yaojingang/yao-meta-skill

何を解決するか

作業メモ、トランスクリプト、プロンプト、ランブックなどの曖昧な運用入力を、管理された再利用可能なAIエージェントスキルに変換します。単なるプロンプト生成を越えて、モデル化、コンパイル、評価、保守を含む完全なライフサイクルシステムを構築し、異なるプラットフォームに展開可能なAI資産を実現します。

動作方法

このプロジェクトは「Skill OS」アプローチを用いてエージェントスキルのライフサイクルを管理します：

1. 意図モデリング：人間の対話から、タスク、出力、制約を明確に定義します。
2. スキルIR（中間表現）：プラットフォームに依存しない意味的契約を作成し、スキルの意図と特定のプラットフォーム形式を分離します。
3. コンパイル：ターゲットコンパイラとアダプタがIRをOpenAI、Claude、VS Code、その他のエージェントフレームワークと互換性のある形式に変換します。
4. 評価とレビュー：「Eval Lab」と「Review Studio」が証拠（アサーション、実行時間、トークン使用量）とゲートレポートを生成し、リリース前に品質と信頼性基準を満たしているかを確認します。
5. SkillOpsループ：採用のずれやテレメトリを追跡し、スキルの次の反復における適応提案を提示します。

対象ユーザー

• 再度手動で実行するワークフローを標準化されたチーム資産に変換したいAIエンジニアおよびオペレーター。
• 厳格なガバナンス、リリースゲート、証拠に基づく品質保証を必要とするチーム。
• 一度開発したAIスキルを複数のLLMプロバイダーやプラットフォームに展開したい開発者。

主な特徴

• クロスプラットフォーム互換性：単一のスキルモデルをOpenAI、Claudeなど複数のターゲットアダプタにコンパイル可能。
• 証拠に基づくガバナンス：「世界最高水準の証拠レジャー」と「Review Studio」を用いて、早期の主張をブロックし、リリース準備の確実性を確保。
• 自動ベンチマーク：静かにGitHubベンチマークスキャンと参照合成を実行し、トップ公開パターンと一致するようにスキルを調整。
• 包括的なEval Lab：ブラインドA/Bレビュー用パック、アサーション評価、実行時権限プローブを提供。
• SkillOpsテレメトリ：メタデータのみの採用追跡を実装し、スキルのパッチ適用や更新が必要なタイミングを特定。