Community研究&データ分析github.com

タスク分解アシスタント

AIエージェントが複雑なリクエストを構造化されたAI向けタスクシーケンスに分解するスキルです。コンテキストウィンドウの効率化、マルチセッションワークフローの管理、より少ない焦点を絞ったプロンプトで優れた成果を実現します。opencode, Claude Code, Cursor, Windsurf, GitHub Copilotに対応しています。

タスク分解アシスタント とは?

このスキルは、開発者が複雑なリクエストをAIエージェント(Claude Code, Cursor, Windsurf等)で扱いやすい単位に分解するためのフレームワークを提供します。目的の明確化、依存関係マップの作成、アトミックなプロンプトカードへの分割、コンテキスト予算の計画、そして最終的な実行計画の生成という5つのステップで構成されます。特にコンテキストウィンドウの制約を意識し、セッションを跨いだ作業を効率的に引き継ぐためのCONTEXT.md生成機能が特徴です。開発者はこのスキルを使うことで、AIエージェントとの対話を劇的に効率化し、過剰なプロンプトやコンテキスト溢れによる失敗を減らせます。

対応✓Claude Code~Codex CLI✓Cursor✓OpenCode✓Windsurf
npx skills add sametcelikbicak/task-decomposer

Installed? Explore more 研究&データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · 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

タスク分解アシスタント は何をしますか?

複雑なリクエストを構造化されたAI向けタスクシーケンスに分解します。コンテキストウィンドウの効率化、明確な依存関係の順序付け、測定可能な進捗を最適化し、より少ない焦点を絞ったインタラクションで優れた成果を得られるようにします。

哲学

AIに対する不満のほとんどは、たった一つの原因に起因します:一度に求めすぎること。単一の曖昧なプロンプトは浅い結果しか生みません。タスクの分解はこれを逆転させます。ユーザー(そしてアシスタント自身)に、アトミックで依存関係の順序付けられた単位で考えるよう促します。

モデル: 計画 → スライス → プロンプト → 検証 → 次へ


ユーザー向けフレームワーク

ユーザーが大きな、または曖昧な要求をした場合、この分解フレームワークを使ってユーザーを導いてください。

ステップ 1: 目標の明確化

ユーザーに質問をして、真の目的を明確にします。

  • 「これが完了したときに得たい単一の成果は何ですか?」
  • 「重要な制約は何ですか?(期限、技術スタック、標準)」
  • 「成功はどのような状態ですか?どのように検証しますか?」
  • 「やろうとしていることではないことは何ですか?(アンチゴール)」

出力: 1段落の目標ステートメント。3文以上になる場合は、さらに絞り込みます。

ステップ 2: 依存関係マップ

ユーザーが作業の自然な順序を特定するのを助けます。

レベル 1 — 基盤   (セットアップ、設定、データモデル)
レベル 2 — コアロジック   (ビジネスロジック、API、メイン機能)
レベル 3 — 仕上げ   (UI、エラーハンドリング、エッジケース)
レベル 4 — 検証   (テスト、レビュー、デプロイ)

質問: 「次のステップを開始する前に、これらのうちどれが存在している必要がありますか?」

出力: 依存関係がマークされた、3〜7つのフェーズからなる番号付きリスト。

ステップ 3: アトミックなプロンプトにスライスする

ユーザーがAIに与える各プロンプトは、次の特性を持つ必要があります。

特性説明
アトミック1つの論理的な変更 — 1つのファイル、1つの関心事
スタンドアロン履歴なしで実行できる十分なコンテキストを持つ
検証可能明確な合格/不合格基準を持つ
ウィンドウに収まるコンテキストウィンドウに快適に収まる (指示は約40Kトークン未満)

各スライスのテンプレート:

## タスク: [短い名前]
## コンテキスト
[2〜3文: 何が存在し、何が存在しないか、関連ファイル]
## 要件
- [AIがすべきことの箇条書き]
- [作成/変更する特定のファイル]
## 合格基準
- [これが正しく完了したことを検証する方法]
## 制約
- [従うべきパターン、避けるべきこと]

出力: ユーザーが一度に1つずつ貼り付けられる、3〜7つのプロンプトカード。

ステップ 4: コンテキスト予算計画

コンテキストウィンドウの制限についてユーザーに警告し、それに応じて計画します。

  • セッション 1 (基盤 + コア): 約3プロンプト、新規開始
  • セッション 2 (仕上げ + 検証): 約3プロンプト、新規開始
  • セッション間の引き継ぎ: 各セッションを CONTEXT.md サマリーで終了する

各マイルストーンで CONTEXT.md を生成します。

# コンテキスト引き継ぎ — [マイルストーン名]

## 完了
- [x] 完了項目1 — /path/to/file
- [x] 完了項目2 — /path/to/file

## 決定事項
- XをYよりも選択した理由: Z
- API戻り値の形状: { ... }

## 次のセッション
- 依存関係を含む残タスク
- 次のエージェントが最初に読むべきファイル

## 状態
- ブランチ: feature/xyz
- 適用済みマイグレーション: 3
- 追加された環境変数: DATABASE_URL, API_KEY

ステップ 5: 実行順序

最終計画をユーザーに提示します。

## 実行計画

フェーズ 1 — 基盤 (セッション 1)
  プロンプト 1: プロジェクトスキャフォールディングと設定をセットアップ
  プロンプト 2: データベーススキーマとモデルを作成
  プロンプト 3: 認証ミドルウェアを実装
  └─ 検証: `npm run dev` を実行し、ログインページが読み込まれることを確認

