MCP HubMCP Hub
返回技能列表

executing-ai-development-workflow

camoneart
更新于 Today
9 次查看
2
2
在 GitHub 上查看
aiautomation

关于

This skill automates a comprehensive AI development workflow with structured planning, implementation, and a multi-layer review system using Sub-agents, Claude Code's `/review`, and CodeRabbit CLI. It handles automated fixes and PR creation, prioritizing issues from Critical to Low. Use it for implementing new features, large refactorings, security-critical development, or when a systematic approach is requested.

技能文档

Executing AI Development Workflow

概要

AI開発のベストプラクティスを体系化した10ステップの自動化ワークフローを実行します。 計画立案から実装、多層レビュー、自動修正、PR作成まで一貫して管理します。

主な特徴

  • 多層レビューシステム: 4つのSub-agent + Claude Code /review + CodeRabbit CLI
  • 優先度ベースの修正: Critical/High/Medium/Lowで自動分類
  • 完全なドキュメント化: プランとレビュー結果を_docs/に保存
  • 妥当性重視: AIレビューの誤検知を適切に判断
  • 人間の介入ポイント: 重要な判断箇所で確認を求める

使い方

以下のようなリクエストでこのSkillが発動します:

「AI開発ワークフローで〜を実装して」
「Use the executing-ai-development-workflow skill to implement...」
「計画的に実装したい」

詳細な使用例は examples.md を参照してください。

ワークフロー概要

1. Planning (プラン作成 - Claude Codeプランモード)
   ↓
2. Documentation (プランを_docs/plans/にチェックボックス付きで保存)
   ↓
3. Implementation (Sub-agentで実装)
   ↓
4. Multi-layer Review
   ├─ 4a. 複数の評価用Sub-agent(並列実行)
   ├─ 4b. Claude Code /review コマンド
   └─ 4c. CodeRabbit CLI
   ↓
5. Review Documentation (_docs/reviews/に統合保存)
   ↓
6. Automated Fixes (Critical/High優先度の妥当なもののみ)
   ↓
7. Human Confirmation (Medium優先度の妥当性判断)
   ↓
8. PR Creation (GitHub PR作成 + CodeRabbitとClaude Codeがレビュー)
   ↓
9. PR Review Response (妥当なもののみClaude Codeで修正)
   ↓
10. Merge (+ 人力レビューを適宜挟む)

詳細な各ステップの説明は workflow.md を参照してください。

主要な実行フロー

Step 1-3: 計画と実装

  1. プランニング: プランモードで実装計画を立案
  2. ドキュメント化: _docs/plans/YYYY-MM-DD-[feature-name].md に保存
  3. 実装: 適切なSub-agentに委任

Step 4-5: 多層レビュー

4a. Sub-agent Reviews(並列実行):

  • code-reviewer
  • security-auditor
  • architect-review
  • test-ai-tdd-expert

4b. Claude Code /review:

/review

4c. CodeRabbit CLI:

coderabbit --prompt-only --type uncommitted

結果を _docs/reviews/YYYY-MM-DD-[feature-name]-review.md に統合保存。

Step 6-7: 修正と確認

  • Critical/High: 妥当なもののみ自動修正
  • Medium: 人間が妥当性を判断(修正/保留/却下)
  • Low: 記録のみ

Step 8-10: PR作成とマージ

  1. レビューサマリー付きでPR作成
  2. CodeRabbitとClaude Codeが追加レビュー
  3. 妥当な指摘のみ修正
  4. 人力レビューを適宜挟みながらマージ

優先度判定

config.json で定義された優先度ルール:

優先度内容対応
🔴 Criticalセキュリティ脆弱性、重大なバグ妥当なものを即時自動修正
🟠 Highパフォーマンス問題、設計問題妥当なものを即時自動修正
🟡 Mediumコード品質、ベストプラクティス人間が妥当性判断
🟢 Lowスタイル、命名、軽微な改善記録のみ

人間確認ポイント

以下の3つのタイミングで必ず人間の確認を得ます:

  1. プラン承認時 (Step 1後)
  2. Medium優先度の修正判断時 (Step 7)
  3. PR作成前の最終確認 (Step 8前)

前提条件

必要なツール

  • Git: バージョン管理
  • GitHub CLI (gh): PR作成・管理
  • CodeRabbit CLI: インストール済み & 認証済み

プロジェクト準備

# _docs ディレクトリの作成
mkdir -p _docs/plans _docs/reviews

設定ファイル

config.json

優先度判定ルールとSub-agent設定を定義:

{
  "priority_rules": {
    "critical": { "keywords": [...], "patterns": [...] },
    "high": { "keywords": [...] },
    "medium": { "keywords": [...] },
    "low": { "keywords": [...] }
  },
  "review_agents": [...],
  "coderabbit_cli": {...},
  "auto_fix_threshold": "high"
}

テンプレート

  • templates/plan.md: 実装計画テンプレート
  • templates/review.md: レビュー結果テンプレート

重要な考え方

このSkillは、AI駆動開発において**「妥当性」**を重視します。

  • ✅ AIレビューの指摘はすべてが正しいわけではない
  • ✅ Critical/Highでも誤検知や過剰な提案がある
  • 人間の判断が最も重要
  • ✅ プロジェクトの文脈を理解した上で適切に取捨選択

AIはツールです。最終的な判断は常に人間が行います。

関連ファイル

快速安装

/plugin add https://github.com/camoneart/claude-code/tree/main/executing-ai-development-workflow

在 Claude Code 中复制并粘贴此命令以安装该技能

GitHub 仓库

camoneart/claude-code
路径: skills/executing-ai-development-workflow

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

sglang

SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。

查看技能

evaluating-llms-harness

测试

该Skill通过60+个学术基准测试(如MMLU、GSM8K等)评估大语言模型质量,适用于模型对比、学术研究及训练进度追踪。它支持HuggingFace、vLLM和API接口,被EleutherAI等行业领先机构广泛采用。开发者可通过简单命令行快速对模型进行多任务批量评估。

查看技能

langchain

LangChain是一个用于构建LLM应用程序的框架,支持智能体、链和RAG应用开发。它提供多模型提供商支持、500+工具集成、记忆管理和向量检索等核心功能。开发者可用它快速构建聊天机器人、问答系统和自主代理,适用于从原型验证到生产部署的全流程。

查看技能