ship-learn-next

ship-learn-next スキルの概要

ship-learn-next は、すでに手元に学習素材があり、それをできるだけ早く行動に落とし込みたい人向けのプランニングスキルです。チュートリアル、文字起こし、記事、講座ノートを要約するのではなく、その素材を具体的な反復実践を伴う Ship → Learn → Next サイクルへ変換するようエージェントを導きます。

ship-learn-next が得意なこと

ship-learn-next スキルの本来の役割は、「内容を説明すること」ではありません。答えるべき問いは、「この素材をもとに、実際に何を作り、試し、振り返り、次に何をするべきか」です。つまり、受け身の学習支援よりも、実装や実践の計画づくりに向いています。

このスキルが向いている人

このスキルが特に役立つのは、次のような人です。

• 文字起こし、記事、チュートリアルを実際の作業に応用したいビルダー
• アドバイスを読んだり聞いたりした後で止まってしまい、最初の実践を必要としている人
• 学習計画よりも、実践ループを重視するコーチ、オペレーター、独学者
• Playbooks 内で、内容の要約ではなく構造化された行動計画を必要とするエージェント

汎用プロンプトとのいちばん大きな違い

汎用プロンプトだと、きれいな要約と曖昧な次の一歩で終わりがちです。ship-learn-next は明確な方向性を持っており、「出せる成果物」「率直な振り返り」「次の反復」に重心を置きます。読み足すことよりも、勢い・フィードバック・実践経験を得たいなら、この偏りは大きな意味を持ちます。

インストール前に確認しておきたいこと

このスキルは軽量で理解しやすい一方、元になる学習素材の質と、ユーザーが渡すブリーフに大きく依存します。あなたの制約、熟練度、作業環境を自動で把握してくれるわけではありません。「これを実行可能にして」とだけ渡せば、出力は汎用的になりやすいです。逆に、素材そのものに加えて、目標成果、使える時間、前提条件まで渡せば、かなり実用的な出力になります。

Playbooks ワークフローの中で ship-learn-next がはまる位置

Playbooks での ship-learn-next は、コンテンツを取り込んだ後、実行に移る前の段階に最もよくはまります。実践的な流れとしては次のとおりです。

1. 文字起こし、ノート、記事本文を集める
2. ship-learn-next を実行して最初のアクションサイクルを作る
3. 1回分の実践をこなす
4. その結果を次の計画に戻す

つまり、「何かを学んだ」から「何かを出した」へ移るための橋渡しとして使いやすいスキルです。

ship-learn-next スキルの使い方

ship-learn-next のインストール前提

リポジトリは softaworks/agent-toolkit にあり、対象パスは skills/ship-learn-next です。スキルランナーが GitHub からの直接インストールに対応しているなら、よくあるパターンは次のとおりです。

npx skills add softaworks/agent-toolkit --skill ship-learn-next

環境によって別のインストーラーを使う場合は、上記の repo path を指定し、スキル slug が正確に ship-learn-next になっているか確認してください。

最初に読むべきファイル

リポジトリの読み込みは短時間で十分です。

• 実際のワークフローは skills/ship-learn-next/SKILL.md
• 上位レベルの意図は skills/ship-learn-next/README.md

このスキルには、目立った helper scripts や reference folders はありません。価値の大半は、フレームワークを理解し、より良い入力を与えることにあります。

ship-learn-next に必要な入力

最低限、ship-learn-next スキルには次の情報が必要です。

• 学習コンテンツそのもの: 文字起こし、記事、チュートリアルノート、講座ノート
• それを適用したい領域やプロジェクト
• 現在のレベル: beginner、intermediate、advanced
• 実務上の制約: 使える時間、ツール、締切、プラットフォーム、想定読者や対象

実際のコンテンツがないと、このスキルは普通の計画用プロンプトになってしまいます。強みは、現実の素材から学びを抽出できる点にあります。

相性のいい学習素材の形式

入力として強いもの:

• 整った記事本文
• 話者の文脈がわかる文字起こし
• 見出し付きで整理されたノート
• コードスニペットや例を含むチュートリアル手順

弱い入力:

• 「なんとなく覚えていること」を曖昧にまとめただけの内容
• 引用なしでリンクだけを投げる依頼
• トピックが見えないほど断片化したノート
• 具体的なやり方が乏しいモチベーション系コンテンツ

ざっくりした目標を強いプロンプトに変える

弱いプロンプト:

I watched this video. Make it actionable.

