コーディングエージェント(Claude Code、Aider、Codexなど)のカスタムタスクによる直接比較。合格率、コスト、時間、一貫性メトリクスを測定
codebase-onboarding
未知のコードベースを分析し、アーキテクチャマップ、主要エントリポイント、規約、スターター CLAUDE.md を含む構造化されたオンボーディングガイドを生成する。新しいプロジェクトに参加する際や、リポジトリで初めて Claude Code をセットアップする際に使用。
含まれるファイル(1)
- SKILL.md9.8 KB
SKILL.md(原文)
インストールする前に、エージェントに与えられる指示の中身を確認できます。
コードベースオンボーディング
未知のコードベースを体系的に分析し、構造化されたオンボーディングガイドを作成する。新しいプロジェクトに参加する開発者や、既存リポジトリで初めて Claude Code をセットアップする場合向け。
いつ使うか
- プロジェクトで初めて Claude Code を開く
- 新しいチームやリポジトリに参加する
- ユーザーが「このコードベースの理解を助けて」と依頼する
- ユーザーがプロジェクト用の CLAUDE.md の生成を依頼する
- ユーザーが「オンボードして」や「このリポジトリを案内して」と言う
仕組み
フェーズ 1:偵察
すべてのファイルを読まずに、プロジェクトに関する生のシグナルを収集する。以下のチェックを並列に実行:
1. Package manifest detection
→ package.json, go.mod, Cargo.toml, pyproject.toml, pom.xml, build.gradle,
Gemfile, composer.json, mix.exs, pubspec.yaml
2. Framework fingerprinting
→ next.config.*, nuxt.config.*, angular.json, vite.config.*,
django settings, flask app factory, fastapi main, rails config
3. Entry point identification
→ main.*, index.*, app.*, server.*, cmd/, src/main/
4. Directory structure snapshot
→ Top 2 levels of the directory tree, ignoring node_modules, vendor,
.git, dist, build, __pycache__, .next
5. Config and tooling detection
→ .eslintrc*, .prettierrc*, tsconfig.json, Makefile, Dockerfile,
docker-compose*, .github/workflows/, .env.example, CI configs
6. Test structure detection
→ tests/, test/, __tests__/, *_test.go, *.spec.ts, *.test.js,
pytest.ini, jest.config.*, vitest.config.*
フェーズ 2:アーキテクチャマッピング
偵察データから以下を特定:
技術スタック
- 言語とバージョン制約
- フレームワークと主要ライブラリ
- データベースと ORM
- ビルドツールとバンドラー
- CI/CD プラットフォーム
アーキテクチャパターン
- モノリス、モノレポ、マイクロサービス、サーバーレス
- フロントエンド/バックエンド分離またはフルスタック
- API スタイル:REST、GraphQL、gRPC、tRPC
主要ディレクトリ トップレベルのディレクトリをその目的にマッピング:
<!-- Example for a React project — replace with detected directories -->src/components/ → React UI components
src/api/ → API route handlers
src/lib/ → Shared utilities
src/db/ → Database models and migrations
tests/ → Test suites
scripts/ → Build and deployment scripts
データフロー 1 つのリクエストをエントリからレスポンスまでトレース:
- リクエストはどこから入るか?(ルーター、ハンドラ、コントローラ)
- どのようにバリデーションされるか?(ミドルウェア、スキーマ、ガード)
- ビジネスロジックはどこにあるか?(サービス、モデル、ユースケース)
- データベースにどう到達するか?(ORM、生クエリ、リポジトリ)
フェーズ 3:規約の検出
コードベースがすでに従っているパターンを特定:
命名規約
- ファイル命名:kebab-case、camelCase、PascalCase、snake_case
- コンポーネント/クラスの命名パターン
- テストファイル命名:
*.test.ts、*.spec.ts、*_test.go
コードパターン
- エラーハンドリングスタイル:try/catch、Result 型、エラーコード
- 依存性注入または直接インポート
- ステート管理アプローチ
- 非同期パターン:コールバック、Promise、async/await、チャネル
Git 規約
- 最近のブランチからブランチ命名規則
- 最近のコミットからコミットメッセージスタイル
- PR ワークフロー(squash、merge、rebase)
- リポジトリにコミットがない、または浅い履歴の場合(例:
git clone --depth 1)、このセクションをスキップし「Git 履歴が利用不可または規約検出には浅すぎる」と記載
フェーズ 4:オンボーディング成果物の生成
2 つの出力を生成:
出力 1:オンボーディングガイド
# Onboarding Guide: [Project Name]
## Overview
[2-3 sentences: what this project does and who it serves]
## Tech Stack
<!-- Example for a Next.js project — replace with detected stack -->
| Layer | Technology | Version |
|-------|-----------|---------|
| Language | TypeScript | 5.x |
| Framework | Next.js | 14.x |
| Database | PostgreSQL | 16 |
| ORM | Prisma | 5.x |
| Testing | Jest + Playwright | - |
## Architecture
[Diagram or description of how components connect]
## Key Entry Points
<!-- Example for a Next.js project — replace with detected paths -->
