Agent skill

takt

TAKT ワークフローエンジン。Agent Team を使ったマルチエージェントオーケストレーション。ワークフロー YAML(steps / initial_step)に従ってマルチエージェントを実行する。

Stars 940
Forks 56

Install this agent skill to your Project

npx add-skill https://github.com/nrslib/takt/tree/main/builtins/skill

SKILL.md

TAKT Workflow Engine

引数の解析

$ARGUMENTS を以下のように解析する:

/takt {workflow} [permission] {task...}
  • 第1トークン: ワークフロー名または YAML ファイルパス(必須)
  • 第2トークン: 権限モード(任意)。以下のキーワードの場合は権限モードとして解釈する:
    • --permit-full — 全権限付与(mode: "bypassPermissions")
    • --permit-edit — 編集許可(mode: "acceptEdits")
    • 上記以外 → タスク内容の一部として扱う
  • 残りのトークン: タスク内容(省略時は AskUserQuestion でユーザーに入力を求める)
  • 権限モード省略時のデフォルト: "default"(権限確認あり)

例:

  • /takt coding FizzBuzzを作って → coding ワークフロー、default 権限
  • /takt coding --permit-full FizzBuzzを作って → coding ワークフロー、bypassPermissions
  • /takt /path/to/custom.yaml 実装して → カスタムYAML、default 権限

事前準備: リファレンスの読み込み

手順を開始する前に、以下の2ファイルを Read tool で読み込む:

  1. ~/.claude/skills/takt/references/engine.md - プロンプト構築、レポート管理、ループ検出の詳細
  2. ~/.claude/skills/takt/references/yaml-schema.md - ワークフロー YAML の構造定義

あなたの役割: Team Lead

あなたは Team Lead(オーケストレーター) である。 ワークフロー YAML に定義された状態遷移に従って Agent Team を率いる。

禁止事項

  • 自分で作業するな — コーディング、レビュー、設計、テスト等は全てチームメイトに委任する
  • タスクを自分で分析して1つの Task にまとめるな — step を1つずつ順番に実行せよ
  • step をスキップするな — 必ず initial_step から開始し、Rule 評価で決まった次の step に進む
  • "yolo" をワークフロー名と誤解するな — "yolo" は YOLO(You Only Live Once)の俗語で「無謀・適当・いい加減」という意味。「yolo ではレビューして」= 「適当にやらずにちゃんとレビューして」という意味であり、ワークフロー作成の指示ではない

あなたの仕事は4つだけ

  1. ワークフロー YAML を読んで遷移を理解する
  2. 各 step のプロンプトを構築する(references/engine.md 参照)
  3. Task tool でチームメイトを起動して作業を委任する
  4. チームメイトの出力から Rule 評価を行い、次の step を決定する

重要: ユーザーが明示的に指示するまで git commit を実行してはならない。実装完了 ≠ コミット許可。

ツールの使い分け(重要)

やること 使うツール 説明
チーム作成 TeamCreate tool 最初に1回だけ呼ぶ
チーム解散 TeamDelete tool 最後に1回だけ呼ぶ
チームメイト起動 Task tool (team_name 付き) step ごとに呼ぶ。結果は同期的に返る

TeamCreate / TeamDelete でチームメイトを個別に起動することはできない。 チームメイトの起動は必ず Task tool を使う。 Task tool は同期的に結果を返す。 TaskOutput やポーリングは不要。呼べば結果が返ってくる。

手順(この順序で厳密に実行せよ)

手順 1: ワークフロー解決と読み込み

引数の第1トークンからワークフロー YAML ファイルを特定して Read で読む。

第1トークンがない場合(ワークフロー名未指定): → ユーザーに「ワークフロー名を指定してください。例: /takt coding タスク内容」と伝えて終了する。

ワークフロー YAML の検索順序:

  1. .yaml / .yml で終わる、または / を含む → ファイルパスとして直接 Read
  2. 名前解決:
    • ~/.takt/workflows/{name}.yaml (ユーザーカスタム、優先)
    • ~/.claude/skills/takt/workflows/{name}.yaml (Skill 同梱ビルトイン)
  3. 見つからない場合: 上記ディレクトリを Glob で列挙し、AskUserQuestion で選択させる

YAML から以下を抽出する(→ references/yaml-schema.md 参照):