より強いプロンプト:

Use ship-learn-next on this transcript. My goal is to practice Next.js routing by shipping one small feature today. I have 90 minutes, I’m an intermediate React developer, and I want a plan with one first rep, one reflection checklist, and one follow-up iteration. Optimize for shipping, not theory.

これが機能する理由:

• スキル対象の領域が明確になる
• 時間の上限が決まる
• 欲しい出力の形がはっきりする
• フレームワークの「まず出す」方向性を補強できる

実務で使いやすい ship-learn-next の進め方

ship-learn-next を使うなら、次の流れが実践的です。

1. コンテンツを貼る、または参照させる
2. そこから得たい成果を明示する
3. 大きなロードマップではなく、最初の小さな出せる実践を1つ求める
4. その実践をやる
5. 実際にどうなったかを持ち帰る
6. 現実の結果をもとに、次のサイクルを依頼する

この使い方だと、フレームワークの意図がぶれません。ship-learn-next は、一発で完結するマスタープラン生成より、反復前提で使うほうが強みを発揮します。

この構成で出力させると精度が上がる

より良い結果がほしいなら、たとえば次のような構造化レスポンスを要求すると効果的です。

• コンテンツから抽出した中核の学び
• 今すぐ出すべき小さな成果物
• 成功条件
• 起こりやすい詰まりどころ
• 完了後の振り返り質問
• 次の反復候補

この構成は Ship → Learn → Next のロジックと噛み合っており、曖昧な助言を減らせます。

ship-learn-next は要約用途とはどう違うか

次のものだけが欲しいなら、ship-learn-next は使わないほうがいいです。

• 箇条書きの要約
• 重要な引用
• 概念の説明
• コンテンツ批評

使うべきなのは、実装・実践の計画が欲しいときです。要約だけを頼むなら、このスキルの差別化ポイントをほぼ使えていません。

Playbooks 向けの実用プロンプト例

オペレーター向け:

Run ship-learn-next on these founder notes and turn them into a 3-day execution loop for validating one customer pain point.

開発者向け:

Use ship-learn-next on this tutorial transcript and convert it into one coding rep I can finish tonight, plus the next two iterations if the first one works.

クリエイター向け:

Apply ship-learn-next to this writing advice article and produce a 7-day publish-review-improve cycle with one artifact per day.

よくある使い方の失敗

ship-learn-next の出力が汎用的に見えてしまう主な原因は次のとおりです。

• source text を含めていない
• 時間やスコープの上限がない
• 最初の1回ではなく、フルカリキュラムを求めている
• 何をもって「shipped」とするか指定していない
• 次のサイクルに向けて実世界の結果を返していない

出力品質の見極め方

良い ship-learn-next の出力には、次の要素があるはずです。

• 実際に作る、試す、公開する対象が具体的である
• 完了できるだけの小さなスコープに収まっている
• 実行に紐づいた振り返りの問いがある
• フィードバックや摩擦を踏まえた、もっともらしい次の一手がある

もし出力が学習ノートのように見えるなら、ブリーフを絞り込み、もっと小さく観測可能な成果物を求めてください。

ship-learn-next スキル FAQ

ship-learn-next は初心者にも向いていますか？

はい。自分のレベルをきちんと伝え、かなり小さな実践単位を求めるなら有効です。初心者が失敗しやすいのは、規模の大きすぎるフルプロジェクト計画を最初から求めることです。ship-learn-next スキルには、最初のアクションを「完了できる単一の成果物」まで小さくしてもらうのがコツです。

