して」「直接やって」と言った場合

動作方法

アドバイスのみ — ユーザーのタスクは実行しないでください。

コードを書いたり、ファイルを作成したり、コマンドを実行したり、実装アクションを一切行わないでください。あなたの唯一の出力は分析と最適化されたプロンプトです。

ユーザーが「とにかく実行して」「直接やって」「最適化しないで、実行して」と言った場合、このスキル内で実装モードに切り替えないでください。このスキルは最適化されたプロンプトのみを生成することをユーザーに伝え、実行を希望する場合は通常のタスクリクエストを行うように指示してください。

以下の6フェーズのパイプラインを順次実行してください。結果は以下の出力形式で提示してください。

分析パイプライン

フェーズ0: プロジェクト検出

プロンプトを分析する前に、現在のプロジェクトコンテキストを検出します。

  1. 作業ディレクトリに CLAUDE.md が存在するか確認 — プロジェクトの規約を読み取る
  2. プロジェクトファイルから技術スタックを検出:
    • package.json → Node.js / TypeScript / React / Next.js
    • go.mod → Go
    • pyproject.toml / requirements.txt → Python
    • Cargo.toml → Rust
    • build.gradle / pom.xml → Java / Kotlin (ビルドファイルに quarkus があれば Quarkus、spring-boot があれば Spring Boot)
    • Package.swift → Swift
    • Gemfile → Ruby
    • composer.json → PHP
    • *.csproj / *.sln → .NET
    • Makefile / CMakeLists.txt → C / C++
    • cpanfile / Makefile.PL → Perl
  3. 検出された技術スタックをフェーズ3とフェーズ4で使用するために記録

プロジェクトファイルが見つからない場合(プロンプトが抽象的、または新規プロジェクトの場合など)、検出をスキップし、フェーズ4で「技術スタック不明」とフラグを立てます。

フェーズ1: 意図検出

ユーザーのタスクを1つ以上のカテゴリに分類します。

カテゴリシグナルワード例
新機能作成、追加、実装、build、create、add、implement「ログインページを作成」
バグ修正修正、壊れている、動かない、エラー、fix、broken、not working、error「認証フローを修正」
リファクタリングリファクタ、整理、再構築、refactor、clean up、restructure「APIレイヤーをリファクタリング」
調査方法、とは、調査、検討、how to、what is、explore、investigate「SSOを追加する方法」
テストテスト、カバレッジ、検証、test、coverage、verify「カートにテストを追加」
レビューレビュー、監査、チェック、review、audit、check「PRをレビュー」
ドキュメント文書化、ドキュメント更新、document、update docs「APIドキュメントを更新」
インフラデプロイ、CI、Docker、データベース、deploy、CI、docker、database「CI/CDパイプラインを設定」
設計設計、アーキテクチャ、計画、design、architecture、plan「データモデルを設計」

フェーズ2: スコープ評価

フェーズ0でプロジェクトが検出された場合は、コードベースのサイズをシグナルとして使用します。それ以外の場合は、プロンプトの説明のみから推定し、推定値は不確実であるとマークします。

スコープヒューリスティックオーケストレーション
TRIVIAL単一ファイル、50行未満直接実行
LOW単一コンポーネントまたはモジュール単一コマンドまたはスキル
MEDIUM複数コンポーネント、同一ドメインコマンドチェーン + /verify
HIGHクロスドメイン、5ファイル以上最初に /plan、次に段階的実行
EPIC複数セッション、複数PR、アーキテクチャ変更ブループリントスキルを使用して複数セッション計画を作成

