← Back to list

tech-spike
by hyt-sasaki
AIエージェントを活用し、開発者の断片的な個人ナレッジを収集・蓄積して、チーム共有の資産へと自律的に昇格(Promotion)させるシステムです。FirestoreとVertex AI Searchを基盤に、二層のエージェント構造が実装セッションから「生きた知見」を抽出し、GitHubへのプルリクエスト形式でチーム共有を自動提案します。
⭐ 0🍴 0📅 Jan 4, 2026
SKILL.md
name: tech-spike description: | 技術検証(Tech Spike)ワークフロー。ライブラリ選定やアーキテクチャ判断の前に最小限の実験コードで技術的妥当性を検証。 使用タイミング: (1) 複数の技術選択肢がある場合(ライブラリA vs B) (2) 新しいライブラリ・技術の学習コストが高い場合 (3) パフォーマンス・互換性の懸念がある場合 (4) 既存システムとの統合リスクがある場合 (5) 「技術検証」「ライブラリ調査」「スパイク」リクエスト 使用しない場合: 技術スタック確定済み、既知のパターン、単純なCRUD操作 allowed-tools: Read, WebSearch, WebFetch, mcp__plugin_context7_context7__resolve-library-id, mcp__plugin_context7_context7__query-docs, Bash(git:), Bash(mkdir:)
技術検証(Tech Spike)
目的
設計判断の前に最小限の実験コードで技術的妥当性を検証し、設計精度を向上させます。
いつ実行するか
以下のいずれかに該当する場合、技術検証を実行します:
- 複数の技術選択肢がある(例: ライブラリA vs B)
- 新しいライブラリ・技術の学習コストが高い
- パフォーマンス・互換性の懸念がある
- 設計判断に実験的検証が必要
- 既存システムとの統合リスクがある
いつスキップするか
- 技術スタックが確定している
- 既知のパターンで実装可能
- 単純なCRUD操作のみ
- リスクが低く、後戻りコストが小さい
ワークフロー
Context7統合
ライブラリ調査にContext7を使用:
# Step 1: ライブラリIDを解決
# MCPツール: mcp__plugin_context7_context7__resolve-library-id
# - libraryName: "Next.js"
# - query: "Server Componentsのデータフェッチパターン"
# Step 2: ドキュメント検索
# MCPツール: mcp__plugin_context7_context7__query-docs
# - libraryId: "/vercel/next.js"
# - query: "Server Components data fetching patterns"
成果物
spike/results.md- 検証結果と推奨技術spike/experiment-*.py- 実験コード(オプション)
テンプレート
- results.md: templates/results-template.md
詳細ガイド
Score
Total Score
60/100
Based on repository quality metrics
✓SKILL.md
SKILL.mdファイルが含まれている
+20
○LICENSE
ライセンスが設定されている
0/10
✓説明文
100文字以上の説明がある
+10
○人気
GitHub Stars 100以上
0/15
○最近の活動
3ヶ月以内に更新がある
0/10
○フォーク
10回以上フォークされている
0/5
✓Issue管理
オープンIssueが50未満
+5
✓言語
プログラミング言語が設定されている
+5
○タグ
1つ以上のタグが設定されている
0/5
Reviews
💬
Reviews coming soon