self-improving-agent

self-improving-agent skill の概要

self-improving-agent でできること

self-improving-agent は、Claude Code の短期的な auto-memory を、長く使えるプロジェクト知識へ育てるための Claude Code skill です。MEMORY.md を見直し、残す価値のあるパターンを見つけて、CLAUDE.md、.claude/rules/、または再利用可能な skill へ昇格する手助けをします。目的は、漠然と「エージェントを賢くする」ことではありません。役に立つデバッグの学び、プロジェクトの作法、ワークフロー上の好みが、ノイズの多いメモの中に埋もれたままになるのを防ぐことです。

この skill が向いているケース

self-improving-agent skill は、すでに Claude Code の auto-memory を使っており、プロジェクト固有の発見が蓄積されているチームや個人開発者に向いています。特に、MEMORY.md が単発の気づき、繰り返し出てくる修正、アーキテクチャ上の慣習、古くなったメモの混在した状態になっている場合に有効です。プロンプト、ルール、skill をバージョン管理されたプロジェクト資産として扱う Context Engineering の運用をしているなら、self-improving-agent for Context Engineering は実用的な整理・選別のループになります。

通常のプロンプトとの違い

通常のプロンプトでも Claude に「memory を要約して」と依頼することはできます。しかし、この skill はエージェントに対して、review、promote、extract、status、remember という、より具体的な運用モデルを与えます。価値があるのは、一時的な memory と、守るべきプロジェクトコンテキストの境界を判断できる点です。この境界は重要です。すべてのメモを昇格してしまうとルールが汚れますし、繰り返し得られた学びを昇格しないままだと、エージェントが同じ修正を何度も再発見することになります。

導入に必要な条件と制約

この skill は、auto-memory が使える Claude Code 環境と、MEMORY.md、CLAUDE.md、.claude/rules/ といったファイルが意味を持つリポジトリを前提にしています。ヘルパースクリプトや追加の参照ファイルは同梱されておらず、中心となるガイダンスは SKILL.md にあります。自律的なリファクタリングやコード生成を期待して導入するものではありません。これは memory を選別・整備するためのワークフローであり、プロジェクトルールに対する人間のレビューを置き換えるものではありません。

self-improving-agent skill の使い方

self-improving-agent のインストールと最初に確認するファイル

Claude skills のインストール手順に従い、リポジトリパスからインストールします。環境が一般的な skills CLI パターンに対応している場合は、次を使用します。

npx skills add alirezarezvani/claude-skills --skill self-improving-agent

その後、次の場所にある skill 本体を確認します。

engineering-team/self-improving-agent/skills/self-improving-agent/SKILL.md

ファイルツリーのプレビュー上では、同梱の scripts/、resources/、references/、rules/ ディレクトリはありません。そのため、導入判断の中心は、SKILL.md に書かれているワークフローが自分たちの Claude Code memory 運用に合うかどうかです。

主要コマンドと呼び出すタイミング

この skill は、コンパクトなコマンド体系を定義しています。

• /si:review — MEMORY.md を分析し、昇格候補、古くなったメモ、繰り返し出てくるテーマ、統合できる内容を見つけます。
• /si:promote — 実績のあるパターンを CLAUDE.md または .claude/rules/ に昇格します。
• /si:extract — 繰り返し使える解決策を、独立した skill に変換します。
• /si:status — memory の健全性、行数、トピックのカバー範囲、推奨される整理内容を確認します。
• /si:remember — 重要な知識を明示的に auto-memory に保存します。

永続的なコンテキストを編集する前に /si:review を使います。繰り返しの根拠を示せる場合にのみ /si:promote を使います。/si:extract は、単なるローカルな慣習ではなく、複数のタスクで再利用できる解決策に対して使うのが適しています。

self-improving-agent を効果的に使う入力

self-improving-agent をより効果的に使うには、単に「memory をレビューして」と頼むだけでは不十分です。昇格の目的、対象となるリポジトリ領域、許容するリスクを伝えます。

弱いプロンプト:

/si:review MEMORY.md

より良いプロンプト:

/si:review MEMORY.md and identify patterns that should become durable project instructions. Prioritize repeated debugging fixes, architecture conventions, and commands that prevent regressions. Mark anything one-off or uncertain as keep-in-memory, not promote.

