automation-advisor

automation-advisor

リポジトリの「意図された設計（ドキュメント・設定）」と「実際に起きていること（AI活動履歴・git log・コード重複）」を交差分析し、まだ自動化されていない繰り返しパターンを発見して提案レポートとして出力する。

$ARGUMENTS

このスキルが答える問い

「このリポジトリで繰り返されている作業のうち、まだ自動化されていないものは何か」

分析の2つの視点

function analyze(repo):
  designed = scan_existing_automation(repo)
  actual = scan_actual_patterns(repo)

  findings = []

  for pattern in actual:
    if pattern in designed and designed[pattern].behavior != actual[pattern].behavior:
      findings.append({type: "drift", pattern, designed: designed[pattern], actual: actual[pattern]})
    else if pattern not in designed:
      findings.append({type: "unwritten", pattern, frequency: actual[pattern].count})

  return findings

視点 A: 既に自動化されているもの（意図された設計）

リポジトリ内の以下を走査し、「何が自動化済みか」の全体像を構築する:

• hooks（.claude/settings.json, settings.local.json, プラグインの hook 定義）
• skills（.claude/skills/, プラグインの skill 定義）
• rules（.claude/rules/, プラグインの rule 定義）
• AGENTS.md / CLAUDE.md の規約・制約
• CI/CD パイプライン（.github/workflows/, etc.）
• MCP サーバー設定
• lint 設定（eslint, oxlint, etc.）
• pre-commit / pre-push hooks（husky, lint-staged, etc.）

視点 B: 実際に繰り返されていること

以下のデータソースから「何が繰り返し発生しているか」を抽出する。データソースの選択と優先順位はエージェントが状況に応じて判断する:

• AI セッション履歴（ccsight, セッションファイル直接参照, /insights の出力）
• git log のパターン（頻出するコミットメッセージ、繰り返される変更パターン）
• コード重複（similarity-ts）
• ドキュメント重複（同じ記述が複数ファイルに散在）
• 手動で繰り返されているコマンド列

データソースへのアクセス方法は references/ 配下を参照。

探索の深さはデータソースごとに制御する。目安として:

function calibrate_exploration(data_source):
  if data_source == "ccsight":
    // stats 1回 + sessions 一覧 1回 + セッション詳細 最大5件 + search 最大3クエリ
    // 合計 ~10 MCP コール以内に収める
    // stats.top_tools と stats.mcp_servers で仮説を立て、search で検証する流れ
    max_mcp_calls = 10

  if data_source == "git_log":
    // git log --oneline -100 で傾向を掴み、深掘りは最大2回
    max_commands = 3

  if data_source == "session_files":
    // セッションファイル直接参照は ccsight のフォールバック
    // 詳細分析が必要なためサブエージェントに委譲し、メインの context 圧迫を避ける
    // サブエージェントがセッションファイルを読み、繰り返しパターンを抽出して返す
    delegation = "subagent"

  if data_source == "similarity-ts":
    // 1回実行、結果をそのまま使う
    max_commands = 1

発見の2分類

乖離型（drift）

ドキュメントや設定に記述されているが、実際の挙動や運用が異なるもの。

例:

• AGENTS.md に「X をすること」と書いてあるが、セッション履歴ではそのルールが守られていない
• hook が定義されているが、実際にはほぼ発火していない（効果のない自動化）
• CI で検出しているはずのパターンが、手動で繰り返し修正されている

未言語化型（unwritten）

どこにも書かれていないが、繰り返し発生しているパターン。

例:

• 毎回同じ調査手順を踏んでいる（hook や skill にできる）
• 同じコマンド列が複数セッションで繰り返されている
• 同じ判断基準が毎回自然言語で再発見されている（rule にできる）
• コード上の同じパターンが複数箇所に存在する（共通化や lint ルール化できる）

提案の種別

発見に対して、以下のいずれかの自動化手段を提案する:

• hook — 特定のイベント（ファイル編集、コマンド実行、セッション開始/終了）に対する自動処理
• skill — 再利用可能な手順・ワークフロー
• rule — .claude/rules/ に置くエージェント向けの行動規範
• AGENTS.md 追記 — プロジェクト規約への明文化
• CI パイプライン — GitHub Actions 等での自動検証
• MCP tool — 外部サービスとの連携自動化
• lint ルール — コードパターンの機械的検出
• 共通化 — 重複コード・重複ドキュメントの統合

実行プロセス

function run(repo):
  // Phase 1: 収集（並列実行可能）
  designed = scan_existing_automation(repo)
  actual = scan_actual_patterns(repo)

  // Phase 2: 交差分析
  findings = cross_analyze(designed, actual)

  // Phase 3: 提案生成
  proposals = []
  for finding in findings:
    proposal = {
      observation: finding.description,
      classification: finding.type,  // "drift" or "unwritten"
      suggested_means: select_automation_type(finding),
      evidence: finding.data_sources,
    }
    proposals.append(proposal)

  // Phase 4: レポート出力
  report_path = ".local-agents/automation-advisor-<YYYYMMDD-HHmmss>.md"
  write_report(report_path, proposals)
  return report_path

レポート出力

• ファイルパス: .local-agents/automation-advisor-<YYYYMMDD-HHmmss>.md
• タイムスタンプはファイル名の一意性キーである。既存レポートがあっても上書きせず、常に新規ファイルを作成する
• 視点 A / B の分析結果を統合した提案一覧を含める。サマリーテーブルを冒頭に置き、個別提案を後続させる構成を推奨する

レポートに最低限含める情報

各提案には以下を含めること:

• 何が繰り返されているか（観察事実）
• 分類（乖離型 / 未言語化型）
• 提案する自動化手段
• その手段を選んだ根拠
• 根拠となったデータソース

制約

• レポートファイルは .local-agents/ 配下に出力する
• 会話内でのサマリー出力は行わない
• 提案の実行は行わない（レポート生成のみ）
• 分析対象は現在のリポジトリのみ