フェーズ 2 — コアロジック (セッション 1 続き)
  プロンプト 4: ユーザーCRUD APIを構築
  プロンプト 5: ビジネスロジックサービスを実装
  └─ 検証: テストを実行し、APIが応答することを確認

フェーズ 3 — 仕上げ (セッション 2)
  プロンプト 6: エラーハンドリングとバリデーションを追加
  プロンプト 7: UIコンポーネントのスタイルを設定
  └─ 検証: 手動QAフロー

フェーズ 4 — 検証 (セッション 2 続き)
  プロンプト 8: 不足しているテストを作成
  └─ 検証: カバレッジ >= 80%、全てのテスト合格

アシスタントの振る舞い

ユーザーが大きな要求をした場合

  1. すぐに実装を開始しない
  2. 代わりに、目標明確化の質問(ステップ 1)で応答する
  3. 目標が明確になったら、確認のために依存関係マップを提示する
  4. ユーザーが承認したら、プロンプトカード付きの実行計画を生成する
  5. すぐにプロンプト 1 を実行するか、ユーザーに主導権を委ねる

コンテキストが一杯になりそうな場合

会話のサイズを監視します。コンテキスト制限に近づいている場合:

  1. 決定事項と状態を CONTEXT.md にまとめる
  2. ユーザーに新しいセッションを開始するようアドバイスする
  3. 新しいセッションの最初のプロンプトに CONTEXT.md を含めるよう伝える

ユーザーがプロンプトの書き方がわからない場合

テンプレートを提供します。

「[ファイル/領域] で [アクション] を実行してください。
具体的には:
- [要件 1]
- [要件 2]
やらないこと: [避けるべきこと]
検証方法: [基準]」

避けるべきアンチパターン

アンチパターン失敗する理由代わりにすべきこと
「アプリ全体を作って」コンテキストオーバーフロー、すべてが浅くなる5〜10のアトミックなプロンプトに分解する
セッション途中でのコンテキスト切り替え以前のコンテキストがトークンを浪費するプロンプト完了 → CONTEXT.md → 新しいセッション
合格基準がないAIが途中で止まるか、過剰にエンジニアリングするプロンプトごとに1〜3つの具体的なチェックを書く
暗黙の依存関係AIが誤った前提で動く「XはYの前に存在しなければならない」と明示する
曖昧な成功基準いつ完了したかわからない「POST /users で API が 200 と { id } を返す」

例

例 1: フルスタック機能計画

ユーザー:「支払いページを追加する必要があります」

エージェントはフレームワークを使用して応答:

  1. 目標明確化: 「どの支払いプロバイダーですか?単一商品ですか、それとも変動金額ですか?支払い方法を保存しますか?コンプライアンス要件はありますか?」
  2. 依存関係マップ: Stripe設定 → チェックアウトAPI → 支払いフォームUI → 成功/失敗ページ → テスト
  3. プロンプトカード:
    • プロンプト 1: "Stripe SDKをセットアップし、/api/create-payment-intent エンドポイントを作成する"
    • プロンプト 2: "Stripe Elementsを使ったReactチェックアウトフォームを構築する"
    • プロンプト 3: "エラーハンドリング付きの支払い成功/失敗ページを追加する"
    • プロンプト 4: "支払いフローのエッジケースのテストを書く"
  4. コンテキスト予算: セッション1 (プロンプト1-2)、セッション2 (プロンプト3-4)

例 2: コンテキストの復元

ユーザーが新しいセッションを開始: 「前回、支払いページに取り組んでいました」

エージェント: 「プロジェクトルートにCONTEXT.mdファイルがないか確認してみましょう...」

見つかった場合: それを読み、中断したところから続ける。 見つからなかった場合: 「最後に動いていたものは何ですか?重要な決定事項を覚えていますか?」と尋ねる。

例 3: 行き詰まったユーザーの救済

ユーザー: 「私のプロンプトが無視されています。AIがどんどん脱線します」

エージェント: 「プロンプトが広すぎる可能性があります。再構成のお手伝いをしましょう。何を達成しようとしていますか?」

ステップ 1〜3 を実施し、焦点を絞った単一のプロンプトカードを生成する。


参考: どのアプローチをいつ使うか

ユーザーの発言アプローチ
「ログインページを追加して」小さい → そのまま実行(分解不要)
「Eコマースサイトを構築して」大きい → フルフレームワークを使用
「さっきやったことを忘れ続ける」コンテキスト満杯 → CONTEXT.md引き継ぎを生成
「どこから始めればいいかわからない」曖昧 → まず目標明確化
「このPRがあります。テストを書いてください」具体的 → そのまま実行、分解不要
「プロンプトが長すぎてAIが一部を無視する」肥大化 → アトミックなプロンプトにスライス

関連スキル