フェーズ3: ECCコンポーネントマッチング

意図 + スコープ + 技術スタック(フェーズ0から)を特定のECCコンポーネントにマッピングします。

意図タイプ別

意図コマンドスキルエージェント
新機能/plan, /tdd, /code-review, /verifytdd-workflow, verification-loopplanner, tdd-guide, code-reviewer
バグ修正/tdd, /build-fix, /verifytdd-workflowtdd-guide, build-error-resolver
リファクタリング/refactor-clean, /code-review, /verifyverification-looprefactor-cleaner, code-reviewer
調査/plansearch-first, iterative-retrieval—
テスト/tdd, /e2e, /test-coveragetdd-workflow, e2e-testingtdd-guide, e2e-runner
レビュー/code-reviewsecurity-reviewcode-reviewer, security-reviewer
ドキュメント/update-docs, /update-codemaps—doc-updater
インフラ/plan, /verifydocker-patterns, deployment-patterns, database-migrationsarchitect
設計 (MEDIUM-HIGH)/plan—planner, architect
設計 (EPIC)—blueprint (スキルとして呼び出し)planner, architect

技術スタック別

技術スタック追加するスキルエージェント
Python / Djangodjango-patterns, django-tdd, django-security, django-verification, python-patterns, python-testingpython-reviewer
Gogolang-patterns, golang-testinggo-reviewer, go-build-resolver
Spring Boot / Javaspringboot-patterns, springboot-tdd, springboot-security, springboot-verification, java-coding-standards, jpa-patternsjava-reviewer
Quarkus / Javaquarkus-patterns, quarkus-tdd, quarkus-security, quarkus-verification, java-coding-standards, jpa-patternsjava-reviewer
Kotlin / Androidkotlin-coroutines-flows, compose-multiplatform-patterns, android-clean-architecturekotlin-reviewer
TypeScript / Reactfrontend-patterns, backend-patterns, coding-standardscode-reviewer
Swift / iOSswiftui-patterns, swift-concurrency-6-2, swift-actor-persistence, swift-protocol-di-testingcode-reviewer
PostgreSQLpostgres-patterns, database-migrationsdatabase-reviewer
Perlperl-patterns, perl-testing, perl-securitycode-reviewer
C++cpp-coding-standards, cpp-testingcode-reviewer
その他 / 未記載coding-standards (汎用)code-reviewer

フェーズ4: 不足コンテキスト検出

プロンプトに不足している重要な情報がないかスキャンします。各項目をチェックし、フェーズ0で自動検出されたか、ユーザーが提供する必要があるかをマークします。

  • 技術スタック — フェーズ0で検出されたか、ユーザーが指定する必要があるか?
  • 対象スコープ — ファイル、ディレクトリ、またはモジュールは言及されているか?
  • 受入基準 — タスクが完了したかどうかを判断する方法は?
  • エラーハンドリング — エッジケースと障害モードは対処されているか?
  • セキュリティ要件 — 認証、入力検証、シークレットは?
  • テスト期待値 — 単体テスト、統合テスト、E2Eテストは?
  • パフォーマンス制約 — 負荷、レイテンシ、リソース制限は?
  • UI/UX要件 — デザイン仕様、レスポンシブ、a11y?(フロントエンドの場合)
  • データベース変更 — スキーマ、マイグレーション、インデックス?(データレイヤーの場合)
  • 既存パターン — 参照ファイルや従うべき規約は?
  • スコープ境界 — やってはいけないことは?

3つ以上の重要な項目が不足している場合、最適化されたプロンプトを生成する前に、最大3つの質問をユーザーにしてください。その後、回答を最適化されたプロンプトに組み込みます。

フェーズ5: ワークフローとモデルの推奨

このプロンプトが開発ライフサイクルのどこに位置するかを判断します。

調査 → 計画 → 実装 (TDD) → レビュー → 検証 → コミット

MEDIUM以上のタスクでは、常に /plan から始めます。EPICタスクでは、ブループリントスキルを使用します。

モデル推奨 (出力に含める):

スコープ推奨モデル根拠
TRIVIAL-LOWSonnet 5シンプルなタスクには高速でコスト効率が良い
MEDIUMSonnet 5標準的な作業に最適なコーディングモデル
HIGHSonnet 5 (メイン) + Opus 5 (計画)アーキテクチャはOpus、実装はSonnet
EPICOpus 5 (ブループリント) + Sonnet 5 (実行)複数セッション計画には深い推論が必要

