task-list.jsonのタスクを実行。workflowフィールド（tdd/e2e/task）に応じたワークフローで実装。 Trigger: dev:developing, /dev:developing, 実装, 開発, implementing, develop
インストール方法を見る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。
ワークフロー別の実行方法:
scripts/build-prompt.sh でプロンプトを自動構築する。agent本文 + 追加コンテキスト + LEARNINGS_FOOTER が一括で組み立てられる。
prompt = Bash("bash scripts/build-prompt.sh {agent} $LEARNINGS_PATH \"タスク: {name}\n{description}\"")
Task({ prompt, subagent_type: "general-purpose", model: {指定モデル} })
エージェントが❌（FAILED）を返した場合:
エスカレーション報告形式: 「{タスク名}の{ステップ名}が3回失敗しました。{エラー要約}。どう対応しますか？」
| Step | agent | model | type | 備考 |
|---|---|---|---|---|
| 1 CYCLE | tdd-cycle.md | opus | general-purpose | RED→テストcommit→GREEN→REFACTOR(+OpenCode) |
| 2 REVIEW | tdd-review.md | sonnet | general-purpose | 過剰適合・抜け道(+OpenCode) + テスト資産管理。問題→Step 1へ |
| 3 CHECK | quality-check.md | haiku | general-purpose | lint/format/build |
| 4 SPOT | spot-review.md | sonnet | general-purpose | commit後の即時レビュー(+OpenCode) |
| 4b FIX | spot-fix.md | opus | general-purpose | SPOT FAIL時のみ: 修正→CHECK→再SPOT（最大3回） |
CHECK/SPOT/FIX以外はサブエージェント呼び出しなし。メインが直接実行。
| Step | agent | model | type | 備考 |
|---|---|---|---|---|
| 1 IMPL | - | - | - | メインが直接UI実装 |
| 2 AUTO | - | - | - | メインが agent-browser CLI で直接検証 |
| 2b FIX | - | - | - | AUTO NG時: メインが直接修正（最大3回） |
| 3 CHECK | quality-check.md | haiku | general-purpose | lint/format/build |
| 4 SPOT | spot-review.md | sonnet | general-purpose | commit後の即時レビュー(+OpenCode) |
| 4b FIX | spot-fix.md | opus | general-purpose | SPOT FAIL時のみ: 修正→CHECK→再SPOT（最大3回） |
IMPL→AUTO→FIX ループ実行手順:
# Step 1 IMPL（メイン直接実行）
# メインが直接 Read/Write/Edit でUI実装する
# Step 2 AUTO + FIX ループ（メイン直接実行）
fix_count = 0
loop:
# agent-browser CLI で直接検証
Bash("agent-browser open <対象URL>")
Bash("agent-browser snapshot -i") # 対話要素確認
Bash("agent-browser screenshot <path>") # スクリーンショット取得
# 操作・検証を実行し、結果を評価
Bash("agent-browser close")
if 検証OK → break
fix_count += 1
if fix_count >= 3 → エスカレーション → break
# Step 2b FIX（メイン直接実行）
# 検証で見つかった問題をメインが直接修正
goto loop
# Step 3 CHECK, 4 SPOT/FIX は共通フロー（Task委譲、テーブル通り）
SPOT/FIX以外はサブエージェント呼び出しなし。エージェントが直接実行。
| Step | agent | model | type | 備考 |
|---|---|---|---|---|
| 1 EXEC | - | - | - | エージェントが直接実行（設定ファイル作成、コマンド実行など） |
| 2 VERIFY | - | - | - | 検証（ファイル存在確認、ビルド確認など） |
| 3 SPOT | spot-review.md | sonnet | general-purpose | commit後の即時レビュー(+OpenCode) |
| 3b FIX | spot-fix.md | opus | general-purpose | SPOT FAIL時のみ: 修正→再SPOT（最大3回） |
task-list.json と story-analysis.json を読み込むGlob("docs/FEATURES/**/task-list.json") で検索metadata.status が "completed" のものを除外（未定義は "pending" 扱い）$STORY_DIR として確定。$STORY_DIR/task-list.json を $TASK_LIST とするゲート: $TASK_LIST が確定していなければ次に進まない。
$TASK_LIST を読み込み、全タスクを TaskCreate で登録$STORY_DIR/story-analysis.json を Read し、$STORY_ANALYSIS として保持する
goal: ストーリーの達成目標scope.included / scope.excluded: スコープ境界（実装時のスコープクリープ防止に使用）LEARNINGS.md を作成:
bash scripts/init-learnings.sh <ストーリーディレクトリ>
$LEARNINGS_PATH を作成した LEARNINGS.md の絶対パスに設定ゲート: タスクが登録され、LEARNINGS.md が作成されていなければ次に進まない。
planPath 参照: task-list.json の context.planPath が存在する場合:
$PLAN_CONTEXT として保持する$PLAN_CONTEXT を含める。その際、用途を明示するヘッダーを付けること:
prompt = Bash("bash scripts/build-prompt.sh {agent} $LEARNINGS_PATH \"タスク: {name}\n{description}\" \"## 全体計画（設計判断・スコープ確認に参照）\n$PLAN_CONTEXT\"")
story-analysis.json 参照: $STORY_ANALYSIS が存在する場合:
scope.excluded をスコープクリープ防止のガードレールとして使用。タスク実装中に scope 外の変更を行おうとしていないか確認するgoal をタスクの実装判断（方針に迷った際の判断基準）に使用するscope 情報を追加コンテキストに含めてよいbash ".claude/skills/dev/agent-browser/setup-agent-browser.sh"
SUCCESS:<prefix> → agent-browser CLI 使用可能FAIL:<reason> → AskUserQuestion で <reason> を報告して中断workflow フィールドに応じて上記「ワークフロー別ステップ・委譲先」を適用ゲート: 全タスクが完了しなければ次に進まない。
全タスク完了後、$TASK_LIST の metadata.status を "completed" に更新して Write で保存する。
これにより次回の計画選択時に候補から除外される。
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。
概要と使いどころ
Rebuild a degraded AI image to remove crunchy textures and repeated-edit artifacts while preserving identity, style, and composition. Use for clean remakes, not ordinary retouching or upscaling.
日本語の概要は準備中です。原文の説明を表示しています。
セミナー・講義・ウェビナー・研修・実演動画をローカルで文字起こしし、内容を分析して、必要なスライド画像や動画クリップ付きのHTML／Markdown資料を作る。動画から学習資料・実践ガイドを作りたい場合に使う。映像作品の再現設計やCanvas生成は対象外。
責務・依存方向・状態や副作用の境界を監査し、既存挙動を保って段階的にリファクタリングする。read-only監査にも対応する。
AGENTS.mdや既存スキルをGPT-6 Astra向けに監査・整理するときに使う。契約と意図的な他モデル委譲を保ち、重複、過剰な手順、曖昧な停止条件を修正する。
人物の参照写真から、同一性を保った複数アングルのキャラクターシートを生成・修正する。指定された身だしなみや撮影表現も整える。
既存キャラクター画像を、承認制でピクセルアートの正準画像へ変換し、3状態パイロット、クロマ前処理、状態間ジオメトリ検証、9状態生成、遷移QA、仮配置、アプリ内確認、ロールバック可能な正式配置まで行う。キャラクターからCodexペットを作る依頼に加え、ジャンプで小さくなる、状態ごとに身長が変わる、足元が跳ねる、クロマ縁が出る、アニメーションを修復したい依頼で使用する。