普通の AI プロンプトより良いですか？

多くの場合、実装への腰の重さが問題なら yes です。このスキルはモデルに対して、より明確な行動フレームを与えます。つまり、学びを抽出し、実物を出し、振り返り、次の一歩を計画するという流れです。そのため、単なる「次に何をすべき？」という汎用プロンプトより、使える行動計画が出やすくなります。

ship-learn-next を使わないほうがいいのはどんなときですか？

次の用途なら見送るべきです。

• 深い分野解説
• 事実確認や情報源の検証
• 実行時エラーからのコードデバッグ
• 純粋な要約
• 長文の講座シラバス作成

このスキルはアクション志向であり、万能な学習アシスタントではありません。

ship-learn-next に特定のツールチェーンは必要ですか？

いいえ。リポジトリ上で複雑な toolchain は公開されていません。このスキル自体は主に、ユーザーが提供したコンテンツを読み、それをもとに計画を書く形です。そのため導入は簡単ですが、同時に、品質は自動化よりも入力の良し悪しに左右されます。

ship-learn-next は非技術分野でも使えますか？

はい。フレームワーク自体は、ライティング、コンテンツ制作、オペレーション、営業練習、プロダクト思考など、さまざまなスキル形成領域に対応できます。重要なのは、元の学習素材に、実際の反復実践へ変えられる助言が含まれていることです。

ship-learn-next は Playbooks 専用ですか？

いいえ。ただし、ship-learn-next for Playbooks は非常に相性が良いです。Playbooks では、再現可能な実行ループが求められることが多いためです。すでにワークフローの中で入力・行動・結果を追跡しているなら、このスキルは学習素材と実作業の間に入る計画レイヤーとして機能します。

ship-learn-next スキルを改善する方法

ship-learn-next にはより厳密な制約を与える

ship-learn-next の出力を改善するうえで、最も効果が高いのは最初の1回をしっかり制約することです。

• time box: 30 minutes, 2 hours, 1 day
• artifact: landing page, CLI script, thread draft, customer email
• environment: local only, no paid tools, mobile-first, beginner Python

境界が具体的だと、計画は抽象論ではなく行動へ寄りやすくなります。

コンテンツだけでなく、実行文脈も渡す

より良い入力には、次の情報が含まれます。

• すでに知っていること
• これまでに試したこと
• その助言をどこで使うのか
• 何をもって完了とするか
• どうなったら失敗とみなすか

これにより、ship-learn-next は汎用的な初回サイクルではなく、現実に即した最初の1周を作りやすくなります。

最初の実践はもっと小さく求める

よくある失敗は、スコープの広げすぎです。出力が大きすぎる、野心的すぎると感じたら、はっきりこう頼んでください。

Rewrite this ship-learn-next plan so the first rep can be completed in one sitting and produce a visible result.

これだけで、実用性がすぐ上がることがよくあります。

振り返り条件を必ず出力に入れる

Learn フェーズは、単なるタスクリストで済ませると弱くなります。次のような要素を含めるよう依頼してください。

• 作業中に何を観察するか
• 出した後に何を測るか
• どんなシグナルがあれば次の反復に進むべきか

そうすることで、このサイクルは気分ベースではなく、根拠のあるものになります。

意見ではなく、実際の結果で反復する

最初の実行後は、次のような具体情報を持ち帰ってください。

• 何を出したか
• どこで詰まったか
• 想定より楽だった点
• 失敗した点
• 得られたフィードバックや指標

そのうえで、ship-learn-next にその結果から次のサイクルを作らせてください。ここで初めて、このフレームワークは一度きりの計画より価値を持ち始めます。

汎用的な出力は、明示的な書き直し指示で直す

最初の回答が広すぎる場合は、次のような書き直し依頼が有効です。

• “Make the plan more concrete.”
• “Reduce this to one rep.”
• “Tie each step back to a lesson from the source.”
• “Add failure conditions and reflection prompts.”
• “Optimize for speed to first ship.”

これらの指示は、このスキルの中核的な意図と噛み合っています。

ship-learn-next はリポジトリを読む習慣とセットで使う

リポジトリはコンパクトなので、本格的に使う前に SKILL.md を一度読んでおく価値があります。実践ループを重視する設計の偏りが理解でき、プロンプトの切り方も上手くなります。特に、ship-learn-next の利用をより大きな運用ワークフローに組み込みたい場合に有効です。

主要な限界は理解しておく

ship-learn-next は、学習素材を行動計画へ変換する点では強力ですが、分野判断そのものを置き換えるものではありません。元のコンテンツが弱い、古い、あるいは自分の文脈に合っていない場合、計画の構造が整っていても戦略的にはズレることがあります。素材の質が上がれば、出力の質もそれに応じて上がります。