Communityコーディング&開発github.com

REA分析最適化

REAプロバイダと共有分析ワークフローを、正確性とEvidenceを維持しながら、エージェントコンテキスト、レイテンシ、CPU、メモリに対して最適化します。分析のボトルネックやキャッシュ/クエリ設計に使用します。CI/テストスイートの最適化はrea-ci-tests-auditに属します。

REA分析最適化 とは?

このスキルは、REA(Reasoning, Evidence, Analysis)ベースの開発環境において、分析ワークフローのパフォーマンスを系統的に最適化するためのものです。具体的には、不要な処理の特定と排除、キャッシュ戦略の設計、クエリやデータ構造の改善を通じて、エージェントのコンテキスト使用量、レイテンシ、CPU負荷、メモリ使用量を削減します。このスキルの核心は「計測に基づく意思決定」にあり、単なる推測や恣意的な変更ではなく、具体的な証拠(Evidence)と正しさのオラクルに基づいて最適化を行います。プロバイダ(分析エンジン)の内部動作を理解し、共有コンポーネントの再利用や段階的デコードなどの構造的改善を推奨します。適用対象は主にClaude Codeや類似のエージェントプラットフォームであり、CI/CDパイプラインやテストスイートの最適化は対象外です。スキル適用後は、変更前後の測定値を比較し、ボトルネックが解消されたことを検証します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/limospecials7-sudo/rea/tree/main/.agents/skills/rea-analysis-optimization

Installed? Explore more コーディング&開発 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

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

REA分析最適化 は何をしますか?

不要な処理の具体的な原因を特定し、その所有者のコードを変更し、同等の完了済み調査結果が得られることを検証します。有用な成果として、実装をそのままにしておくという計測に基づいた判断も含まれます。

チェックアウトのパフォーマンス優先順位、ツール設計、テストガイドに従ってください。このスキルは最適化ワークフローを提供するものであり、ターゲットの実行、公開、マージに対する追加的な許可を与えるものではありません。現在の契約、プロバイダ前提条件、ユーザー認可を使用してください。

パフォーマンス測定は、パフォーマンスを対象とした変更、または具体的なリグレッション懸念がある変更に限定してください。日常的なクリーンアップでは、ヘルパー呼び出し、インポート、表現の変更があったとしても、正しさのチェックを使用し、この最適化ワークフローや合成ベンチマークを必要としません。

再利用戦略を選択する際やベンチマークを解釈する際には、Kunaケーススタディを読んでください。その指摘された観察結果はトレードオフを示していますが、現在のプロバイダの保証や普遍的な高速化ではありません。

問い合わせと正しさのオラクルを固定する

アナリストが完了したタスク(その回答に必要な事実と関係、要求された詳細、ソースアクセス、意味のある未知の要素を含む)を記述します。代表的な実際の成果物と、小規模または空のケースを選択します。ベースラインリビジョン、ターゲットダイジェスト、エンジンID、オプション、ホスト、エントリポイントを記録します。変更には別のチェックアウトを使用し、他の作業を妨げないようにします。

変更された実装から独立したオラクル(ソースビルドされたフィクスチャの期待値、独立してマッピングされたファイルバイト、またはその解釈のチェックと組み合わせたネイティブプロデューサ)を確立します。同じ誤ったデコーダをラップした2つのラッパーを比較しても、正しさは確立されません。アドレス幅、同一アドレス代替、未解決エンドポイント、カバレッジ、ソースリンクを保持します。空の結果は、実際に調査された範囲内でのみ不在を証明します。

最も初期の不要な処理を特定する

1つのパブリックCLIまたはMCPタスクを、共有アプリケーションコードを通ってそのプロデューサまでトレースします。関連するフェーズ(許可とIDチェック、ネイティブ分析、デコード、ルックアップ、射影、シリアル化、Evidence保持、クリーンアップ)を測定します。カタログ発見と追加呼び出しが完了したタスクに影響を与える場合は、それらも含めます。

証拠を使用して、最小の構造的修正を選択します:

観測されたコスト候補修正確立すべき条件
検証済みの事実の繰り返しスキャン既存の順序またはルックアップ構造を再利用する所有者が順序とIDを確立する。すべての一致する代替が残る
繰り返される同等のエンジン処理検証済みの結果または進行中のプロデューサを共有する入力、鮮度、寿命、呼び出し元ごとの結果が明示されたままになる
選択された事実に対する完全レポート選択または射影を最も初期の能力のある所有者にプッシュする必要な事実と証拠が到達可能なままである。調査されたカバレッジが報告される
大きな一時転送バッファ段階的にデコードするか、制限付きソース読み取りを使用する認められたドキュメント全体を検証する。保持された事実とコピーは依然としてメモリを消費する
繰り返される多くの均質な読み取りアドミッション、デコード、またはバッチ処理を共有するアイテムID、必要な場合は順序、および個々の障害を保持する