マルチプロンプト分割 (HIGH/EPICスコープの場合):

単一セッションを超えるタスクの場合は、順次プロンプトに分割します。

  • プロンプト1: 調査 + 計画(search-first スキルを使用し、次に /plan)
  • プロンプト2-N: フェーズごとに1つのプロンプトで実装(各プロンプトは /verify で終了)
  • 最終プロンプト: 全フェーズにわたる統合テスト + /code-review
  • /save-session と /resume-session を使用してセッション間のコンテキストを保持

出力形式

分析を以下の正確な構造で提示します。ユーザーの入力と同じ言語で応答してください。

セクション1: プロンプト診断

強み: 元のプロンプトの優れている点をリストします。

問題点:

問題点影響提案される修正
(問題)(結果)(修正方法)

明確化の必要性: ユーザーが回答すべき質問の番号付きリスト。フェーズ0で自動的に回答が検出された場合は、質問する代わりにその回答を記載します。

セクション2: 推奨ECCコンポーネント

タイプコンポーネント目的
コマンド/planコーディング前にアーキテクチャを計画
スキルtdd-workflowTDD方法論のガイダンス
エージェントcode-reviewer実装後のレビュー
モデルSonnet 5このスコープに推奨

セクション3: 最適化済みプロンプト — 完全版

完全に最適化されたプロンプトを単一のフェンス付きコードブロック内に提示します。プロンプトは自己完結型で、コピー&ペーストですぐに使用できる必要があります。以下を含めます。

  • コンテキストを含む明確なタスク説明
  • 技術スタック(検出済みまたは指定済み)
  • 適切なワークフローステージでの /command 呼び出し
  • 受入基準
  • 検証手順
  • スコープ境界(やってはいけないこと)

ブループリントを参照する項目については、「ブループリントスキルを使用して...」と記述します(blueprint はスキルであり、コマンドではないため /blueprint とは記述しません)。

セクション4: 最適化済みプロンプト — クイック版

経験豊富なECCユーザー向けのコンパクトなバージョン。意図タイプによって異なります。

意図クイックパターン
新機能/plan [機能]. /tdd で実装. /code-review. /verify.
バグ修正/tdd — [バグ]の失敗テストを記述. 修正してグリーンに. /verify.
リファクタリング/refactor-clean [スコープ]. /code-review. /verify.
調査search-first スキルを[トピック]に使用. 結果に基づいて /plan.
テスト/tdd [モジュール]. クリティカルフローは /e2e. /test-coverage.
レビュー/code-review. 次に security-reviewer エージェントを使用.
ドキュメント/update-docs. /update-codemaps.
EPICブループリントスキルを「[目的]」に使用. /verify ゲートでフェーズを実行.

セクション5: 改善の根拠

改善点理由
(追加されたもの)(なぜ重要か)

フッター

ご希望の内容と異なりますか? 調整が必要な点をお知らせいただくか、プロンプト最適化ではなく実行をご希望の場合は、通常のタスクリクエストを行ってください。


例

トリガー例

  • 「このプロンプトをECC用に最適化して」
  • 「Claude Codeが適切なコマンドを使うようにこのプロンプトを書き換えて」
  • 「この指示を最適化して」
  • 「このタスクのためにECCにどうプロンプトを送ればいい?」

例1: 曖昧な中国語プロンプト(プロジェクト検出済み)

ユーザー入力:

帮我写一个用户登录ページ

フェーズ0が検出: package.json with Next.js 15, TypeScript, Tailwind CSS

最適化済みプロンプト(完全版):

プロジェクトの既存技術スタック(Next.js 15 + TypeScript + Tailwind CSS)を使用してユーザーログインページを実装してください。

