スキル一覧に戻る

create-github-issues

pjt222
更新日 Yesterday
1 閲覧
17
2
17
GitHubで表示
メタgeneral

について

このClaude Skillは、コードレビューの所見やタスクの分解を構造化されたGitHub Issueに変換します。関連する項目をグループ化し、ラベルを適用し、要約・所見・受け入れ基準を含む標準テンプレートを使用してIssueを作成します。`review-codebase`のようなスキルの出力と連携し、Issue追跡を自動化するように設計されています。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-github-issues

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


name: create-github-issues description: > レビュー結果やタスク分解からGitHub Issueを構造的に作成します。 関連する調査結果を論理的なIssueにグループ化し、ラベルを適用し、 概要・調査結果・受け入れ条件を含む標準テンプレートでIssueを作成します。 review-codebaseや類似のレビュースキルの出力を取り込むことを想定して設計。 locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: git complexity: intermediate language: multi tags: git, github, project-management, issues, review, automation

GitHub Issueの作成

レビュー結果やタスク分解から構造的にGitHub Issueを作成する。review-codebasesecurity-audit-codebase、または手動分析による調査結果のリストを、ラベル・受け入れ条件・相互参照を持つ適切に整形されたGitHub Issueに変換する。

使用タイミング

  • コードベースレビューが追跡が必要な調査結果テーブルを生成した後
  • 計画セッションでIssueにすべき作業項目が特定された後
  • TODOリストやバックログをGitHubの追跡可能なIssueに変換するとき
  • 一貫したフォーマットとラベル付けが必要な関連Issueをまとめて作成するとき

入力

  • 必須: findings — 各アイテムに最低限タイトルと説明を含む項目のリスト。理想的には深刻度、影響を受けるファイル、提案ラベルも含む
  • 任意:
    • group_by — 調査結果をIssueにまとめる方法: severity(深刻度)、file(ファイル)、theme(テーマ)(デフォルト: theme
    • label_prefix — 自動作成ラベルのプレフィックス(デフォルト: なし)
    • create_labels — 存在しないラベルを作成するか(デフォルト: true
    • dry_run — Issueを作成せずにプレビューする(デフォルト: false

手順

ステップ1: ラベルの準備

リポジトリに必要なラベルがすべて存在することを確認する。

  1. 既存ラベルを一覧表示: gh label list --limit 100
  2. 調査結果が必要とするラベルを特定(深刻度、フェーズ、または明示的なラベルフィールドから)
  3. 深刻度をラベルにマッピング(未マッピングの場合): criticalhigh-prioritymedium-prioritylow-priority
  4. フェーズ/テーマをラベルにマッピング: securityarchitecturecode-qualityaccessibilitytestingperformance
  5. create_labels がtrueの場合、不足ラベルを作成: gh label create "name" --color "hex" --description "desc"
  6. 一貫した色を使用: critical/securityは赤、highはオレンジ、mediumは黄、architectureは青、testingは緑

期待結果: 調査結果が参照するすべてのラベルがリポジトリに存在する。重複したラベルが作成されていない。

失敗時: gh CLIが認証されていない場合、ユーザーに gh auth login の実行を指示する。ラベル作成が拒否された場合(権限不足)、ラベルなしで続行し、不足しているラベルを記録する。

ステップ2: 調査結果のグループ化

関連する調査結果を論理的なIssueにまとめてIssueの増殖を防ぐ。

  1. group_bytheme の場合: フェーズまたはカテゴリ別にグループ化(すべてのセキュリティ調査結果 → 1〜2件のIssue、すべてのa11y → 1件のIssue)
  2. group_byseverity の場合: 深刻度レベル別にグループ化(すべてのCRITICAL → 1件のIssue、すべてのHIGH → 1件のIssue)
  3. group_byfile の場合: 主に影響を受けるファイルでグループ化
  4. 各グループ内で調査結果を深刻度順に並べる(CRITICAL優先)
  5. グループに8件を超える調査結果がある場合、サブテーマ別にサブグループに分割する
  6. 各グループが1件のGitHub Issueになる

期待結果: 関連する1〜8件の調査結果を含むIssueグループのセットが作成される。Issueの総数が管理可能な範囲(コードベースの完全レビューで通常5〜15件)になる。

失敗時: 調査結果にグループ化メタデータがない場合、調査結果1件につき1件のIssueにフォールバックする。これは少数の調査結果(10件未満)では許容されるが、多数の場合はIssueが多くなりすぎる。

ステップ3: Issueの構成

標準テンプレートを使用して各Issueを作成する。

  1. タイトル: [深刻度] テーマ: 簡単な説明 — 例: [HIGH] Security: Eliminate innerHTML injection in panel.js
  2. 本文の構造:
    ## Summary
    One-paragraph overview of what this issue addresses and why it matters.
    