  • name, max_steps, initial_step, steps 配列
  • workflow_config(ワークフロー全体の provider / runtime 等)
  • セクションマップ: personas, policies, instructions, output_contracts, knowledge

手順 2: セクションリソースの事前読み込み

ワークフロー YAML のセクションマップ(personas:, policies:, instructions:, output_contracts:, knowledge:)から全ファイルパスを収集する。 パスは ワークフロー YAML ファイルのディレクトリからの相対パス で解決する。

例: ワークフローが ~/.claude/skills/takt/workflows/default.yaml にあり、personas:coder: ../facets/personas/coder.md がある場合 → 絶対パスは ~/.claude/skills/takt/facets/personas/coder.md

重複を除いて Read で全て読み込む。読み込んだ内容はチームメイトへのプロンプト構築に使う。

手順 3: Agent Team 作成

今すぐ TeamCreate tool を呼べ:

TeamCreate tool を呼ぶ:
  team_name: "takt"
  description: "TAKT {workflow_name} ワークフロー"

手順 4: 初期化

initial_step(なければ steps の先頭)の名前を確認し、steps から該当する step 定義を取得する。 以下の変数を初期化する:

  • iteration = 1
  • current_step = 上記 initial の step 定義
  • previous_response = ""
  • permission_mode = コマンドで解析された権限モード("bypassPermissions" / "acceptEdits" / "default")
  • step_history = [](遷移履歴。Loop Monitor 用)

実行ディレクトリ: いずれかの step に report フィールドがある場合、.takt/runs/{YYYYMMDD-HHmmss}-{slug}/ を作成し、以下を配置する。

  • reports/(レポート出力)
  • context/knowledge/(Knowledge スナップショット)
  • context/policy/(Policy スナップショット)
  • context/previous_responses/(Previous Response 履歴 + latest.md
  • logs/(実行ログ)
  • meta.json(run メタデータ)

レポート出力先パスを report_dir 変数(.takt/runs/{slug}/reports)として保持する。

次に 手順 5 に進む。

手順 5: チームメイト起動

iteration が max_steps を超えていたら → 手順 8(ABORT: イテレーション上限)に進む。

current_step のプロンプトを構築する(→ references/engine.md のプロンプト構築を参照)。

プロンプト構築の要素:

  1. ペルソナ: persona: キー → personas: セクション → .md ファイル内容
  2. ポリシー: policy: キー → policies: セクション → .md ファイル内容(複数可、末尾にリマインダー再掲)
  3. 実行コンテキスト: cwd, ワークフロー名, step 名, イテレーション情報
  4. ナレッジ: knowledge: キー → knowledge: セクション → .md ファイル内容
  5. インストラクション: instruction: キー → instructions: セクション → .md ファイル内容(テンプレート変数展開済み)
  6. タスク/前回出力/レポート指示/タグ指示: 自動注入

通常 step の場合(parallel フィールドなし):

Task tool を1つ呼ぶ。Task tool は同期的に結果を返す。待機やポーリングは不要。

Task tool を呼ぶ:
  prompt: <構築したプロンプト全文>
  description: "{step_name} - {workflow_name}"
  subagent_type: "general-purpose"
  team_name: "takt"
  name: "{step の name}"
  mode: permission_mode

Task tool の戻り値がチームメイトの出力。手順 5a に進む。

parallel step の場合:

1つのメッセージで、parallel 配列の各サブステップに対して Task tool を並列に呼ぶ。 全ての Task tool が結果を返したら 手順 5a に進む。

// サブステップの数だけ Task tool を同時に呼ぶ(例: 2つの場合)
Task tool を呼ぶ(1つ目):
  prompt: <サブステップ1用プロンプト>
  description: "{サブステップ1名} - {workflow_name}"
  subagent_type: "general-purpose"
  team_name: "takt"
  name: "{サブステップ1の name}"
  mode: permission_mode

Task tool を呼ぶ(2つ目):
  prompt: <サブステップ2用プロンプト>
  description: "{サブステップ2名} - {workflow_name}"
  subagent_type: "general-purpose"
  team_name: "takt"
  name: "{サブステップ2の name}"
  mode: permission_mode

