Agent skill

research-pilot

プロジェクト プロジェクトの Product Discovery スキル。 feature-pilot 進入前に「この機能を作るべきか?」と「どのように作るべきか?」を 業界標準フレームワーク(OST + Double Diamond + Shape Up)で検証する。 フルスクラッチ開発、リサーチ、妥当性検証、技術調査等のリクエストでトリガーされる。 <example> user: "ディクテーション機能をゼロベースでリサーチしたい" assistant: "research-pilotを使用してProduct Discoveryを開始します" </example> <example> user: "AIチューターに文法校正機能を追加したいが妥当性から確認して" assistant: "research-pilotを使用して技術的妥当性と市場需要を検証します" </example>

Stars 163
Forks 31

Install this agent skill to your Project

npx add-skill https://github.com/majiayu000/claude-skill-registry/tree/main/skills/other/other/research-pilot

SKILL.md

Research Pilot v1.0 (Product Discovery オーケストレーター)

核心コンセプト: "Build the Right Thing, Then Build the Thing Right" (正しいものを作るか先に確認し、その次に正しく作る)

feature-pilotが **「正しく作ること」**に集中するなら、 research-pilotは **「正しいものを作ること」**に集中する。


理論的基盤:ハイブリッドフレームワーク

採用した業界標準

フレームワーク 採用要素 適用方式 出典
OST (Teresa Torres) Outcome→Opportunity→Solution→Assumption Test 全体構造の骨格 producttalk.org
Double Diamond (Design Council) Diverge→Converge×2 Diamond 1(問題), Diamond 2(ソリューション) productboard.com
Shape Up (Basecamp) Appetite(時間予算) Tier別リサーチ深度の自動調節 basecamp.com/shapeup
Triple Track Strategy+Discovery+Delivery 並列 戦略トラックをビジネスKPIと連結 caroli.org

採用しなかったものとその理由

フレームワーク 却下理由
Design Sprint (5日間) 複雑な機能には時間不足、チームワークショップ前提
Lean Startup (MVP) リリース前アプリのため市場フィードバック収集不可
純粋Design Thinking Empathize段階に実際のユーザーアクセスが必要

AI主導開発への適応(独自のイノベーション)

Teresa Torresは「AI要約は原文の20-40%の詳細を見落とす可能性がある」と警告している。 これを補完するために:

元の方法 AI適応 補完手段
ユーザーインタビュー 競合アプリレビュー分析 (app-review-analyzer) レビュー原文引用必須
チームブレインストーミング multi-llm-debate (多視点ディスカッション) 最低3つの代替案強制
プロトタイプテスト PoC spike + 技術ベンチマーク 定量的結果必須
手動OST作成 CONTEXT.json research セクション 構造化JSONで追跡

🚨 EXECUTION PROTOCOL (MANDATORY)

CRITICAL: このセクションはスキップできません。

Pre-flight Checklist (スキル開始前必須出力)

markdown
## ✈️ Pre-flight Checklist (research-pilot)

|   ID   | 項目                            | 状態 |
| :----: | ------------------------------- | :--: |
| RP-001 | リサーチ対象 (機能/テーマ) 確定 |  ⬜  |
| RP-002 | Tier 判定 (S/M/L/XL) 完了       |  ⬜  |
| RP-003 | Appetite (時間予算) 設定        |  ⬜  |
| RP-004 | ビジネス Outcome 明示           |  ⬜  |
| RP-005 | 既存リサーチキャッシュ確認      |  ⬜  |
| RP-006 | CLAUDE.md ルール確認            |  ⬜  |

**リサーチ対象**: [機能名またはテーマ]
**Tier**: [S | M | L | XL]
**Appetite**: [30分 | 2時間 | 4時間 | 8時間+]
**ビジネス Outcome**: [達成しようとする指標]

---

Pre-flight 完了: ✅ 全て通過 / ❌ ブロック項目あり

Post-flight Checklist (スキル終了前必須出力)

markdown
## 🛬 Post-flight Checklist (research-pilot)

|   ID    | 項目                                           | 状態 |
| :-----: | ---------------------------------------------- | :--: |
| RPO-001 | 全Phase完了または明示的中断                    |  ⬜  |
| RPO-002 | Gate 1 判定完了 (GO/NO-GO/DEFER)               |  ⬜  |
| RPO-003 | Gate 2 判定完了 (GO/NO-GO/DEFER) — Tier M 以上 |  ⬜  |
| RPO-004 | RESEARCH.md 生成完了                           |  ⬜  |
| RPO-005 | 最終決定 (BUILD/BUY/SKIP/DEFER) 記録           |  ⬜  |
| RPO-006 | feature-pilot ハンドオフ準備 (BUILD 時)        |  ⬜  |

