Agent skill · data analytics · affaan-m
rules-distill
スキルをスキャンしてドメイン横断的な原則を抽出し、ルールに蒸留する——既存のルールファイルへの追記、修正、または新規作成
Why this skill is useful
Adds a structured process for distilling common principles from multiple skills into actionable rules, which the AI wouldn't generate on its own.
What it needs
Requires bash installed locally. About 2k tokens when loaded. Last updated 2026-08-06. 238,342 stars on the source repository.
What this skill does
ルール蒸留 インストール済みのスキルをスキャンし、複数のスキルに現れる共通原則を抽出して、ルールとして蒸留する——既存のルールファイルに追記、時代遅れの内容を修正、または新しいルールファイルを作成する。 「決定論的収集 + LLM判断」原則を適用する：スクリプトが事実を網羅的に収集し、その後LLMが完全なコンテキストを通読して裁決を下す。 使用場面 定期的なルールメンテナンス（月次または新しいスキルのインストール後） スキル棚卸し後、ルールにすべきパターンが見つかった場合 使用中のスキルと比較してルールが不完全に感じられる場合 動作原理 ルール蒸留プロセスは3つのフェーズに従う： フェーズ 1：棚卸し（決定論的収集） 1a. スキルインベントリの収集 1b. ルールインデックスの収集 1c. ユーザーへの提示 フェーズ 2：通読、マッチング、裁決（LLM判断） 抽出とマッチングは単一の処理で統合的に行われる。ルールファイルは十分に小さく（合計約800行）、LLMに全文を提供できる——grepによる事前フィルタリングは不要。 バッチ処理 スキルの説明に基づいてスキルをトピッククラスターにグループ化する。各クラスターは、完全なルールテキストを提供されたサブエージェントで分析される。 バッチ間のマージ 全バッチ完了後、バッチ候補をマージする： 同一または重複する原則を持つ候補を重複排除する 「2+スキル」要件を全バッチの統合証拠で再確認——各バッチでは1つのスキルにのみ現れるが、合計で2+スキルに現れる原則は有効 サブエージェントプロンプト 汎用エージェントを起動するために以下のプロンプトを使用する： json { "principle": "1〜2文、'Xをする' / 'Yをしない' の形式", "evidence": ["スキル名: §セクション", "スキル名: §セクション"], "violationrisk": "1文", "verdict": "追記 / 修正 / 新セクション / 新ファイル / 対応済み / 過度に具体的", "targetrule": "ファイル名 §セクション、または '新規'", "confidence": "高 / 中 / 低", "draft": "'追記'/'新セクション'/'新ファイル' 裁決のための草案テキスト", "revision": { "reason": "既存の内容が不正確または不十分な理由（'修正' 裁決のみ）", "before": "置き換える現在のテキスト（'修正' 裁決のみ）", "after": "提案する置き換えテキスト（'修正' 裁決のみ）" } } 裁決リファレンス 裁決 意味 ユーザーへの提示 --------- --------- ------------------- 追記 既存セクションに追加 ターゲット + 草案 修正 不正確/不十分な内容を修正 ターゲット + 理由 + 修正前/後 新セクション 既存ファイルに新セクションを追加 ターゲット + 草案 新ファイル 新しいルールファイルを作成 ファイル名 + 完全な草案 対応済み ルールでカバー済み（言い回しが異なる場合も） 理由（1行） 過度に具体的 スキルに留めるべき 関連スキルへのリンク 裁決の品質要件 フェーズ 3：ユーザーレビューと実行 サマリーテーブル ユーザーアクション ユーザーは番号で以下を応答する： 承認：草案をそのままルールに適用する 修正：適用前に草案を編集する スキップ：この候補ルールを適用しない ルールを自動的に変更しない。常にユーザーの承認が必要。 結果の保存 結果をスキルディレクトリ（results.json）に保存する： タイムスタンプ形式：date -u +%Y-%m-%dT%H:%M:%SZ（UTC、秒精度） 候補ID形式：原則に基づいたケバブケース（例：llm-output-trust-boundary） 例 エンドツーエンド実行 設計原則 何をするかではなく、何か：原則のみを抽出する（ルールの範囲）。コード例とコマンドはスキルに留める。 ソースへのリンクを維持：草案テキストには 参照スキル：[名前]` への参照を含め、読者が詳細な「どうするか」を見つけられるようにする。 決定論的収集、LLM判断：スクリプトが網羅性を保証し、LLMがコンテキスト理解を保証する。 抽象化防止策：3層フィルター（2+スキルの証拠、実行可能行動テスト、違反リスク）により、過度に抽象的な原則がルールに入ることを防ぐ。
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/rules-distill--2819ef