Agent skill · research science · affaan-m
iterative-retrieval
サブエージェントのコンテキスト問題を解決するために、コンテキスト取得を段階的に洗練するパターン
Why this skill is useful
Provides a structured 4-phase iterative retrieval pattern that enhances context acquisition for sub-agents, which the AI wouldn't generate on its own.
What it needs
About 2k tokens when loaded. Last updated 2026-08-06. 238,342 stars on the source repository.
What this skill does
反復検索パターン マルチエージェントワークフローにおける「コンテキスト問題」を解決します。サブエージェントは作業を開始するまで、どのコンテキストが必要かわかりません。 問題 サブエージェントは限定的なコンテキストで起動されます。以下を知りません: どのファイルに関連するコードが含まれているか コードベースにどのようなパターンが存在するか プロジェクトがどのような用語を使用しているか 標準的なアプローチは失敗します: すべてを送信: コンテキスト制限を超える 何も送信しない: エージェントに重要な情報が不足 必要なものを推測: しばしば間違い 解決策: 反復検索 コンテキストを段階的に洗練する4フェーズのループ: フェーズ1: DISPATCH 候補ファイルを収集する初期の広範なクエリ: フェーズ2: EVALUATE 取得したコンテンツの関連性を評価: スコアリング基準: 高(0.8-1.0): ターゲット機能を直接実装 中(0.5-0.7): 関連するパターンや型を含む 低(0.2-0.4): 間接的に関連 なし(0-0.2): 関連なし、除外 フェーズ3: REFINE 評価に基づいて検索基準を更新: フェーズ4: LOOP 洗練された基準で繰り返す(最大3サイクル): 実践例 例1: バグ修正コンテキスト 例2: 機能実装 エージェントとの統合 エージェントプロンプトで使用: ベストプラクティス 1. 広く開始し、段階的に絞る - 初期クエリで過度に指定しない 2. コードベースの用語を学ぶ - 最初のサイクルでしばしば命名規則が明らかになる 3. 不足しているものを追跡 - 明示的なギャップ識別が洗練を促進 4. 「十分に良い」で停止 - 3つの高関連性ファイルは10個の平凡なファイルより優れている 5. 確信を持って除外 - 低関連性ファイルは関連性を持つようにならない 関連項目 The Longform Guide - サブエージェントオーケストレーションセクション continuous-learningスキル - 時間とともに改善するパターン用 ~/.claude/agents/内のエージェント定義
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/iterative-retrieval