**最終決定**: [BUILD | BUY | SKIP | DEFER]
**Gate 1**: [GO | NO-GO | DEFER] — 根拠要約
**Gate 2**: [GO | NO-GO | DEFER | N/A] — 根拠要約
**Evidence 収集**: [Deep Research N件, 競合 N社, OSS N件, PoC N件]

---

Post-flight 完了: ✅ 全て通過 / ❌ 未完了項目あり

Model Routing Policy

作業 モデル コスト
Tier 判定, キャッシュ確認 Haiku $
機会探索 (並列読み込み) Haiku $
Deep Research 分析 Sonnet $$
競合/OSS 分析 Sonnet $$
Multi-LLM 評価 Sonnet $$
最終決定合成 Opus $$$

Appetite 基盤 Tier システム

Shape Upの "fixed time, variable scope" 原則適用

Tier 自動判定基準

Tier XL (8時間+) — 以下のいずれか1つ以上:
  □ 新規外部API連携 (STT, TTS, 決済等)
  □ AI/ML 基盤機能 (Gemini, On-device ML)
  □ リアルタイム処理 (WebSocket, Streaming)
  □ 市場に類似製品が少なくベンチマーク困難

Tier L (4時間) — 以下のいずれか1つ以上:
  □ DBスキーマ変更が必要
  □ 複数画面にまたがる機能
  □ Edge Function 新規開発
  □ オフライン同期が必要

Tier M (2時間) — 以下のいずれか1つ以上:
  □ 既存API活用の新規機能
  □ 単一画面 + DB変更
  □ 競合に類似機能が存在

Tier S (30分) — 上記に該当なし:
  □ 単純UI改善
  □ 既存機能拡張
  □ テキスト/翻訳関連

Tier別 Phase 範囲

Phase S M L XL 説明
Phase 1: Opportunity Discovery 機会探索 (Diverge)
Phase 2: Problem Definition 問題定義 (Converge) + Gate 1
Phase 3: Solution Exploration ソリューション探索 (Diverge)
Phase 4: Assumption Testing 仮説検証 (Converge) + Gate 2
Phase 5: Decision & Handoff 最終決定 + ハンドオフ

Tier S: Phase 2 (迅速な検証) → Phase 5 (決定) Tier M: Phase 1-2 (Diamond 1) → Phase 5 (決定) Tier L/XL: Phase 1-5 (全体 Double Diamond)


Phase 詳細プロトコル

Phase 1: Opportunity Discovery (機会探索) — Diamond 1 Diverge

OST マッピング: Outcome → Opportunity 発見 目的: 「この領域にどんな機会があるか?」を広く探索

活動一覧

markdown
## 🔍 Phase 1: Opportunity Discovery

### 1.1 ユーザーの声収集

→ ツール: app-review-analyzer (競合アプリレビュー CSV)
→ なければ: deep-researchで「ユーザーの不満/要求」検索
→ 成果物: Pain Points リスト (最低5件)

### 1.2 競合ギャップ分析

→ ツール: competitive-tracker (既存ギャップデータ確認)
→ 成果物: 該当領域の競合カバレッジ比較表

### 1.3 市場トレンド調査

→ ツール: deep-research --provider google
→ クエリ例: "[機能領域] language learning app trends 2026"
→ 成果物: トレンド要約 + 成長方向

### 1.4 既存機能との関係

→ ツール: Explore エージェント (コードベース探索)
→ 確認: 既存機能とのシナジー/衝突有無
→ 成果物: 関連機能リスト + 影響分析

実行方式: turbo-mode 並列

バッチ 1 (並列, 4個同時):
├── Task 1: [Haiku] app-review-analyzer または deep-research (ユーザーの声)
├── Task 2: [Haiku] competitive-tracker (競合ギャップ)
├── Task 3: [Haiku] deep-research (市場トレンド)
└── Task 4: [Haiku] Explore (既存コードベース)

