TL;DR
- プロンプトの属人化からの脱却：個人的なプロンプトテクニックではなく、チーム全体で共有可能な「スキルファイル」として資産化することが重要です。
- 思考プロセスのパッケージ化：人間の暗黙的な思考手順を明示的なステップとしてAIに移植する「CoT Packaging」技術を導入します。
- 自律的エージェントの構築：定義されたスキルとツールを結合し、AIエージェントが自ら考えてタスクを解決する自律ループを回します。
はじめに：このシリーズについて
「良いプロンプトの書き方」を学ぶ時代は終わりました。 これからは、**「プロンプトを再利用可能な資産（スキル）として管理する」**時代です。
毎回AIチャットボットに心を込めてお願いする「対話型のプロンプトエンジニアリング」は、時間がかかり再現性も低いという大きな欠点がありました。Linuxコマンドを実行し、汎用的なシェルスクリプトを構築するように、あらかじめ定義された「スキル」をエージェントに装備させるアプローチこそが今後の主流となります。これにより、個人の暗黙知がチームの形式知へと変わり、全体の開発生産性が飛躍的に向上します。
本シリーズでは、プロンプトをエンジニアリングする方法そのものを根本的に再定義します。全3章を通じて、スキル定義の基礎から自律的エージェントの構築までを包括的に解説します。
Chapter 1: スキルを定義せよ
同じことを二度と言わないための「スキル定義ファイル」：プロンプトを再利用可能な資産にする
使い捨ての会話ログに価値はありません。価値があるのは、エンジニアの知識と意図が練り込まれた「指示書（Specification）」です。
Gitでバージョン管理され、いつでもCI/CDパイプラインや他のエージェントから呼び出せるMarkdown形式の「スキルファイル（SKILL.md）」の作り方を解説します。ここでは、スキルの入出力の定義方法や、コンテキストの渡し方、さらにはメタデータ管理の手法について具体的なコード例を交えて詳述します。
スキル定義のメリット
スキル定義ファイルを導入することで、過去の試行錯誤がすべて資産として蓄積されます。また、他のチームメンバーが作成したスキルをモジュールとして利用することも可能になり、コードの再利用と同様の恩恵を受けられます。
name: code-review-skill
description: Performs code review based on team standards.
tools: [github-api, linter]
Chapter 2: 思考をパッケージせよ
「いい感じにお願い」からの脱却：思考プロセスをアルゴリズムとしてパッケージ化する技術
「もっとクリエイティブな案を出して」「不具合の原因を推測して」と言っても、AIの出力は安定しません。彼らに必要なのは抽象的な命令ではなく、具体的な「思考のステップ（Chain of Thought: CoT）」です。
優秀なシニアエンジニアの脳内プロセスをアルゴリズム化し、AIに移植する技術（CoT Packaging）を紹介します。どのタイミングでログを確認し、どのように仮説を立て、どう検証するか。この一連のプロセスをAIが理解できる形にパッケージ化する実践的な手法を学びます。
Chapter 3: 自律ループを回せ
道具を持たせれば自律する：SkillとToolを結合して「勝手に仕事を見つける」エージェントを作る
スキルは静的なマニュアルではありません。ファイルシステムへのアクセス、GitHub APIの呼び出し、Web検索といった「道具（Tools）」とシームレスに組み合わせることで、初めてエージェントは自律的に動き出します。
本章では、「人間からの指示待ち」の状態から脱却し、自らタスク（例えば未解決のIssueや失敗したCIのログなど）を発見して解決する自律エージェントの構築方法を解説します。エッジケースのハンドリングや、無限ループを防ぐためのセーフティ機能についても網羅しています。
FAQ
Q. Chapter 1について教えてください。 A. 本記事ではChapter 1について詳しく解説しています。記事本文をご参照ください。
Q. Chapter 2について教えてください。 A. 本記事ではChapter 2について詳しく解説しています。記事本文をご参照ください。
Q. Chapter 3について教えてください。 A. 本記事ではChapter 3について詳しく解説しています。記事本文をご参照ください。
まとめ：新しい時代のソースコード
プロンプトは言葉遊びではありません。それはソフトウェアの世界を動かす新しい時代の「ソースコード」です。Claude Codeでスキルを実装に落とし込む具体例は Claude Code subagents の実運用パターン も参考になります。
エージェントが扱う情報を「集める / 読む / 統合する / 出す」の4レイヤーに分けて運用する考え方は、AIを研究コラボレーターにする実践 でも扱っています。スキル定義とリサーチ運用の両方を持つことで、エージェントの行動パターンが安定します。
スキルを資産化したあと、Subagent（独立コンテキストで動くサブエージェント）と組み合わせる判断軸については Skill対Subagent使い分け基準 を参照してください。コンテキスト独立性・再利用主体・ツール権限の 5 軸で「どちらを使うか」を整理しています。
参考・一次資料
スキル定義ファイルの構造と配布は、Anthropic 公式ドキュメントの仕様に従うと組織横断で再現できます。
- Anthropic: Agent Skills — スキルの構造・読み込みモデルの正本
- Claude Code: Skills —
SKILL.mdの運用・配布の公式ガイド