それが除去する処理とそのメンテナンス/リソースコストを特定せずに、インデックス、汎用キャッシュ、バッチエンドポイント、またはオーケストレーションレイヤーを導入しないでください。完全なレポートをマテリアライズした後の射影は、出力を削減しても、分析時間とピークメモリは変更しない可能性があります。欠落または誤った事実を修正してから、よりカバレッジの良いワークフローに対して代替構成をベンチマークしてください。

1つの解釈と定義された再利用ライフタイムを維持する

プロデューサの境界で事実を1回検証し正規化させます。コンシューマは、共有CLI/MCP実装を通じてその表現をクエリします。アダプタは関係を再構築したり、生のレポートを独立して再解釈したりしてはいけません。ルックアップのIDを表示フォーマットから分離してください。インテントが一致する場合には契約を再利用し、要求された詳細と完全なEvidenceアクセスを尊重します。

すべてのキャッシュまたは共有プロデューサについて、そのキー、所有者、無効化、保持サイズ、ライフタイムを記述します。再利用に影響を与える場合は、結果に影響を与えるターゲットバイト、エンジンコンテンツ、分析オプション、アーキテクチャ/ロードマッピング、パーサー/スキーマバージョンを考慮してください。キャッシュされた観測を最新と呼ぶ前に、ライブ状態を検証します。決定論的なキーに対してのみ、拒否をキャッシュします。不正な形式、部分的、一時的、キャンセルされた試行には、明示的なリトライポリシーが必要です。

1つのキャンセルされたウェイターが、成功したピアを無効にしてはいけません。プロデューサの障害コンテキストと呼び出し元ごとのキャンセル理由を保持します。共有処理とクリーンアップが落ち着くまで、所有権と容量の課金を保持します。クリーンアップが失敗した場合、完了した観測を保持します。それらのパスが変更される場合、無効化、同時コンシューマ、最終ウェイターのキャンセル、クローズ、クリーンアップのリトライを実行します。

プロセスファミリと保持状態を制限し、単なる親ヒープやワーカー数だけではありません。割り当て前のデコードとシリアル化の拡張を考慮します。CPU、メモリ、同時実行数、ディスク制限をホストとワークロードから選択し、OOMの前に停止し、所有するクリーンアップを検証します。ガードストップされたタスクは不完全です。転送バッファの上限を無制限の保持インベントリで置き換えたり、部分的な結果を成功ステータスの背後に隠したりしないでください。

完了したタスクを比較し、主張を制限する

影響を受ける実際のパブリックワークフローを、同等の入力、結果、カバレッジ、Evidenceセマンティクスで、変更の前後に実行します。セットアップコストとリグレッションが可視化されるように、小さな入力を含めます。新しいセッション、ウォームランタイムキャッシュ、OSファイルキャッシュを区別します。ばらつきが決定に影響を与える場合は、実行を交互に行うか、繰り返します。実際のエンジンが確実に再現できないケースに対して、意味のある境界リグレッションを選択します。フェイクエンジンは実際のプロデューサを認定しません。

タスクの結果、関連フェーズのタイミング、合計経過時間とCPU時間、ピークプロセスファミリメモリとその計測方法、リソース停止、クリーンアップを報告します。ペイロードの終了ステータスとプロファイラの終了ステータスの両方をチェックします。失敗した試行を保持し、測定されていないコストを特定します。合格したリトライは失敗を説明しません。

トークンの主張については、タスクを完了するために必要なスキーマ/ディスカバリ、引数、応答、リトライ、継続をカウントします。トークナイザの推定値と実際のモデル使用量を区別してラベル付けし、クライアント/カタログの動作を記録します。より小さなJSONだけでは、モデルトークンが少ないことも、調査品質が良いことも確立されません。代表的な完了調査と同等の正確性/カバレッジなしに、複雑なソフトウェアの優位性を主張しないでください。

ボトルネック、所有する変更、保持されたセマンティクス、実行されたチェック、変更前後の測定値、残りの制限で締めくくります。統合記録はテストされたリビジョンで最新に保ち、マージされた本番コードと実験専用コードを区別します。実証されたボトルネックが解決されるか、さらなる利点が推測の段階にとどまる場合に停止します。

関連スキル