→ 4個の結果統合 → Opportunity Map 生成

Phase 1 成果物: Opportunity Map

markdown
## Opportunity Map

### Outcome (ビジネス目標)

[例: 復習完了率 30% → 60%]

### Opportunities (発見された機会)

|  ID   | 機会     | Evidence | Impact | Source |
| :---: | -------- | -------- | :----: | ------ |
| OPP-1 | [機会 1] | [根拠]   |  HIGH  | [出典] |
| OPP-2 | [機会 2] | [根拠]   | MEDIUM | [出典] |
| OPP-3 | [機会 3] | [根拠]   |  LOW   | [出典] |

Phase 2: Problem Definition (問題定義) — Diamond 1 Converge

OST マッピング: Target Opportunity 選定 目的: 「どの機会に集中するか?」を決定

活動一覧

markdown
## 🎯 Phase 2: Problem Definition

### 2.1 機会評価 (Multi-LLM Reflection)

→ ツール: multi-llm-reflection エージェント
→ 評価基準: Reach, Impact, Confidence, Business Fit
→ 成果物: 機会別評価スコア

### 2.2 Provisional RICE 算出

→ ツール: priority-analyzer (Provisional モード)
→ 成果物: Provisional RICE スコア
→ 注意: 正式RICEはSPEC作成後に算出。ここでは方向性確認用

### 2.3 Target Opportunity 選定

→ 基準: RICE × Business Fit × Technical Feasibility (直感)
→ 成果物: Target Opportunity + 選定根拠

### 2.4 Problem Statement 作成

→ 形式: "[誰]は[状況]で[問題]を抱える。これにより[結果]。"
→ 成果物: 明確な Problem Statement

════ Gate 1: "この問題は解く価値があるか?" ════

markdown
## 🚦 Gate 1: Problem Validation

| 基準                 | 通過条件                                      | 結果 |
| -------------------- | --------------------------------------------- | :--: |
| **Evidence 存在**    | Pain Point 根拠 最低2件                       |  ⬜  |
| **ビジネス整合性**   | プロジェクト目標(高収益/低離脱/高LTV)と連結 |  ⬜  |
| **競合検証**         | 競合3社以上が提供 OR 市場トレンドで成長確認   |  ⬜  |
| **既存機能と非重複** | 既存機能では解決不可を確認                    |  ⬜  |
| **Provisional RICE** | ≥ 4.0 (10点満点)                              |  ⬜  |

### 判定

| 判定                  | 条件                                                 |
| --------------------- | ---------------------------------------------------- |
| **🟢 GO**             | 5/5 通過                                             |
| **🟡 CONDITIONAL GO** | 4/5 通過 (未通過項目がEvidence不足ならPhase 3で補強) |
| **🔴 NO-GO**          | 3個以下通過                                          |
| **⏸️ DEFER**          | 条件付き価値ありだが現在の優先順位ではない           |

NO-GO 時の処理:

  • ユーザーにNO-GO理由 + 代替案を提示
  • RESEARCH.mdに記録 (今後の再検討可能)
  • Phase 5に直行してSKIP/DEFER決定

GO 時の進行:

  • Tier S/M → Phase 5 (ソリューション探索省略、実装段階で決定)
  • Tier L/XL → Phase 3 (ソリューション探索開始)

Phase 3: Solution Exploration (ソリューション探索) — Diamond 2 Diverge

OST マッピング: Solution Candidates 生成 目的: 「どの方法で解決できるか?」を広く探索

活動一覧

markdown
## 💡 Phase 3: Solution Exploration

### 3.1 競合実装方式 Deep Dive

→ ツール: deep-research --provider google
→ クエリ: "[機能名] implementation [競合アプリ] UX flow features 2026"
→ 成果物: 競合別実装方式比較表

### 3.2 OSS 設計決定分析 (該当時)

→ ツール: oss-analyzer (類似機能のOSSがある場合)
→ 成果物: PDR (Problem→Decision→Recipe)
→ 注意: OSSがなければ省略

