audit-icon-pipeline
について
このスキルは、レジストリ、グリフマッピング、アイコンディレクトリ、マニフェストを比較することでアイコンパイプラインを監査し、欠落しているグリフ、アイコン、HDバリアントを検出します。スキル、エージェント、チームの全パレットにわたって構造化されたギャップレポートを生成します。フルパイプラインのレンダリング前や、新しいエンティティ追加後に不足アセットを特定するためのヘルスチェックにご利用ください。
クイックインストール
Claude Code
推奨npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/audit-icon-pipelineこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
アイコンパイプライン監査
レジストリとグリフマッピングファイル、アイコンディレクトリ、マニフェストを比較することで、欠落しているグリフ、欠落しているアイコン、古いマニフェストを検出する。スキル、エージェント、チームをカバーする構造化されたギャップレポートを生成する。
使用する場面
- 新しいスキル、エージェント、またはチームを追加した後、アイコンが必要かどうかを確認する場合
- フルパイプラインレンダリングの前に、何が欠落しているかを特定する場合
- レジストリ更新後にマニフェストが同期されていることを確認する場合
- アイコンパイプラインの定期的なヘルスチェック
入力
- 任意: エンティティタイプフィルタ —
skill、agent、team、またはall(デフォルト:all) - 任意: チェックするパレット(デフォルト:
cyberpunk— リファレンスパレット)
手順
ステップ 1: レジストリの読み取り
信頼できるソースであるレジストリからすべてのエンティティIDを収集する。
skills/_registry.ymlを読み取り — すべてのドメインにわたるスキルIDを抽出するagents/_registry.ymlを読み取り — すべてのエージェントIDを抽出するteams/_registry.ymlを読み取り — すべてのチームIDを抽出する- カウントを記録する: スキル総数、エージェント総数、チーム総数
期待される結果: total_skills、total_agents、total_teams と一致するカウントを持つ3つのエンティティIDリスト。
失敗時の対応: レジストリファイルが見つからない場合は、パスを報告してそのエンティティタイプをスキップする。
ステップ 2: グリフマッピングの読み取り
グリフマッピングファイルからマッピング済みのエンティティIDをすべて収集する。
viz/R/glyphs.Rを読み取り —SKILL_GLYPHSリストからすべてのキーを抽出するviz/R/agent_glyphs.Rを読み取り —AGENT_GLYPHSリストからすべてのキーを抽出するviz/R/team_glyphs.Rを読み取り —TEAM_GLYPHSリストからすべてのキーを抽出する
期待される結果: マッピング済みIDの3つのリスト。
失敗時の対応: グリフファイルが見つからない場合は報告し、そのタイプのすべてのエンティティをマッピングなしとしてマークする。
ステップ 3: 欠落グリフの計算
レジストリIDとマッピング済みIDの差分を計算する。
- 欠落スキルグリフ:
registry_skill_ids - mapped_skill_ids - 欠落エージェントグリフ:
registry_agent_ids - mapped_agent_ids - 欠落チームグリフ:
registry_team_ids - mapped_team_ids
期待される結果: レジストリには存在するがグリフ関数がマッピングされていないエンティティIDのリスト。
失敗時の対応: 差分計算が失敗する場合は、レジストリとグリフファイル間のIDフォーマットが一致しているか確認する(例: アンダースコア対ハイフン)。
ステップ 4: レンダリング済みアイコンの確認
マッピング済みグリフに対応するレンダリング済みアイコンファイルがあるか確認する。
- マッピング済みの各スキルIDについて、
viz/public/icons/<palette>/<domain>/<skillId>.webpを確認する - マッピング済みの各エージェントIDについて、
viz/public/icons/<palette>/agents/<agentId>.webpを確認する - マッピング済みの各チームIDについて、
viz/public/icons/<palette>/teams/<teamId>.webpを確認する viz/public/icons-hd/内のHDバリアントも同じ構造で確認する
期待される結果: グリフはあるがレンダリング済みアイコンが欠落しているエンティティのリスト(標準およびHD)。
失敗時の対応: アイコンディレクトリが存在しない場合、パイプラインがまだ実行されていない — すべてを欠落として報告する。
ステップ 5: マニフェストの鮮度確認
マニフェストのカウントをレジストリのカウントと比較する。
viz/public/data/icon-manifest.jsonを読み取り — エントリ数をカウントするviz/public/data/agent-icon-manifest.jsonを読み取り — エントリ数をカウントするviz/public/data/team-icon-manifest.jsonを読み取り — エントリ数をカウントする- レジストリの合計と比較する
期待される結果: マニフェストのカウントがレジストリのカウントと一致する。不一致は古いマニフェストを示す。
失敗時の対応: マニフェストファイルが存在しない場合、データパイプラインをまず実行する必要がある(node build-data.js && node build-icon-manifest.js)。
ステップ 6: ギャップレポートの生成
構造化されたサマリーを生成する。
- 出力を明確なテーブルまたはリスト形式でフォーマットする:
=== Icon Pipeline Audit === MISSING GLYPHS (no glyph function): Skills: 5 missing — [list] Agents: 2 missing — [list] Teams: 0 missing MISSING ICONS (glyph exists, no rendered WebP): Standard (512px): 3 skills, 1 agent HD (1024px): 8 skills, 3 agents, 1 team STALE MANIFESTS: icon-manifest.json: 320 entries vs 326 registry (stale) agent-icon-manifest.json: 66 entries vs 66 registry (OK) team-icon-manifest.json: 15 entries vs 15 registry (OK) - 発見事項に基づいて次のアクションを提案する
期待される結果: 実行可能な次のステップを含む完全なギャップレポート。
失敗時の対応: すべてのチェックがギャップゼロで合格した場合、ポジティブな結果として「パイプライン完全同期」と報告する。
検証チェックリスト
- 3つのレジストリすべてが正常に読み取られている
- 3つのグリフマッピングファイルすべてが確認されている
- 標準とHDの両方のアイコンディレクトリがスキャンされている
- マニフェストの鮮度が確認されている
- カウントとエンティティリストを含むギャップレポートが生成されている
- 実行可能な次のステップが提供されている
よくある落とし穴
- IDフォーマットの不一致: レジストリはケバブケース(
create-skill)を使用するが、グリフマップではスネークケースのキーを使用する場合がある — 比較時に正規化を行うこと - パレットの前提: cyberpunkパレットのみのチェックではパレット固有のレンダリングギャップを見逃す
- 空のディレクトリ: ドメインディレクトリが存在するが空である場合、glob時に「アイコンが存在する」とカウントされる — ディレクトリの存在ではなく、ファイルの存在を確認すること
- HDが未レンダリング: HDアイコンは別のディレクトリツリー(
icons-hd/)にある — 標準アイコンと混同しないこと
関連スキル
- create-glyph — この監査で特定された欠落グリフを作成する
- enhance-glyph — 既存グリフの品質を改善する
- render-icon-pipeline — 欠落アイコンを生成するためにフルパイプラインを実行する
- Orphan icons checked (disk paths vs manifest)
- Orphans after re-homing: When a skill's domain changes,
build.shcreates icons at the new path but does NOT delete the old path — always run Step 6 orphan check after any domain migration
GitHub リポジトリ
関連スキル
llamaguard
その他LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
cost-optimization
その他このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
quantizing-models-bitsandbytes
その他このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。
dispatching-parallel-agents
その他このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。