- **API routes**: `src/app/api/` — Next.js route handlers
- **UI pages**: `src/app/(dashboard)/` — authenticated pages
- **Database**: `prisma/schema.prisma` — data model source of truth
- **Config**: `next.config.ts` — build and runtime config
## Directory Map
[Top-level directory → purpose mapping]
## Request Lifecycle
[Trace one API request from entry to response]
## Conventions
- [File naming pattern]
- [Error handling approach]
- [Testing patterns]
- [Git workflow]
## Common Tasks
<!-- Example for a Node.js project — replace with detected commands -->
- **Run dev server**: `npm run dev`
- **Run tests**: `npm test`
- **Run linter**: `npm run lint`
- **Database migrations**: `npx prisma migrate dev`
- **Build for production**: `npm run build`
## Where to Look
<!-- Example for a Next.js project — replace with detected paths -->
| I want to... | Look at... |
|--------------|-----------|
| Add an API endpoint | `src/app/api/` |
| Add a UI page | `src/app/(dashboard)/` |
| Add a database table | `prisma/schema.prisma` |
| Add a test | `tests/` matching the source path |
| Change build config | `next.config.ts` |
出力 2:スターター CLAUDE.md
検出された規約に基づいてプロジェクト固有の CLAUDE.md を生成または更新する。CLAUDE.md がすでに存在する場合は、まず読み込んで拡張する — 既存のプロジェクト固有の指示を保持し、追加・変更された内容を明確に示す。
# Project Instructions
## Tech Stack
[Detected stack summary]
## Code Style
- [Detected naming conventions]
- [Detected patterns to follow]
## Testing
- Run tests: `[detected test command]`
- Test pattern: [detected test file convention]
- Coverage: [if configured, the coverage command]
## Build & Run
- Dev: `[detected dev command]`
- Build: `[detected build command]`
- Lint: `[detected lint command]`
## Project Structure
[Key directory → purpose map]
## Conventions
- [Commit style if detectable]
- [PR workflow if detectable]
- [Error handling patterns]
ベストプラクティス
- すべてを読まない — 偵察には Glob と Grep を使用し、すべてのファイルに Read を使わない。曖昧なシグナルの場合にのみ選択的に読む。
- 推測ではなく検証する — 設定からフレームワークが検出されても、実際のコードが異なるものを使っている場合、コードを信頼する。
- 既存の CLAUDE.md を尊重する — すでに存在する場合は、置き換えるのではなく拡張する。新規と既存の内容を明確にする。
- 簡潔に保つ — オンボーディングガイドは 2 分でスキャンできるべき。詳細はガイドではなくコードに属する。
- 不明点を示す — 規約を確信を持って検出できない場合、推測するのではなく明記する。「テストランナーを特定できませんでした」は間違った回答よりもよい。
避けるべきアンチパターン
- 100 行を超える CLAUDE.md の生成 — 焦点を絞る
- すべての依存関係の列挙 — コードの書き方に影響するものだけをハイライトする
- 明らかなディレクトリ名の説明 —
src/に説明は不要 - README のコピー — オンボーディングガイドは README にない構造的な洞察を追加する
例
例 1:新しいリポジトリで初めて
ユーザー: 「このコードベースにオンボードして」
アクション: 4 フェーズのワークフロー全体を実行 → オンボーディングガイド + スターター CLAUDE.md を生成
出力: オンボーディングガイドを会話に直接出力し、プロジェクトルートに CLAUDE.md を書き込む
例 2:既存プロジェクト用の CLAUDE.md を生成
ユーザー: 「このプロジェクトの CLAUDE.md を生成して」
アクション: フェーズ 1-3 を実行、オンボーディングガイドはスキップ、CLAUDE.md のみ生成
出力: 検出された規約を含むプロジェクト固有の CLAUDE.md
例 3:既存の CLAUDE.md を拡張
ユーザー: 「現在のプロジェクト規約で CLAUDE.md を更新して」
アクション: 既存の CLAUDE.md を読み込み、フェーズ 1-3 を実行、新しい発見をマージ
出力: 追加内容が明確にマークされた更新済み CLAUDE.md
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
AIエージェントのアクションスペース、ツール定義、オブザベーションフォーマットを設計・最適化し、タスク完了率を向上させる
評価ファーストの実行、分解、コスト考慮型モデルルーティングによるエージェンティックエンジニアとしての運用
AIエージェントが実装出力の大部分を生成するチームのためのエンジニアリング運用モデル
AI支援開発のためのリグレッションテスト戦略。データベース依存なしのサンドボックスモードAPIテスト、自動バグチェックワークフロー、同一モデルがコードの作成とレビューを行う際のAIの盲点を検出するパターン。
AndroidおよびKotlin Multiplatformプロジェクトのためのクリーンアーキテクチャパターン — モジュール構成、依存関係ルール、UseCase、Repository、データレイヤーパターン