### 3.3 Multi-LLM Debate (代替案導出)

→ ツール: multi-llm-debate エージェント
→ 役割: Proponent(賛成), Opponent(反対), Moderator(仲裁)
→ ルール: 最低3つの代替案導出必須
→ 成果物: 代替案比較表 (メリット/デメリット, コスト, リスク)

### 3.4 技術スタック適合性確認

→ ツール: context7 MCP (Next.js/React/TypeScript 最新ドキュメント)
→ 確認: 必要なAPI/SDKが当社スタックで使用可能か
→ 成果物: 技術互換性レポート

実行方式

バッチ 1 (並列):
├── Task 1: [Sonnet] deep-research (競合実装方式)
├── Task 2: [Sonnet] oss-analyzer (該当時) または deep-research (代替技術)
└── Task 3: [Haiku] context7 MCP (技術ドキュメント確認)

バッチ 2 (順次, バッチ 1 結果が必要):
└── Task 4: [Sonnet] multi-llm-debate (バッチ 1 結果に基づく代替案ディスカッション)

Phase 3 成果物: Solution Candidates

markdown
## Solution Candidates

|  ID   | ソリューション | 出典                        | メリット | デメリット | コスト見積 | リスク |
| :---: | -------------- | --------------------------- | -------- | ---------- | :--------: | :----: |
| SOL-1 | [方案 1]       | [競合/OSS/ディスカッション] | [...]    | [...]      |    LOW     |  LOW   |
| SOL-2 | [方案 2]       | [...]                       | [...]    | [...]      |   MEDIUM   | MEDIUM |
| SOL-3 | [方案 3]       | [...]                       | [...]    | [...]      |    HIGH    |  HIGH  |

### 推奨ソリューション: SOL-X

**選定根拠**: [なぜこのソリューションか?]
**却下根拠**: [他のソリューションをなぜ却下したか?]

Phase 4: Assumption Testing (仮説検証) — Diamond 2 Converge

OST マッピング: Assumption Test 実行 目的: 「選択したソリューションが実際に動作するか?」を検証

仮説タイプ分類 (Teresa Torres 基盤)

タイプ 質問 検証方法
Desirability (価値) ユーザーが望むか? 競合レビュー分析, 市場データ
Feasibility (実現) 技術的に可能か? PoC spike, API テスト, ベンチマーク
Viability (ビジネス) コスト対比で価値があるか? コスト見積, ROI 分析
Usability (ユーザビリティ) 使いやすいか? 競合UXパターン分析

活動一覧

markdown
## 🧪 Phase 4: Assumption Testing

### 4.1 仮説リスト作成

→ 選択したソリューションから「真でなければならないこと」を抽出
→ リスク順にソート (HIGH → LOW)
→ 成果物: Assumption Register

### 4.2 Desirability 検証

→ ツール: app-review-analyzer または deep-research
→ 質問: 「ユーザーがこの機能を望むという証拠があるか?」
→ 判定: VALIDATED / INVALIDATED / INCONCLUSIVE

### 4.3 Feasibility 検証 (核心)

→ ツール: context7 MCP + PoC spike (条件付き)
→ PoC 判断基準:
□ 初めて使用する外部API → PoC 必須
□ リアルタイム処理 → PoC 必須
□ On-device 処理 → PoC 必須
□ 複雑なアルゴリズム → PoC 必須
□ その他 → APIドキュメント確認で十分

→ PoC 実行時:

1. 最小限のコードで核心技術を検証
2. パフォーマンス測定 (応答時間, 精度等)
3. 結果を定量的に記録
4. PoCコードは `poc/` ディレクトリに一時保存 (実装時に削除)

→ 成果物: Feasibility Report (定量的結果必須)

### 4.4 Viability 検証

→ 計算項目:

- Edge Function 呼び出しコスト (Gemini API トークンコスト)
- DB ストレージ増加量
- 開発時間 (Tier 基盤推定)
- メンテナンス複雑度増加
  → 成果物: Cost-Benefit Analysis

### 4.5 Usability 検証

→ ツール: deep-research (競合UXパターン)
→ 確認: 業界標準UXパターンの存在有無
→ 成果物: UX Pattern Reference

