1仕組みと動作原理
純粋なプロンプトオーケストレーション：全メカニズムが「4層の強化プロセス」で構成されています。曖昧な要件をEARS構文へと変換し、ドメイン理論を適用し、実践的なサンプルを抽出し、固定された骨格を持つ拡張プロンプトとしてパッケージ化します。
prompt-optimizer/SKILL.md
**Four-layer enhancement process:** 1. **EARS syntax transformation** - Convert descriptive language to normative specifications 2. **Domain theory grounding** - Apply relevant industry frameworks (GTD, BJ Fogg, Gestalt, etc.) 3. **Example extraction** - Surface concrete use cases with real data 4. **Structured prompt generation** - Format using Role/Skills/Workflows/Examples/Formats framework
ここでの処理内容：これは当スキルの上限であると同時にすべてです。スクリプト、ツール、ネットワーク呼び出しは一切存在せず、価値のすべては「口語的な要件」を「標準化された構文＋理論的根拠＋サンプル＋出力制約」へと翻訳するオーケストレーション指示にあります。
EARS 5大パターンの適用：Ubiquitous、Event-driven、State-driven、Conditional、Unwanted behaviorのそれぞれに固定文型を定義し、before/afterの対比と改修チェックリスト（条件の明示化、トリガーの補完、基準の定量化、原子文への分割、曖昧語の排除）を備えています。
prompt-optimizer/SKILL.md
**Five core patterns:** 1. **Ubiquitous**: `The system shall <action>` 2. **Event-driven**: `When <trigger>, the system shall <action>` 3. **State-driven**: `While <state>, the system shall <action>` 4. **Conditional**: `If <condition>, the system shall <action>` 5. **Unwanted behavior**: `If <condition>, the system shall prevent <unwanted action>`
ここでの処理内容：EARS（2009年にロールス・ロイスが提唱した要件記述法）は元来システムエンジニアリング向けのものですが、ここではプロンプトの「標準化構文」として流用され、各要件にトリガー条件と判定可能な結果を付与します。
ドメイン理論の適用方式：要件のキーワードからドメインを特定し、10領域のカタログから2〜4件の相互補完的な理論を選択して原則を具象機能にマッピングし、プロンプト内で理論名を明示的に引用します。
prompt-optimizer/SKILL.md
**Selection process:** 1. Identify primary domain from requirement keywords 2. Match to 2-4 complementary theories 3. Apply theory principles to specific features 4. Cite theories in enhanced prompt for credibility
ここでの処理内容：生成される仕様が「思いつきの機能リスト」に見えないようにします。すべての設計上のトレードオフが実績あるフレームワーク（GTD、BJ Fogg B=MAT、Hick's Law、Zero Trustなど）に紐付けられます。理論は設計の足場であると同時に信頼性の裏付けとして機能します。
理論カタログ自体が主要なアセット：10領域（生産性、行動変容、UX、ゲーミフィケーション、学習、データ可視化、Eコマース、情報アーキテクチャ、セキュリティ、アクセシビリティ）にわたる計38項目のナンバリングされた理論を収録し、「2〜4件選定 → 機能とワークフローに適用 → 引用して信頼性向上」という選定プロセスと完全な選定事例を提供しています。
prompt-optimizer/references/domain_theories.md
## How to Select Theories 1. **Identify the domain** from user requirements 2. **Match to primary objective** (engagement, learning, conversion, etc.) 3. **Select 2-4 relevant theories** that complement each other 4. **Apply principles** to specific features and workflows 5. **Cite theories** in enhanced prompts to add credibility
ここでの処理内容：これはSKILL.md内の`domain_theories.md`に関する記述「40+ theories mapped to 10 domains」の実態です。理論名と3〜5行の要点のみで構成され、推論プロセスを含めずともモデルが選択・引用するのに十分な情報量となっています。
出力骨格は固定の5セクション構成：Role / Skills / Workflows / Examples / Formatsで構成され、サンプルにはリアルなデータの使用を義務付け（「Real data, not "Example 1", "Example 2"」）、そのままコピー＆ペースト可能なMarkdown仕様書として納品されます。
prompt-optimizer/SKILL.md
- **Concrete examples**: Real data, not "Example 1", "Example 2"
ここでの処理内容：プロンプトを「次のエージェントへの設計図」として記述します。役割を特定ドメインに限定し、ワークフローを段階化し、フォーマットを検証可能にすることで、後続モデルの勝手な解釈を最小限に抑えます。
診断を伴う順序立てられた6ステップのワークフロー：まず元要件の弱点（広すぎる、トリガーの欠落、動作の曖昧さ、制約の欠如）を分析し、順を追ってEARS化、理論選定、サンプル抽出、プロンプト生成を行い、固定の6部構成で結果を提示します。
