npx claudepluginhub caphtech/claude-marketplace --plugin delivery-pluginWant just this skill?
Then install: npx claudepluginhub u/[userId]/[slug]
Generate or improve .coderabbit.yaml by analyzing project structure, languages, and conventions. Optimizes path_instructions, path_filters, tools, and knowledge_base. Triggers on "CodeRabbitを設定して", ".coderabbit.yamlを作って", "CodeRabbit設定を改善して", "レビュー設定を最適化して", or "/coderabbit-config".
This skill uses the workspace's default tool permissions.
references/config-reference.mdCodeRabbit Config
プロジェクトを分析し、最適な .coderabbit.yaml を生成・改善する。
ワークフロー
既存.coderabbit.yamlあり? ──Yes──→ Audit → Propose → Confirm → Update
└─No──→ Analyze → Propose → Confirm → Generate
Phase 1: Analyze(プロジェクト分析)
以下を調査し、設定に必要な情報を収集する:
1a. プロジェクト構造
- 主要言語・フレームワークの特定(package.json, Cargo.toml, go.mod, pyproject.toml等)
- ディレクトリ構造のパターン(src/, lib/, tests/, docs/ 等)
- ビルド成果物・自動生成ファイルの特定(dist/, .next/, *.min.js等)
1b. 既存の規約・ガイドライン
- CLAUDE.md, CONTRIBUTING.md, CODING_GUIDELINES.md の有無
- .cursorrules, .cursor/rules/, copilot-instructions.md の有無
- lint設定(.eslintrc, ruff.toml, .golangci.yml等)
1c. 既存設定の監査(既存.coderabbit.yamlがある場合)
- 非推奨オプションの検出
- 設定漏れ・冗長設定の特定
- プロジェクト実態との乖離
Phase 2: Propose(設定提案)
分析結果に基づき、以下の設定をユーザーに提案する。
2a. 基本設定
# yaml-language-server: $schema=https://coderabbit.ai/integrations/schema.v2.json
language: "<プロジェクトの共通言語>"
tone_instructions: "<チームのトーンに合わせた指示>"
判断基準:
language: チームの共通言語。日本語チームなら"ja"tone_instructions: 250文字以内。具体的で建設的なトーンを指定
2b. reviews設定
| 設定 | 推奨 | 理由 |
|---|---|---|
| profile | "chill" | 細かすぎる指摘を抑制 |
| high_level_summary | true | PR概要の自動生成 |
| collapse_walkthrough | true | PR本文のノイズ削減 |
| poem | false | 実用性優先 |
| assess_linked_issues | true | Issue駆動開発との整合性チェック |
| reviews.auto_review.auto_incremental_review | true | push毎のレビュー |
| reviews.auto_review.drafts | false | WIP PRへの不要レビュー防止 |
2c. path_filters(最重要: 除外設定)
以下に該当するファイルを ! プレフィックスで除外:
- ビルド成果物:
!dist/**,!build/**,!.next/** - minified/vendored:
!**/*.min.js,!**/vendor/** - lockファイル: 依存更新レビューが不要な場合のみ
!**/*.lock - バイナリ/アーカイブ: プロジェクトに存在するバイナリ形式を検出して除外(例:
!**/*.zip) - 自動生成コード:
!**/*.generated.*,!**/*.g.dart
2d. path_instructions(最大の価値)
プロジェクトの各レイヤーに合わせた具体的なレビュー指示を生成する。
生成ルール:
- プロジェクトの実際のディレクトリ構造からパターンを導出する
- 各パターンの指示は検証可能な具体的チェック項目にする
- 曖昧な指示(「きれいに書いて」等)は使わない
- フレームワーク固有の規約を反映する
典型パターン:
| パス | チェック観点 |
|---|---|
**/*.ts / **/*.tsx | any型回避、型安全性、null安全 |
**/api/** / **/routes/** | 認証チェック、エラーハンドリング、バリデーション |
**/*.test.* / **/*.spec.* | AAA パターン、エッジケース、モック適切性 |
**/migrations/** | 破壊的変更の検出、ロールバック可能性 |
**/*.md | リンク切れ、コード例の正確性 |
**/config/** / **/*.yaml | 機密情報の露出、デフォルト値の妥当性 |
プロジェクト固有のパターンも追加する(例: スキルのSKILL.mdフロントマター検証等)。
2e. knowledge_base設定
knowledge_base:
code_guidelines:
enabled: true
filePatterns: [] # 1aで見つけたガイドラインファイルを列挙
2f. tools設定
- プロジェクトで使用している言語のlinterのみ有効化
- 未使用言語のツールは
enabled: falseで明示的に無効化 - 既存のlint設定ファイルがあればそのパスを指定
2g. auto_review設定
reviews:
auto_review:
enabled: true
drafts: false
ignore_title_keywords: ["WIP", "DO NOT REVIEW"]
base_branches: [] # デフォルトブランチ以外に追加する場合(例: ["develop", "release/*"])
2h. pre_merge_checks(オプション)
プロジェクト固有の必須チェックがあれば custom_checks として提案。
Phase 3: Confirm(ユーザー確認)
提案内容をユーザーに提示し、以下を確認:
- 基本設定(言語、トーン)は適切か
- path_instructionsの内容は妥当か
- 除外すべきパスに漏れはないか
- 追加したいカスタムチェックはあるか
AskUserQuestion を使って確認する。一度に多くの質問をしない。
Phase 4: Generate / Update(生成・更新)
確認された設定で .coderabbit.yaml をプロジェクトルートに書き出す。
出力規則:
- スキーマ宣言を先頭に含める:
# yaml-language-server: $schema=https://coderabbit.ai/integrations/schema.v2.json - デフォルト値と同じ設定は省略してコンパクトに保つ
- セクションごとにコメントで意図を明記
- 既存ファイルの更新時は差分を提示してから書き込む
- 書き出し前にYAMLの階層構造が正しいか検証する(特に
reviews.auto_review,reviews.tools,reviews.pre_merge_checks等はreviews配下)
設定オプションリファレンス
主要な設定オプション一覧は references/config-reference.md を参照。最新の網羅情報は公式ドキュメントを確認。
アンチパターン
| NG | 理由 |
|---|---|
| デフォルト値を全て明示的に書く | 冗長で保守コスト増 |
| path_instructionsに曖昧な指示 | AIが判断に迷い品質低下 |
| 全ツールを有効化 | 未使用言語のlintはノイズ |
| path_filtersなしで運用 | 自動生成ファイルがレビュー対象に |
| knowledge_baseの code_guidelines 未設定 | 既存規約が活用されない |
Similar Skills
Activates when the user asks about AI prompts, needs prompt templates, wants to search for prompts, or mentions prompts.chat. Use for discovering, retrieving, and improving prompts.