PoC Spike プロトコル (Tier XL 必須, L 条件付き)

markdown
## PoC Spike 実行ルール

### 範囲制限

- 検証対象: 1つの核心仮説のみ
- コード量: 最大200行
- 時間: 最大2時間
- 場所: poc/<feature-name>/ (一時的、実装時に削除)

### 必須測定項目

| タイプ         | 測定項目          | 例                                  |
| -------------- | ----------------- | ----------------------------------- |
| パフォーマンス | 応答時間          | "Edge Function 平均 23ms, P99 89ms" |
| 精度           | 機能精度          | "STT 韓国語認識率 87%"              |
| コスト         | API呼び出しコスト | "Gemini 1回呼び出し $0.003"         |
| 互換性         | スタック互換      | "Next.js 16 + Vercel 互換確認"   |

### PoC 結果記録形式

| 仮説    | テスト       | 結果       | 判定  |
| ------- | ------------ | ---------- | :---: |
| [ASM-1] | [テスト内容] | [定量結果] | ✅/❌ |

════ Gate 2: "技術的に実現可能でコスト対比で価値があるか?" ════

markdown
## 🚦 Gate 2: Solution Validation

| 基準            | 通過条件                                     | 結果 |
| --------------- | -------------------------------------------- | :--: |
| **Feasibility** | 核心技術仮説 全て VALIDATED                  |  ⬜  |
| **Cost**        | 月間運用コストが予算内 (またはユーザー確認)  |  ⬜  |
| **Complexity**  | 実装複雑度がチーム能力(AIエージェント)範囲内 |  ⬜  |
| **代替案存在**  | INVALIDATED 仮説時に代替ソリューション存在   |  ⬜  |
| **UXパターン**  | 参考にすべき業界UXパターン存在               |  ⬜  |

### 判定

| 判定         | 条件                                            |
| ------------ | ----------------------------------------------- |
| **🟢 GO**    | Feasibility VALIDATED + Cost OK + 代替案不要    |
| **🟡 PIVOT** | 一部仮説 INVALIDATED → 代替ソリューションに転換 |
| **🔴 NO-GO** | 核心仮説 INVALIDATED + 代替案なし               |
| **⏸️ DEFER** | 技術は可能だが現在のコスト/複雑度が過大         |

Phase 5: Decision & Handoff (最終決定 + ハンドオフ)

目的: リサーチ結果を総合して最終決定を下し、feature-pilotに構造化された入力を伝達

最終決定マトリクス

              Gate 1 GO    Gate 1 NO-GO
Gate 2 GO  │  BUILD       │  N/A (Gate 1が先)
Gate 2 PIVOT│  BUILD(代替) │  N/A
Gate 2 NO-GO│  SKIP/DEFER │  SKIP
Gate 2 N/A │  BUILD(Tier S/M) │  SKIP/DEFER
決定 意味 次のアクション
BUILD 自社開発実施 feature-pilot 進入 (feature-architect → spec → impl)
BUY 外部ソリューション統合 ライブラリ/SDK 選定 → 統合実装
SKIP 現時点で不要/不可 RESEARCH.md 記録、今後再検討
DEFER N ヶ月後再検討 RESEARCH.mdに再検討時期を記録

成果物 1: RESEARCH.md

markdown
# Research Summary: [機能名]

> 生成日: YYYY-MM-DD
> Tier: [S|M|L|XL]
> 最終決定: [BUILD|BUY|SKIP|DEFER]

## 1. Outcome (ビジネス目標)

[達成しようとするKPI/指標]

## 2. Problem Statement

"[誰]は[状況]で[問題]を抱える。これにより[結果]。"

## 3. Opportunity Map

|  ID   | 機会  | Evidence | Impact |
| :---: | ----- | -------- | :----: |
| OPP-1 | [...] | [...]    |  HIGH  |

**Target Opportunity**: OPP-X — [選定根拠]

## 4. Solution Candidates (Tier L/XLのみ)

|  ID   | ソリューション | メリット | デメリット | 選択 |
| :---: | -------------- | -------- | ---------- | :--: |
| SOL-1 | [...]          | [...]    | [...]      |  ✅  |
| SOL-2 | [...]          | [...]    | [...]      |  ❌  |