prompt-optimizer/SKILL.md
### Step 1: Analyze Original Requirement Identify weaknesses: - **Overly broad** - "Add user authentication" → Missing password requirements, session management - **Missing triggers** - "Send notifications" → Missing when/why notifications trigger - **Ambiguous actions** - "Make it user-friendly" → No measurable usability criteria - **No constraints** - "Process payments" → Missing security, compliance requirements
ここでの処理内容：ステップ1の弱点分類は手法全体の「ターゲット」となります。これがなければEARS変換は単なる文型置換にとどまりますが、診断があることでリライトに明確な方向性（条件の補完、メトリクスの付与、境界の設定）が生まれます。
複雑な要件に対応する高度なマニュアル：マルチステークホルダー（ロールごとのEARS作成、ロール条件と入れ子型権限の明示）、非機能要件（性能、セキュリティ、スケーラビリティ、信頼性の4カテゴリーの定量しきい値）、複雑な条件ロジック（入れ子のAND/OR、優先順位、フォールバック分岐）を網羅しています。
prompt-optimizer/references/advanced_techniques.md
1. Quantify constraints explicitly (no vague terms like "fast" or "secure") 2. Specify measurement methods (how to verify the requirement) 3. Include threshold values (acceptable ranges) 4. Define degradation behavior (what happens when thresholds are exceeded)
ここでの処理内容：「fast」や「secure」といった形容詞を、「95%のリクエストを200ms以内に返却」「失敗5回で30分間ロック」「bcrypt cost factor 12」などの検証可能な数値へと具体化します。これは本スキルを単なる言い換えから「受入基準の作成」へと引き上げる重要な層です。
参照ファイルのオンデマンド読み込みと簡潔なメイン骨格：SKILL.mdには各リファレンスの適用タイミングを説明したResourcesセクションがあり、モデルが全量を一度に読み込む必要がありません（メインファイル195行＋リファレンス1,014行）。
prompt-optimizer/SKILL.md
- **`references/domain_theories.md`** - 40+ theories mapped to 10 domains (productivity, UX, gamification, learning, e-commerce, security, etc.)
ここでの処理内容：典型的なプログレッシブディスクロージャー（段階的開示）です。メインファイルがプロセスとトリガー判定を担い、詳細（EARS完全構文、理論カタログ、4つの完全事例、高度なテクニック）はオンデマンドで読み込まれる4つのファイルに分離されています。
2コア機能
01曖昧な要件 → EARS標準構文へのリライト（5大パターン構文 ＋ 改修チェックリスト ＋ before/after対比）
02ドメイン理論のマッチングとマッピング（10領域カタログ、2〜4件の補完的理論の選定、具象機能へのマッピングと明示的引用）
03非機能要件の定量化リライト（性能、セキュリティ、スケーラビリティ、信頼性におけるしきい値＋測定方法＋縮退動作の定義）
04マルチステークホルダーおよびロール権限のEARS展開（ロール別記述、階層的権限、コンテキスト連動アクセス ＋ デフォルト拒否分岐）
05複雑な条件ロジックのモデリング（入れ子条件、明示的ブール演算子、競合の優先順位付け、カッコによる優先順位定義、未合致時のフォールバック）
06実践的なデータサンプルの抽出（realistic / specific / varied［成功・エラー・境界値］ / testableの要件、プレースホルダーの禁止）
07構造化された結果提示（Original Requirement / Identified Issues / EARS Transformation / Domain & Theories / Enhanced Prompt + How to use）
084つの完全なbefore/after事例 ＋ 変換パターンテクニックテンプレート（中国語の元要件と英語対訳を含む）
3外部依存関係
| Kind | Dependency / Endpoint |
|---|---|
| network | 出处引用链接（方法论来源展示，运行时脚本并不访问） |
4推奨統制措置と判定根拠
安全運用のための推奨統制措置
Agent 向け
自動ロード可能
管理者向け
ソースとバージョンの記録
判定根拠（ファイルパスと抜粋）
- SKILL.md: 純粋なプロンプト指示およびルールテキストのみで構成され、スクリプト実行や外部への副作用は一切ありません。
監査ノート： 純粋なプロンプト型スキルです。隠しファイルを含む全件のfind検索結果でも、SKILL.mdおよびreferences/{advanced_techniques,domain_theories,ears_syntax,examples}.mdの5つのMarkdownファイルのみが存在し、scripts/、hooks、実行可能バイナリは一切含まれていません。curl/wget/urllibなどのネットワーク呼び出し、環境変数やクレデンシャルの読み取り、ファイル書き込みは行われず、エージェントに対していかなるコマンドの実行も指示しないため、コードレベルの攻撃面は存在しません。リスクは対話およびコンテンツレイヤーに限定されます。リライト処理によって元の要件に含まれる指示内容が標準化された上で引き継がれる点（信頼できないソースからの要件に公的な外観を与えてしまうリスク）、理論の引用が品質やセキュリティの保証と誤認されるリスク、references内のセキュリティ関連サンプルが監査結論ではない点などが挙げられますが、これらはホスト環境側のセキュリティ問題には該当しません。
5二重目の独立検証