    ## Findings
    1. **[SEVERITY]** Finding description (`file.js:line`) — brief explanation
    2. **[SEVERITY]** Finding description (`file.js:line`) — brief explanation
    
    ## Acceptance Criteria
    - [ ] Criterion derived from finding 1
    - [ ] Criterion derived from finding 2
    - [ ] All changes pass existing tests
    
    ## Context
    Generated from codebase review on YYYY-MM-DD.
    Related: #issue_numbers (if applicable)
    
  3. ラベルを適用: 深刻度ラベル + テーマラベル + カスタムラベル
  4. 調査結果が特定のファイルを参照する場合、本文に記載する(アサインとしてではなく)

期待結果: 各Issueに明確なタイトル、深刻度バッジ付きの番号付き調査結果、チェックボックス形式の受け入れ条件、適切なラベルが含まれている。

失敗時: 本文がGitHubのIssueサイズ制限(65536文字)を超える場合、Issueを複数のパートに分割して相互参照する。

ステップ4: Issueの作成

gh CLIを使用してIssueを作成し、結果を報告する。

  1. dry_run がtrueの場合、各Issueのタイトルと本文を作成せずに出力して停止する
  2. 各構成済みIssueを作成する:
    gh issue create --title "title" --body "$(cat <<'EOF'
    body content
    EOF
    )" --label "label1,label2"
    
  3. 作成された各IssueのURLを記録する
  4. すべてのIssueを作成した後、概要テーブルを出力する: #番号 | タイトル | ラベル | 調査結果の件数
  5. Issueの順序付けが必要な場合、相互参照を追加する: 最初のIssueを編集して「Blocked by #X」または「See also #Y」を記載する

期待結果: すべてのIssueが正常に作成される。Issue番号とURLを含む概要テーブルが出力される。

失敗時: 個別のIssue作成が失敗した場合、エラーをログに記録して残りのIssueの処理を続ける。最後に失敗を報告する。一般的な失敗原因: 認証の期限切れ、ラベルが見つからない(create_labels がfalseの場合)、ネットワークタイムアウト。

バリデーション

  • すべての調査結果が少なくとも1件のIssueに含まれている
  • 各Issueに少なくとも1つのラベルがある
  • 各Issueにチェックボックス形式の受け入れ条件がある
  • 重複したIssueが作成されていない(タイトルを既存のオープンIssueと照合)
  • 調査結果の件数に対してIssue数が適切である(大規模なセットで1:1になっていない)
  • すべてのIssueのURLを含む概要テーブルが出力された

よくある落とし穴

  • Issueの増殖: 調査結果1件につき1件のIssueを作成すると20件以上のIssueが生まれ管理が困難になる。積極的にグループ化すること — 完全なレビューからは5〜10件のIssueが理想的
  • 受け入れ条件の欠如: チェックボックスのないIssueは完了を検証できない。すべての調査結果は少なくとも1つのチェックボックスに対応させる
  • ラベルの混乱: ラベルを多く作りすぎるとフィルタリングが意味をなさなくなる。深刻度とテーマのみに絞り、調査結果ごとのラベルは避ける
  • 古い参照: 古いレビューからIssueを作成する場合、Issue作成前に調査結果が依然として該当するか確認する。コードが変更されている可能性がある
  • dry run忘れ: 大量の調査結果の場合、必ず先に dry_run: true でプレビューする。計画の編集は15件の誤ったIssueをクローズするよりはるかに簡単

関連スキル

  • review-codebase — このスキルが取り込む調査結果テーブルを生成する
  • review-pull-request — IssueにもなりえるPRスコープの調査結果を生成する
  • manage-backlog — 作成後のIssueをスプリントと優先度に整理する
  • create-pull-request — Issueを参照してクローズするPRを作成する
  • commit-changes — Issueを解決する修正をコミットする

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/create-github-issues
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

content-collections

メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る

polymarket

メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る

creating-opencode-plugins

メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る

sglang

メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る