**選択根拠**: [...]
**却下根拠**: [...]

## 5. Assumption Test Results (Tier L/XLのみ)

|  ID   | 仮説  | タイプ      | テスト | 結果  | 判定 |
| :---: | ----- | ----------- | ------ | ----- | :--: |
| ASM-1 | [...] | Feasibility | [...]  | [...] |  ✅  |

## 6. Gate 判定

|  Gate  | 判定 | 根拠要約                 |
| :----: | :--: | ------------------------ |
| Gate 1 |  GO  | [Evidence 3件, RICE 7.2] |
| Gate 2 |  GO  | [PoC 通過, 月 $0 追加]   |

## 7. 最終決定

**決定**: BUILD
**根拠**: [総合判断]

## 8. feature-pilot ハンドオフデータ

- **BRIEF §0 原文**: [ユーザーシナリオ]
- **Hard Constraints**: [技術的制約, R4で発見]
- **参照リサーチ**: [docs/research/*.md リンク]
- **OSS Recipe**: [docs/oss/*/adoption.md リンク] (該当時)
- **PoC 結果**: [poc/ 結果要約] (該当時)
- **UX 参照**: [競合UXパターンリンク]

## 9. リサーチメタデータ

- **投資時間**: [実際所要時間]
- **Appetite**: [設定した時間予算]
- **Evidence 収集**: Deep Research N件, 競合 N社, OSS N件, PoC N件
- **再検討時期**: [DEFER 時 YYYY-MM-DD]

成果物 2: CONTEXT.json research セクション

BUILD 決定時、feature-architectが CONTEXT.json を生成する際に research セクションを自動的に事前充填します。

json
{
  "research": {
    "tier": "L",
    "appetite_hours": 4,
    "actual_hours": 3.5,
    "started_at": "2026-02-09T10:00:00+09:00",
    "completed_at": "2026-02-09T13:30:00+09:00",
    "research_md_path": "docs/features/<id>/RESEARCH.md",

    "outcome": "ユーザー復習完了率 30% → 60%",
    "problem_statement": "学習者は復習タイミングを逃し長期記憶への転換に失敗する。",

    "opportunity_map": {
      "total_opportunities": 3,
      "target_opportunity": {
        "id": "OPP-1",
        "description": "ユーザーが復習タイミングを逃す",
        "evidence_count": 3,
        "impact": "HIGH"
      }
    },

    "solution": {
      "selected": {
        "id": "SOL-1",
        "name": "SRS 基盤自動復習スケジューリング",
        "source": "oss-analyzer: Anki SM-2",
        "rationale": "業界標準 + 実装コスト低"
      },
      "rejected": [
        {
          "id": "SOL-2",
          "name": "AI 基盤パーソナライズ復習",
          "rejection_rationale": "MVP段階ではオーバーエンジニアリング"
        }
      ]
    },

    "assumptions": [
      {
        "id": "ASM-1",
        "statement": "SM-2が韓国語学習に効果的",
        "type": "desirability",
        "risk": "MEDIUM",
        "result": "VALIDATED",
        "evidence": "研究 3件確認"
      }
    ],

    "gates": {
      "gate_1": { "verdict": "GO", "evidence_summary": "..." },
      "gate_2": { "verdict": "GO", "evidence_summary": "..." }
    },

    "decision": "BUILD",
    "handoff": {
      "hard_constraints": ["SM-2 間隔: 1,3,7,14,30日", "オフライン計算必須"],
      "research_refs": ["docs/research/srs-algorithm-comparison.md"],
      "oss_recipes": ["docs/oss/anki/v4/adoption.md"],
      "ux_references": ["Anki 復習画面", "Quizlet 学習モード"],
      "poc_summary": "Edge Function SM-2 計算 平均 23ms"
    }
  }
}

feature-pilot 統合プロトコル

NEW_FEATURE パイプライン (research-pilot 統合後)

