skills/learn-ce-analyze/SKILL.md
02-01 CLAUDE.md 読解(必修)。実在の CLAUDE.md を読み、各セクションが AI にどんな情報を提供しているか分析する。
npx skillsauth add novel-jp/projsight-plugin learn-ce-analyzeInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
実在の CLAUDE.md を読み、各セクションの役割を分析する演習です。
所要時間: 約 60 分
前提: /learn-pc-compare(01-01)完了済み
スキル対応: Context Engineering(情報環境の設計)
タスクについて: この演習のタスクは
/learnハブから起動された際に自動作成されています。演習の最後(Step 4)で学習記録を ProjSight に保存し、タスクを完了します。
「Context Engineering — AI の『情報環境』を設計する力を学びます。
プロンプトそのものは情報のごく一部です。
たとえば 200 万トークンのコンテキストウィンドウに対して、
あなたが打つプロンプトは数百トークン — 全体の 0.02% にも満たない量です。
残りの 99.98%(コンテキスト)をいかに整えるかが勝負を分けます。
10 倍速い人は、10 倍良いプロンプトではなく、10 倍良いコンテキスト基盤を構築しています。
このセクションでは以下を学びます:
- CLAUDE.md の各セクションが AI にどんな情報を提供しているか
- その情報がないと AI がどう振る舞うか」
/CLAUDE.md)を Read ツールで読み込む補足: CLAUDE.md 内に登場する DR-xxxx や DD-xxxx という番号は、ProjSight に記録された意思決定記録(DR)や設計ドキュメント(DD)の参照先です。この演習では番号の中身を確認する必要はありません。
注意: 一度に全文を見せないこと。セクション単位で提示し、分析→解説を繰り返す。
.claude/skills/learn-data/claude-md-analysis.json を Read ツールで読み込む。
分析対象は以下の 6 セクション。前半(構造系) と 後半(ルール系) に分けて進める。
| グループ | # | セクション | AI にとっての役割 | | ------------------ | --- | -------------------------------------------------- | ------------------------------------------------- | | 前半: 構造系 | 1 | プロジェクト情報(ID、ビジョン、やらないこと宣言) | AI が「誰のために何を作り、何を作らないか」を知る | | | 2 | アーキテクチャ表 | AI が「何で構成されているか」を知る | | | 3 | DynamoDB 設計 | AI が「データをどう扱うか」を知る | | 後半: ルール系 | 4 | 主要な設計パターン | AI が「どう実装すべきか」を知る | | | 5 | Git ワークフロー | AI が「どう協働するか」を知る | | | 6 | デプロイ手順 | AI が「どう届けるか」を知る |
注記: 上記 6 セクションを重点的に分析します。CLAUDE.md の他のセクション(ドキュメント体系、環境変数など)は参考として読んでください。
各セクションについて、以下の問いを受講者に投げかける:
セクション 1 は 2 つの問い:
セクション 2・3 は 3 つの問い:
1 セクションずつ提示し、受講者に回答してもらう
回答後、claude-md-analysis.json の解説を見せて補足する
各セクションの分析・解説が終わったら「ここまで OK ですか? 次のセクションに進みましょう」と一言チェックインを入れる(特にセクション 3 の後は技術的内容が続くため、息継ぎとして重要)
セクション 3 に入る前に、まず受講者に確認する:
「DynamoDB や Single Table Design に馴染みはありますか?」
「DynamoDB を知らなくても大丈夫です。
このセクションは『AI にデータの扱い方を教える地図』だと思ってください。
PK/SK や GSI といった用語の意味を理解する必要はありません。
大事なのは『この地図がなかったら AI はどこで道に迷うか?』です。
たとえば AI が新しいデータ保存コードを書くとき、
テーブル名もキーの構造も知らなかったらどうなるでしょう?」
前半 3 セクションの分析が終わったら、後半に進む前に小休止を入れる:
「ここまで、プロジェクトの基本情報・技術構成・データ設計を見てきました。
これらは AI が『何を、何で、どう扱うか』を知るための情報でした。
ここからの後半 3 セクションは『ルール系』— AI がどう振る舞うべきかのガイドラインです。
少し性質が変わるので、視点を切り替えて進みましょう。」
中間振り返りの後、受講者に後半の進め方を選んでもらう:
「後半の 3 セクション(設計パターン・Git ワークフロー・デプロイ手順)は、
1 セクションずつ進めることも、まとめて一括で分析することもできます。
A) 1 セクションずつ進める(じっくり分析したい方向け)
B) 3 セクションをまとめて提示し、一括で分析する(パターンが掴めた方向け)
どちらで進めますか?」
後半は 2 つの問い に絞る(問 3「転用するなら」は次の演習 /learn-ce-design で実践するため省略):
セクション 6 の解説では、以下の注意点も補足すること:
注意: CLAUDE.md は Git にコミットされるファイルです。パブリックリポジトリでは、S3 バケット名や CloudFront ID などのインフラ識別子の記載に注意が必要です。何を書くべき/書くべきでないかの判断は 02-02(CLAUDE.md 設計)で詳しく扱います。
受講者に 能動的に振り返ってもらう。AI が勝手にまとめるのではなく、以下の問いを投げかけて受講者自身の言葉を引き出すこと:
受講者の回答を受け取ったら、upsert_task で ProjSight に記録する:
記録後、complete_work(taskId) で完了にする。
完了したら受講者に伝える: 「あなたの学習記録が ProjSight に保存されました。」
「CLAUDE.md はプロジェクトの『取扱説明書』です。
AI がこのファイルを読むことで、あなたに質問せずに適切な判断ができるようになります。
ポイント:
- プロンプトは氷山の一角。コンテキスト基盤こそが AI の性能を決める
- CLAUDE.md は人間のオンボーディング資料としても機能する
次の /learn-ce-design では、自分のプロジェクト用 CLAUDE.md を設計します。
今日の分析で得た視点を活かして、実際に書いてみましょう。」
tools
タスクを作成・紐づけ・開始する。コーディング前に必ずこのコマンドを実行すること。
data-ai
AI ガイド付きリスクアセスメント。未対応リスクを1件ずつレビューし、選択肢・推奨・具体的対応内容を提示する。
tools
タスク記述の品質をレビューし、改善提案を出す。学習・本番共用の汎用スキル。
testing
DR(Decision Record)の品質をレビューし、改善提案を出す。学習・本番共用の汎用スキル。