novel-jp/learn-pc-rewrite

/learn-pc-rewrite — タスク記述の改善（01-02）

「悪いタスク記述」を読み、品質基準に基づいて改善版を書く演習です。

所要時間: 約 45 分 前提: /learn-pc-compare 完了済み スキル対応: Prompt Craft（指示の構造化）

---

Step 1: 導入

「ProjSight に登録された 4 件のタスク記述を読んで、改善版を書く演習です。

各タスクの description を読み、以下の 4 観点で改善してください:
✅ 背景（なぜやるか）
✅ 対応内容（具体的に何をするか）
✅ 完了条件（検証可能な基準）
✅ 制約（やらないこと）

前回の比較演習で体感した「構造化された指示」の力を、
タスク記述に応用する練習です。」

---

Step 2: 悪いタスク記述 4 件を提示

データの読み込み

1. .claude/skills/learn-data/bad-tasks.json を Read ツールで読み込む
2. JSON の各オブジェクトの title と description を使用する
3. issues と learningPoint はフィードバック時の参考情報（受講者には見せない）
4. exampleFix は受講者が改善案を書いた後の比較用（Step 3 で使用）
5. bad-5 は使用しない（bad-2 と学習ポイントが重複するため除外）

演習順序

学習効果を考慮し、以下の順番で進める:

1. bad-1 — 最も典型的な「曖昧さ」のパターン
2. bad-3 — 権限・ロール設計を含み、構造化の深掘りに適している
3. bad-2 — 主観的な表現を定量化するパターン
4. bad-4 — テスト追加タスクの構造化

サンプルタスクの投入

/learn-setup で作成した学習プロジェクトに演習用タスクを登録する。

学習プロジェクトの projectId は list_projects で取得し、list_tasks(projectId) で既存タスクを確認する。

学習プロジェクトにタスクが配置されていない場合、bad-tasks.json の 4 件（bad-1〜bad-4）を upsert_task で学習プロジェクトに登録してから改善演習を行う:

「改善対象のサンプルタスクを学習プロジェクトに登録します。
登録後、1 件ずつ description を改善していきましょう。

具体的な数値や状況は自由に想定して構いません。
この演習の評価ポイントは「構造が正しいか」です。」

既に同名タスクが存在する場合はスキップする。

---

Step 3: 1 件ずつ改善

各タスクについて以下の手順で進める:

1. 問いかけ: 「このタスク記述の問題点は何ですか？」
2. 受講者の回答を待つ
3. ヒントが必要なら 4 観点のチェックリストを再提示:
   • 背景: 「なぜやるか」が書かれているか？
   • 対応内容: 具体的な変更箇所・操作が書かれているか？
   • 完了条件: Yes/No で判定できる検証項目があるか？
   • 制約: やらないこと・スコープ外が明記されているか？
4. 受講者に改善版を考えてもらう
5. 改善版を確認し、フィードバックを提供
6. upsert_task(taskId, description) で改善版を学習プロジェクトに書き戻す

模範解答の提示ルール

• 1 件目（bad-1）: 受講者の改善版を書き戻した後、必ず bad-tasks.json の exampleFix.description を模範解答として提示し、比較させる。受講者が困っていなくても提示する
• 2〜4 件目: 受講者が困っている場合のみ模範解答を提示する

模範解答は「唯一の正解」ではないことを伝え、受講者自身の改善版と比較させる。

ペース配分

• 最初の 3 件（bad-1, bad-3, bad-2）は丁寧に: 問題点の特定 → 改善版作成 → フィードバック → 書き戻しをフルサイクルで実施
• 4 件目（bad-4）はテンポよく: 問題点の確認と改善版を短めに進める
• 3 件完了時点で十分な学びが得られていると判断できる場合（受講者が 4 観点を自力で適用できている）、4 件目はスキップしても構わない

---

Step 4: /review-task で自己評価

改善版を upsert_task で書き戻した後、/review-task を実際に実行して品質を客観評価する。

「改善したタスク記述の品質を `/review-task` でチェックしてみましょう。
実際にレビュースキルを使って、改善前後の差を確認します。」

手順

1. 改善版が upsert_task で書き戻し済みであることを確認する
2. /review-task を実行し、レビュー結果を受講者に見せる
3. レビュー結果を読み合わせ、改善前後でどこが良くなったかを具体的にフィードバックする

/review-task は今後の開発でも使える実用ツールであることを伝える:

「/review-task はいつでも使えます。
自分でタスクを書いた後、提出前にセルフチェックする習慣をつけると効果的です。」

---

Step 5: 振り返り

「4 件の改善を通じて、良いタスク記述のパターンが見えてきましたか？

共通するポイント:
1. 「おかしい」「遅い」「足りない」→ 具体的に何が、どう問題なのかを書く
2. 「直す」「改善する」「追加する」→ 具体的にどのファイル、どの関数、何をするかを書く
3. 完了条件は「〜できること」ではなく「〜した結果、〜が確認できること」
4. やらないことを明記することで、スコープの膨張を防ぐ

次の /learn-pc-write では、ゼロから自分でタスクを書きます。
改善するより難しいですが、ここで学んだパターンを活かしてください。」

---

注意事項

• 受講者自身に問題点を見つけてもらうことが重要。すぐに答えを教えない
• 模範解答は「唯一の正解」ではないことを伝える
• 模範解答を提示する際、技術用語の詳細（Lighthouse、Cognito、lazy loading 等）ではなく 構造のパターン に注目するよう促す。「技術用語の詳細はここでは重要ではありません。4 観点がどう適用されているかに注目してください」
• 受講者の業務経験に応じて、より実践的な例を追加してもよい
• 演習タスクは必ず /learn-setup で作成した学習プロジェクトに登録する。本番プロジェクトには登録しないこと