昇格する場合:

/si:promote the repeated Vite test-environment fix from MEMORY.md into .claude/rules/testing.md. Keep it short, actionable, and scoped to frontend test setup. Include the evidence from memory before proposing the rule.

この形のほうがうまく機能するのは、根拠、スコープ、出力先、抑制の条件を明確に求めているためです。

リポジトリでの推奨ワークフロー

まず /si:status で memory のサイズと健全性を把握します。次に /si:review を実行し、長く使えるパターンとノイズを切り分けます。確度の高い項目だけを CLAUDE.md または .claude/rules/ に昇格し、その後もう一度 review を実行して、残った memory にまだ役割があるか確認します。同じワークフローやデバッグ手順が何度も現れ、現在のリポジトリを超えて将来のエージェントにも役立つ場合に /si:extract を使います。

Context Engineering チームでは、出力を pull request のように扱うのがよいでしょう。提案されたルールをレビューし、曖昧な表現を削り、実際のタスクで試し、将来のエージェントの振る舞いを改善すると確認できた場合にだけ commit します。

self-improving-agent skill FAQ

self-improving-agent は Claude Code 専用ですか？

はい。Claude Code の memory スタック、特に MEMORY.md、CLAUDE.md、.claude/rules/ を前提に設計されています。考え方自体は他の環境にも応用できますが、self-improving-agent skill がもっとも実用的に機能するのは、これらのファイルがすでにワークフローに組み込まれている場合です。

この skill を使わないほうがよいのはどんな場合ですか？

プロジェクトに蓄積された memory がほとんどない場合、永続的なプロジェクト指示を持ちたくない場合、またはチーム内で長期的な AI 向けガイダンスをどこに置くか合意できていない場合は、使わないほうがよいでしょう。根拠のない推測メモをルールへ昇格してしまうと、逆効果になることもあります。

初心者にも使いやすいですか？

Claude Code ユーザーであれば取り組みやすい skill ですが、memory、プロジェクト指示、再利用可能な skill の違いを理解していることが前提です。初心者は、/si:promote や /si:extract を試す前に、まず /si:status と /si:review から始めるのが安全です。

Context Engineering ではどう役立ちますか？

self-improving-agent for Context Engineering は、エージェントの経験とプロジェクトコンテキストの間にあるフィードバックループを維持するのに役立ちます。発見をチャット履歴や散在したメモのままにせず、検証済みの学びを、将来のエージェントが従える構造化された指示へ変換するための反復可能な手順を提供します。

self-improving-agent skill を改善する方法

根拠をそろえて self-improving-agent の結果を改善する

もっとも重要な改善ポイントは、根拠の質です。昇格を依頼する前に、MEMORY.md から例を集めます。繰り返し発生したエラー、成功した修正、推奨コマンド、採用しなかったアプローチ、アーキテクチャ上の制約などです。各項目を昇格すべき理由を引用するよう skill に依頼します。これにより、ルールの肥大化を抑え、単発の経験が恒久的な指示になってしまうのを防げます。

注意すべきよくある失敗パターン

主な失敗は、過剰な整理です。memory の断片をあまりにも多くルール化してしまうケースです。もうひとつは、「良いテストを書くことを忘れない」のような曖昧な昇格で、実務上の価値を追加しません。三つ目は、ワークフローの再利用性がまだ証明されていない段階で skill として抽出してしまうことです。発動条件、取るべき行動、対象ファイルの範囲、例を必ず具体化します。

より良いルールを作るプロンプトパターン

よいプロンプトは、出力先と編集基準をエージェントに与えます。

Review MEMORY.md for backend API conventions. Propose only rules that are repeated at least twice or prevent a known regression. For each rule, include destination file, concise wording, evidence, and why it should not remain only in memory.

抽出の場合:

Find recurring debugging workflows in MEMORY.md that could become a skill. Exclude project-only preferences. For each candidate, describe inputs required, output expected, and when the future agent should trigger it.

最初の出力後に反復する

最初の出力が出たら、削り込みのラウンドを依頼します。「提案された昇格のうち、広すぎるもの、古くなっているもの、根拠が弱いものはどれか？」と確認します。そのうえで、残ったルールを実際の Claude Code タスクで試します。追加説明なしでエージェントが正しく従えるなら、そのルールを残します。混乱を招く場合は、発動条件を狭める、例を追加する、または memory に戻します。このレビューのループによって、self-improving-agent は単なる cleanup コマンド以上のものになります。