Phase -1: ★ research-pilot ★ (新規追加)
        ┌────────────────────────────────────┐
        │ Skill ツール使用:                    │
        │ - skill: "research-pilot"          │
        │ - args: "<機能説明>"              │
        │                                    │
        │ ★ 条件付き実行:                      │
        │   IF ユーザー要求に「リサーチ」,        │
        │      「妥当性」,「調査」,「ゼロベース」, │
        │      「フルスクラッチ」キーワード含む    │
        │   OR ユーザーが明示的に要求            │
        │   → research-pilot 実行            │
        │                                    │
        │   ELSE:                            │
        │   → 既存 feature-pilot フロー維持    │
        │                                    │
        │ ★ BUILD 決定時:                      │
        │   → RESEARCH.md + research セクション │
        │   → Phase 0 (既存 feature-pilot)    │
        │                                    │
        │ ★ SKIP/DEFER 決定時:                │
        │   → RESEARCH.md 記録後終了           │
        └────────────────────────────────────┘
        ↓ BUILD → feature-pilot Phase 0に進入

Phase 0: (既存) リクエスト受付・分類
        ↓

Phase 0.5: turbo-mode コンテキスト収集
        ↓ (research-pilotの結果もコンテキストに含む)

Step 1: feature-architect (CONTEXT.json 生成)
        ↓ research セクション自動事前充填

Step 2: feature-spec-generator
        ↓ ...以下既存パイプラインと同一

自動実行 vs 明示的実行

条件 動作
ユーザーが「リサーチ」「妥当性」「調査」等のキーワード使用 自動実行
ユーザーが /research-pilot を直接呼び出し 明示的実行
feature-pilotが NEW_FEATURE を Tier XL と判定 ユーザーに research-pilot 実行を提案
既存 RESEARCH.md があり 30日以内 キャッシュ使用 (再実行省略)
既存 RESEARCH.md があり 30日超過 再実行を提案

例外処理

状況 処理
Deep Research 失敗 WebSearch フォールバックで代替、結果品質 Warning
競合データなし competitive-tracker なしに deep-research で直接調査
PoC 失敗 代替ソリューションに PIVOT、Gate 2 再評価
Appetite 超過 現時点までの結果で Gate 判定、未完了部分を明示
ユーザー中断 現在の Phase まで RESEARCH.md 保存、再開可能
Gate 1 NO-GO Phase 5 に直行、SKIP/DEFER 決定
Gate 2 NO-GO 代替ソリューション検討後最終決定

AI 行動指針

DO (すべきこと)

  • ✅ Tier を先に判定し Appetite に合わせて Phase 範囲を決定
  • ✅ 全ての判断に Evidence(根拠) 添付 — 根拠なき主張禁止
  • ✅ 最低3つの代替案検討後1つ選択 (Phase 3)
  • ✅ PoC 結果は定量的データで記録
  • ✅ Gate 判定は明示的基準で (直感禁止)
  • ✅ RESEARCH.md を常に生成 (SKIP/DEFER 決定でも)
  • ✅ feature-pilot ハンドオフデータを構造化して伝達
  • ✅ Teresa Torresの "crummy first draft" 原則遵守 — 完璧より速い初稿

DON'T (してはいけないこと)

  • ❌ 根拠なく「この機能は必要です」と結論
  • ❌ 代替案検討なく単一ソリューションに直行
  • ❌ PoC なしに「技術的に可能です」と仮定 (Tier XL)
  • ❌ Appetite を超過して無限リサーチ
  • ❌ Gate 基準を任意に緩和
  • ❌ RESEARCH.md 生成なしに feature-pilot へ進行
  • ❌ 既存 RESEARCH.md が有効なのに再実行 (キャッシュ浪費)

使用例

bash
# フルスクラッチリサーチ (自動 Tier 判定)
/research-pilot "ディクテーション機能をゼロベースで調査したい"

# Tier 明示
/research-pilot --tier XL "AI 基盤文法校正機能"

# 特定 Phase から (以前の結果がある場合)
/research-pilot --phase 3 "033-vocabulary-notebook"

# PoC 強制実行
/research-pilot --poc "STT 基盤発音評価"

# Gate 1 スキップ (既に検証済みの問題)
/research-pilot --skip-gate1 "006-srs-review-system 再設計"

変更履歴

日付 バージョン 変更内容
2026-02-09 v1.0.0 初期作成 — OST + Double Diamond + Shape Up ハイブリッドフレームワーク

Expand your agent's capabilities with these related and highly-rated skills.

Didn't find tool you were looking for?

Be as detailed as possible for better results