skill-discovery

セッションログを分析して、スキル化できる繰り返しパターンを発見・提案するClaude Codeスキルです。

概要

日々のClaude Codeセッションから「指示→操作」のペアを抽出し、繰り返しパターンを検出してスキル化の機会を提案します。

こんな人におすすめ:

• 毎日同じような指示をClaude Codeに出している
• 自分の作業パターンを可視化したい
• どんなスキルを作れば効率化できるか知りたい

動作確認環境

• macOS または Linux (WSL2含む)
  • macOS: date -v/-j と stat -f を使用
  • Linux: date -d と stat -c を使用
  • OSは実行時に自動判定
• jq コマンド (JSON解析用)
• Claude Code (Agent Skills対応版)

jqのインストール

# macOS
brew install jq

# Ubuntu/Debian
sudo apt install jq

# その他のLinux
# https://jqlang.github.io/jq/download/ を参照

インストール

方法1: シンボリックリンク（推奨）

git pull で最新版に更新できます。

git clone https://github.com/t-daisuke/skill-discovery.git ~/skill-discovery
ln -s ~/skill-discovery/skill-discovery ~/.claude/skills/skill-discovery

方法2: コピー

リポジトリに依存せず独立して動作します。

git clone https://github.com/t-daisuke/skill-discovery.git /tmp/skill-discovery
cp -r /tmp/skill-discovery/skill-discovery ~/.claude/skills/

インストール後、新しいセッションを開始すると /skill-discovery が使えるようになります。

使い方

# 今日のセッションを分析
/skill-discovery

# 昨日のセッションを分析
/skill-discovery yesterday

# 指定日のセッションを分析
/skill-discovery 2026-01-20

# 直近7日間のセッションを分析（推奨）
/skill-discovery week

おすすめ: 週末に /skill-discovery week を実行して、1週間の作業パターンを振り返る

検出するパターン

パターン種別	説明	例
類似指示パターン	同じような指示が繰り返される	「PRを作って」「コミットして」
操作シーケンスパターン	特定の指示に対して同じ操作セットが実行される	PR作成 → diff→add→commit→push→gh pr create
プロジェクト横断パターン	異なるプロジェクトで同じ指示が繰り返される	どのプロジェクトでも「テスト実行」が発生
定型作業パターン	毎日/毎回実行される定型作業	セッション開始時のgit pull

出力例

実際に1週間分のセッションを分析した結果の例:

統計サマリー
- 分析期間: 2026-01-29 〜 2026-02-04 (7日間)
- 分析セッション数: 42
- 検出パターン数: 8
- スキル化推奨: 3件

高優先度（スキル化推奨）の例

パターン: CI/GitHub Actions確認 → 原因調査 → 修正

• 検出した指示例:
  • 「いまってci通ってる？」
  • 「はい。原因を教えて。」
• 対応する操作シーケンス:
  1. gh pr checks または gh run list でCI状況確認
  2. gh run view --log-failed で失敗ログ取得
  3. 該当ファイルを読んで原因特定
  4. 修正 → format check → push
• 検出回数: 4回（2個のプロジェクトで）
• スキル化案:
  • 名前: fix-ci-failure
  • 概要: CI失敗を検出 → ログ取得 → 原因特定 → 修正案提示を一括実行

パターン: エラーメッセージから原因箇所を特定

• 検出した指示例:
  • 「このエラーが出る箇所を教えて」
  • 「このエラーが出る仮説を箇条書きで教えて」
• 対応する操作シーケンス:
  1. Grep でエラーメッセージを検索
  2. 該当ファイルを Read で確認
  3. 呼び出し元を追跡
  4. 仮説を立てて検証
• 検出回数: 5回（3個のプロジェクトで）
• スキル化案:
  • 名前: trace-error
  • 概要: エラーメッセージを入力 → 発生箇所特定 → 呼び出し元追跡 → 原因仮説提示

既存スキルとの関係も分析

┌───────────────────┬──────────────────────┬──────────────────────────────────┐
│   検出パターン    │  関連する既存スキル  │             対応状況             │
├───────────────────┼──────────────────────┼──────────────────────────────────┤
│ コミット→プッシュ │ /auto-commit-push    │ 部分カバー（PR作成は含まない）   │
├───────────────────┼──────────────────────┼──────────────────────────────────┤
│ CI確認            │ /dos_check_gh_action │ 部分カバー（修正提案は含まない） │
└───────────────────┴──────────────────────┴──────────────────────────────────┘

ワークフロー例

1. 週次レビュー: 毎週金曜に /skill-discovery week を実行
2. パターン確認: 高優先度のパターンを確認
3. スキル作成: 提案されたスキル案を参考に新しいスキルを作成
4. 継続改善: 翌週また分析して効果を確認

セキュリティ

• パスワード、トークン、APIキーは自動的にフィルタリングされます（***REDACTED*** に置換）
• フィルタリング対象:
  • password=, token=, api_key= などのパターン
  • Bearer トークン
  • GitHub Personal Access Token (ghp_, gho_)
  • OpenAI API Key (sk-)

技術詳細

• セッションログは ~/.claude/projects/ から読み取り
• subagentのログは除外（メインセッションのみ分析）
• macOSとLinuxの両方に対応

ライセンス

MIT