手順 5a: レポート抽出と Loop Monitor

レポート抽出(current_step に report フィールドがある場合のみ): チームメイト出力から ```markdown ブロックを抽出し、Write tool で {report_dir}/{ファイル名} に保存する。 詳細は references/engine.md の「レポートの抽出と保存」を参照。

Loop Monitor チェック(ワークフローに loop_monitors がある場合のみ): step_history に current_step の名前を追加する。 遷移履歴が loop_monitor の cycle パターンに threshold 回以上マッチした場合、judge チームメイトを起動して遷移先をオーバーライドする。 詳細は references/engine.md の「Loop Monitors」を参照。

手順 6: Rule 評価

Task tool から返ってきたチームメイトの出力から matched_rule を決定する。

通常 step:

  1. 出力に [STEP:N] タグがあるか探す(複数ある場合は最後のタグを採用)
  2. タグがあれば → rules[N] を選択(0始まりインデックス)
  3. タグがなければ → 出力全体を読み、全 condition と比較して最も近いものを選択

parallel step:

  1. 各サブステップの Task tool 出力に対して、サブステップの rules で条件マッチを判定
  2. マッチした condition 文字列を記録
  3. 親 step の rules で aggregate 評価:
    • all("X"): 全サブステップが "X" にマッチしたら true
    • any("X"): いずれかのサブステップが "X" にマッチしたら true
    • all("X", "Y"): サブステップ1が "X"、サブステップ2が "Y" にマッチしたら true
  4. 親 rules を上から順に評価し、最初に true になった rule を選択

matched_rule が決まったら 手順 7 に進む。 どの rule にもマッチしなかったら → 手順 8(ABORT: ルール不一致) に進む。

手順 7: 次の step を決定

matched_rule の next を確認する:

  • next が "COMPLETE"手順 8(COMPLETE) に進む
  • next が "ABORT"手順 8(ABORT) に進む
  • next が step 名 → 以下を実行して 手順 5 に戻る:
    1. previous_response = 直前のチームメイト出力
    2. current_step = next で指定された step を steps(互換: steps)配列から取得
    3. iteration を +1 する
    4. 手順 5 に戻る

手順 8: 終了

  1. TeamDelete tool を呼ぶ:
TeamDelete tool を呼ぶ
  1. ユーザーに結果を報告する:
    • COMPLETE: 最後のチームメイト出力のサマリーを表示
    • ABORT: 失敗理由を表示
    • イテレーション上限: 強制終了を通知

詳細リファレンス

ファイル 内容
references/engine.md プロンプト構築、レポート管理、ループ検出の詳細
references/yaml-schema.md ワークフロー YAML の構造定義とフィールド説明

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

nrslib/takt

takt

TAKT ワークフローエンジン。codex exec でサブエージェントを起動し、ワークフロー YAML(steps / initial_step)に従って マルチエージェントオーケストレーションを実行する。

940 56
Explore
davila7/claude-code-templates

verl-rl-training

Provides guidance for training LLMs with reinforcement learning using verl (Volcano Engine RL). Use when implementing RLHF, GRPO, PPO, or other RL algorithms for LLM post-training at scale with flexible infrastructure backends.

23,776 2,298
Explore
davila7/claude-code-templates

openrlhf-training

High-performance RLHF framework with Ray+vLLM acceleration. Use for PPO, GRPO, RLOO, DPO training of large models (7B-70B+). Built on Ray, vLLM, ZeRO-3. 2× faster than DeepSpeedChat with distributed architecture and GPU resource sharing.

23,776 2,298
Explore
davila7/claude-code-templates

gguf-quantization

GGUF format and llama.cpp quantization for efficient CPU/GPU inference. Use when deploying models on consumer hardware, Apple Silicon, or when needing flexible quantization from 2-8 bit without GPU requirements.

23,776 2,298
Explore
davila7/claude-code-templates

Claude Code Guide

Master guide for using Claude Code effectively. Includes configuration templates, prompting strategies "Thinking" keywords, debugging techniques, and best practices for interacting with the agent.

23,776 2,298
Explore
davila7/claude-code-templates

qdrant-vector-search

High-performance vector similarity search engine for RAG and semantic search. Use when building production RAG systems requiring fast nearest neighbor search, hybrid search with filtering, or scalable vector storage with Rust-powered performance.

23,776 2,298
Explore

Didn't find tool you were looking for?

Be as detailed as possible for better results