技術要件:
- プロジェクトの既存コンポーネント構造とルーティング規則に従う
- フォームバリデーションにはプロジェクトで既存のバリデーションスキームを使用する(Zod/Yup/その他が既に使用されているか確認)
- 認証方式: プロジェクトの既存認証スキームに従う(ない場合は、デフォルトでJWT)
- 含めるもの: メール/パスワードログインフォーム、フォームバリデーション、エラー表示、ローディング状態、レスポンシブレイアウト

ワークフロー:
1. /plan でコンポーネント構造と認証フローを計画し、既存ページのパターンを参照
2. /tdd テストファースト: ログインフォームの単体テストと認証フローの統合テストを作成
3. ログインページと認証ロジックを実装
4. /code-review で実装をレビュー
5. /verify で全てのテストが合格し、ページが正常にレンダリングされることを検証

セキュリティ要件:
- パスワードは平文で送信しない
- ブルートフォース攻撃の防止(レート制限)
- XSS対策
- CSRFトークン

受入基準:
- すべてのテストが合格し、カバレッジ80%以上
- モバイルとデスクトップの両方でページが正常にレンダリングされること
- ログイン成功時はダッシュボードにリダイレクト、失敗時はエラーメッセージを表示

やってはいけないこと:
- 登録ページは実装しない
- パスワード忘れ機能は実装しない
- 既存のルーティング構造は変更しない

例2: 適度な英語プロンプト

ユーザー入力:

Add a REST API endpoint for user profile updates with validation

フェーズ0が検出: go.mod with Go 1.22, Chi router

最適化済みプロンプト(完全版):

ユーザープロフィール更新用のREST APIエンドポイント(PATCH /api/users/:id)を追加してください。

技術スタック: Go 1.22 + Chi router(プロジェクトから検出)

要件:
- PATCH /api/users/:id — ユーザープロフィールの部分更新
- フィールドの入力検証: name, email, avatar_url, bio
- 認証: 有効なトークンが必要、ユーザーは自身のプロフィールのみ更新可能
- 成功時は200と更新されたユーザーを返す
- 無効な入力時は400とバリデーションエラーを返す
- 認証失敗時は401/403を返す
- コードベースの既存APIパターンに従う

ワークフロー:
1. /plan でエンドポイント構造、ミドルウェアチェーン、バリデーションロジックを計画
2. /tdd — 成功、バリデーション失敗、認証失敗、未発見のテーブル駆動テストを作成
3. 既存のハンドラパターンに従って実装
4. /go-review
5. /verify — 全テストスイートを実行し、リグレッションがないことを確認

やってはいけないこと:
- 既存のエンドポイントを変更しない
- データベーススキーマを変更しない(既存のユーザーテーブルを使用)
- 最初に既存の依存関係を確認せずに新しい依存関係を追加しない(search-first スキルを使用)

例3: EPICプロジェクト

ユーザー入力:

Migrate our monolith to microservices

最適化済みプロンプト(完全版):

ブループリントスキルを使用して計画: 「モノリスをマイクロサービスアーキテクチャに移行」

実行前に、ブループリントで次の質問に回答してください:
1. 現在のモノリスにはどのようなドメイン境界が存在しますか?
2. 最初に抽出すべきサービスはどれですか(結合度が最も低いもの)?
3. 通信パターン: REST API、gRPC、またはイベント駆動(Kafka/RabbitMQ)?
4. データベース戦略: 最初は共有DB、それとも最初からサービスごとのデータベース?
5. デプロイメントターゲット: Kubernetes、Docker Compose、またはサーバーレス?

ブループリントは次のようなフェーズを生成する必要があります:
- フェーズ1: サービス境界を特定し、ドメインマップを作成
- フェーズ2: インフラをセットアップ(APIゲートウェイ、サービスメッシュ、サービスごとのCI/CD)
- フェーズ3: 最初のサービスを抽出(strangler fig パターン)
- フェーズ4: 統合テストで検証し、次のサービスを抽出
- フェーズN: モノリスを廃止

各フェーズ = 1 PR、フェーズ間に /verify ゲートを配置。
セッション間で /save-session を使用。

…

[翻訳のため省略]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

関連スキル