agent-evolutions は何をしますか？
AIコーディングエージェントのための解空間の遺伝的探索 — 検証可能な目標を収集し、バリアントを進化させ、勝者を適用します。
概要
このスキルは、AIコーディングエージェント（Claude Code、Cursor、Codexなど）が遺伝的アルゴリズムを使用してソリューション空間を探索できるようにします。以下のプロセスで動作します。
- 検証可能な目標を定義: ユーザーは明確でテスト可能な目標（例：「ユニットテストをすべてパスする」「応答時間を20%短縮する」）を指定します。
- バリアントを進化: スキルは目標に基づいてコードや設定の複数のバリアントを生成し、評価し、交叉と変異を繰り返して進化させます。
- 勝者を適用: 最も性能の良いバリアントを特定し、ユーザーのプロジェクトに自動的に適用します。
使用例
# エージェントがこのスキルを呼び出して最適なプロンプトを探索
agent-evolutions --goal "すべてのテストがパスする" --generations 10 --population 20
対応プラットフォーム
- Claude Code
- Cursor
- Codex
- その他のAIコーディングエージェント
動作の仕組み
- 目標の解析: ユーザーから検証可能な目標を受け取り、成功基準を抽出します。
- 初期集団の生成: 目標を満たす可能性のある多様なバリアントを生成します。
- 評価: 各バリアントを指定された目標に対して評価し、フィットネススコアを計算します。
- 選択: フィットネススコアに基づいて優れたバリアントを選択します。
- 交叉と変異: 選択されたバリアントから新しいバリアントを生成し、ランダムな変異を加えます。
- 繰り返し: 一定の世代数または収束条件に達するまでステップ3〜5を繰り返します。
- 勝者の適用: 最も高いフィットネススコアを持つバリアントをプロジェクトに適用します。
環境変数
AGENT_EVOLUTIONS_GENERATIONS: 実行する最大世代数（デフォルト: 10）AGENT_EVOLUTIONS_POPULATION_SIZE: 各世代のバリアント数（デフォルト: 20）AGENT_EVOLUTIONS_MUTATION_RATE: 変異率（デフォルト: 0.1）
注意事項
- 目標は検証可能である必要があります（テストの実行、ベンチマークなど）。
- 計算リソースを消費する可能性があるため、適切な世代数と人口サイズを設定してください。
- 進化の過程はログに出力され、ユーザーが追跡できます。
ライセンス
MIT