- [ok] 资产面：是否存在脚本、hooks 或隐藏文件 — find prompt-optimizer -type f（含隐藏）只有 5 个文件：SKILL.md、references/{advanced_techniques,domain_theories,ears_syntax,examples}.md。无 scripts/、无 tests/、无 frontmatter 里的 allowed-tools 之外的配置键（frontmatter 仅 name/description 两键）。第一遍『纯 prompt』结论成立。
- [ok] 外部依赖反例：是否有漏掉的网络/凭证/执行面 — 全目录 token 扫描：无 curl/wget/urllib/requests/子进程调用/环境变量读取/写文件指令；https?:// 仅 3 处且都是出处引用（mp.weixin.qq.com 在 SKILL.md 与 examples.md），其余命中（token、api、secret 等）均出现在 EARS 示例文本里（如 password_reset_tokens 表、POST /api/auth/reset-password），是指被改写的示例需求而非 skill 的依赖。external_deps 因此只列出处引用一条，并注明运行时并不访问。
- [discrepancy] 宣传口径核对：domain_theories.md 是否真有 40+ 理论与 10 个域 — SKILL.md 的 Resources 段写 `40+ theories mapped to 10 domains`。第二遍用脚本统计：域数 10 属实（Productivity 5、Behavior Change 4、UX 6、Gamification 4、Learning 5、DataViz 3、E-commerce 3、IA 3、Security 3、Accessibility 2），但编号理论条目合计 38 条，未达 40+；若把跨域重复的 Self-Determination Theory、Gestalt Principles 去重，唯一理论数更少。属宣传性口径略偏大，不影响目录可用性，但『40+』不应被当作已核实的数字引用。
- [ok] EARS 五范式与 checklist 是否在两处一致 — SKILL.md 的 Step 2 列出五范式与 6 项 checklist；ears_syntax.md 对同一五范式给出 Format/English/Use when/Example 完整四段（含中文句式 `当 <trigger> 时,系统应 <action>`）与同一份扩展 checklist（多出『Define the actor』『Specify measurable outcomes』两项）、再加多条件事件与分支动作两种复杂形态。两处无冲突，reference 是超集。
- [ok] 输出格式声明 vs 实际骨架（夸大检查） — SKILL.md Step 5 的骨架（Role/Skills/Workflows/Examples/Formats）、Step 6 的六段式结果格式、examples.md 的 Transformation Pattern Template 三处骨架一致；description 宣称的『precise, well-structured specifications』由 Formats 段的『File types, structure requirements / Technical constraints / Deliverable checklist』承载。无未兑现承诺，也没有声称会验证产出。
- [ok] 非功能需求与复杂条件的具体落地方式是否真实存在 — advanced_techniques.md 实读：非功能四类各给 3-8 条量化范式（200ms/95%、1.5s FCP/90%、TLS 1.3、tokenize 卡号、retry 3×2s、1,000/s 排队、fraud score>70）；复杂条件给出嵌套层级、显式布尔、优先级、括号与兜底五步与多段示例。第一遍『量化阈值』结论逐条可定位。
- [ok] 案例数量与出处标注 — examples.md 标题清单：Example 1 拖延症消除器、Example 2 电商商品页、Example 3 学习仪表盘、Example 4 密码重置安全，加一个 Transformation Pattern Template；SKILL.md Resources 段自述『Four complete transformation examples (procrastination app, e-commerce product page, learning dashboard, password reset security)』与实读标题逐一对应。出处标注在 SKILL.md 与 examples.md 出现两次且互为一致。
- [ok] 对『改写是否会被当作事实核验』的找反例 — 通读 5 个文件，未发现任何『验证需求真实性/可达性』的步骤或声明，也没有针对输出自检的机制（checklist 只约束句式与粒度）。故 verdict.risks 中『只保证写法规范不保证内容正确』成立，且不构成夸大——SKILL.md 也未做此承诺。
6結論
最適な用途： 口語的で曖昧な機能アイデアを実行可能な仕様書へと落とし込む用途に最適です。プロジェクト着工前に仕様を策定するプロダクトマネージャーやテックリード、AIによるコード生成前にワンフレーズのアイデアを仕様化する場合、中国語の要件を英語仕様に整えて後続エージェントへ引き渡す場合、非機能要件（性能・セキュリティ）に定量的しきい値を補完したいプロジェクトなどに適しています。また、依存関係がなく純粋なテキストのみで構成されているため、他スキルの「要件標準化」サブプロセスとして組み込むのにも適しています。
不向きな用途： 事実確認や技術的正当性の保証が求められる用途には不向きです（記述の標準化のみを保証し、内容は検証しません）。すでに完成している正確な仕様（書き直しの必要がないもの）や、コードの自動生成や受入テストの自動実行を期待するユースケース（実装の生成やテストの実行は行わず、実行能力はありません）には適していません。また、セキュリティやコンプライアンスの意思決定に関わる公式文書にも適していません（理論の引用やサンプルパラメータは監査上の結論を構成するものではありません）。
Install Agent-Ready
① Verified Mirror 2026-09-15
Option A · Direct DownloadDownload prompt-optimizer.tar.gz
sha256:
Option B · Copy Guide for Agenta62c59842d84fe47…Agent はこの JSON ガイドから自動的にダウンロードして検証します。
② Upstream GitHub
GitHub Repo ↗
Pinned to commit d5c4678cb5.