LLM-Coding/Semantic-Anchors

解決する問題

大規模言語モデル（LLM）はトレーニングデータから多くのことを知っていますが、その知識にアクセスするには適切なトリガーワードが必要です。複雑なアイデアをゼロから説明するとトークンを浪費し、不正確になる可能性があります。Semantic Anchors は、「TDD, London School」のようなよく知られた用語、方法論、フレームワークのセットを提供することでこれを解決し、モデル内の関連知識を即座に活性化します。

仕組み

このプロジェクトは、230 以上のセマンティックアンカーのカタログを維持しており、各アンカーは独自のファイルに文書化されています。アンカーは 12 のカテゴリ（例：設計原則、テストと品質）に整理され、専門的役割（ソフトウェア開発者、QA エンジニアなど）でフィルタリングできます。カタログは、検索と視覚化を備えたインタラクティブなウェブサイトで利用できます。すべてのアンカーを知らないローカルまたは小規模な LLM の場合、README は Claude Code、Codex、Cursor などのツールのエージェント指示ファイルに明示的な定義を注入するガイドを提供します。このプロジェクトは貢献も奨励しています：用語を提案し、品質基準に対してテストし、GitHub Copilot がアンカーファイルの作成を支援します。

対象読者

LLM を扱うすべての人—開発者、アーキテクト、QA エンジニア、プロダクトオーナー、テクニカルライターなど。明示的な定義を必要とするローカルまたは小規模なモデルを使用するチーム、およびより一貫性と効率性の高いプロンプトを求める人に特に役立ちます。

ハイライト

• 12 の MECE カテゴリにわたる 230 以上のセマンティックアンカーのカタログ。
• 検索、役割ベースのフィルタリング、視覚化を備えたインタラクティブなウェブサイト。
• Claude Code、Codex、Gemini CLI、Cursor、GitHub Copilot、Windsurf へのアンカー統合ガイド。
• シンプルな貢献フロー：アンカーを提案し、テストされ、Copilot が作成を支援します。