スキルライフサイクルエンジン

生の会話から洗練された再利用可能なスキルへの7段階——完全自動化。

たとえ話：弟子から達人へ

武道の弟子は段階的に学びます：

活性化 — 師範が道場を開く。弟子が現れる。
圧縮 — 何百もの技が本質に凝縮される。無駄な動きはない。
抽出 — 各組手の後、弟子は何がうまくいき何がいかなかったかを振り返る。
再構築 — 弟子はゼロから技を再構築し、各動作がなぜ重要かを理解する。
蒸留 — 何年もの修練が、他者に教えられる少数の原則に圧縮される。
診断師 — 師範が弟子の型を検査し、微妙な欠陥を特定する。
ギャップ分析 — 「防御は強いが、カウンターが弱い。そこを鍛えよう。」

DuDuClawのスキルライフサイクルはこの過程を反映します——生の会話経験を構造化され、再利用可能で、共有可能なスキルに変換します。

仕組み

ステージ1：活性化

エージェント起動時、スキルローダーがSKILLS/ディレクトリを読み込み、インストール済みスキルを有効化：

Agent起動
     |
     v
SKILLS/ディレクトリをスキャン
     |
     v
各スキルファイルについて：
  - スキル定義を解析
  - フォーマットと依存関係を検証
  - SkillRegistryに登録
     |
     v
スキルがAgentのruntimeで利用可能に

ステージ2：圧縮

時間とともに、重複または冗長なスキルが蓄積される可能性があります。圧縮ステージがそれらを特定して統合：

スキルインベントリ分析
     |
     v
重複スキルを発見：
  - "complaint-handler-v1"と"complaint-handler-v2"が
    内容の80%を共有
     |
     v
単一の統一スキルにマージ
     |
     v
重複を除去、最良バージョンを保持

ステージ3：抽出

成功した会話の後、新しいスキルになりうるパターンを自動抽出：

会話が成功裏に完了
     |
     v
会話パターンを分析：
  - これは新規のアプローチか？
  - ユーザーは満足を表明したか？
  - このパターンは再現可能か？
     |
  +--+--+
  |     |
 はい   いいえ → スキル抽出なし
  |
  v
候補スキルを生成：
  - トリガー条件を特定
  - レスポンスパターンを抽出
  - 成功基準を定義
     |
     v
ステージ6（診断師）に品質チェックのため提出

ステージ4：再構築

漸進的改善ではなく、ゼロからの再構築が必要な場合。スキルの意図をリバースエンジニアリングし、よりクリーンな実装を生成：

既存スキル（時間とともに蓄積、雑然）
     |
     v
コア意図を分析：
  「このスキルは何を達成しようとしているか？」
     |
     v
原則から再構築：
  - より明確なトリガー条件
  - より簡潔なレスポンスパターン
  - より良いエラー処理
     |
     v
古いスキルを再構築バージョンに置き換え

ステージ5：蒸留

スキルを本質的なルールに圧縮——効果的に適用するために必要な最小限の知識：

完全なスキル（500行、詳細な例）
     |
     v
本質的ルールを特定：
  - コア原則（5-10ルール）
  - 重要な制約
  - 重要な判断ポイント
     |
     v
蒸留されたスキル（50行、純粋な原則）

ステージ6：診断師

スキルの品質管理。各スキルを検査：

レビュー対象スキル
     |
     v
チェック：
  - トリガー精度：適切なタイミングで発火するか？
  - レスポンス品質：良い結果を生み出すか？
  - 一貫性：他のスキルと矛盾しないか？
  - 完全性：エッジケースは処理されているか？
     |
     v
レポート：
  ✓ トリガー精度：94%
  ✗ エッジケース：多言語入力未対応
  ✓ 既存スキルとの矛盾なし

ステージ7：ギャップ分析

最終ステージ。エージェントの全体的なスキルポートフォリオを調査し、欠けている部分を特定：

会話履歴を分析
     |
     v
Agentが苦戦したパターンを特定：
  - 満足度スコアの低いトピック
  - クラウドAPIへのフォールバックが必要だったクエリ
  - 放棄された会話
     |
     v
ギャップレポート：
  「Agentはクレーム処理は得意（ステージ2スキル）だが、
   技術的な製品質問で苦戦。
   推奨：先週の5つの成功した技術会話からスキルを抽出。」

スキルマーケットプレイス

自己生成スキルに加え、コミュニティからスキルを発見・インストール可能：

GitHubライブインデックス

GitHub Search APIでリアルタイムにスキルリポジトリを検索：

検索クエリ："customer-support skill duduclaw"
     |
     v
GitHub Search API → 結果（24時間キャッシュ）
     |
     v
加重ランキング：Stars、活動頻度、フォーマット有効性、セキュリティスキャン結果

セキュリティスキャン

インストール前に、すべてのスキルが Rust ネイティブの Skill セキュリティスキャナー（skill_lifecycle::security_scanner）を通過：プロンプトインジェクションパターン、システムファイル変更、外部URL参照、難読化コンテンツをチェック。

MCPツール

ツール	用途
`skill_search`	GitHubのスキルを加重ランキングで検索
`skill_list`	エージェントごとのインストール済みスキルを一覧表示

なぜ重要か

複合学習

各会話がエージェントに何かを教えます。スキルライフサイクルがその学びをキャプチャし形式化します。

知識転送

スキルはエージェント間で共有可能。サポートエージェントから抽出されたスキルを営業エージェントにインストールできます。

品質管理

診断師とギャップ分析が、スキルの蓄積だけでなく改善を保証します。

コミュニティ

マーケットプレイスにより、ゼロからスタートする必要はありません。他者の実戦テスト済みスキルが数分でエージェントをブートストラップできます。

他システムとの連携

進化エンジン：スキルが予測エンジンに情報を提供。スキルが充実したAgentは予測エラーが少ない。
GVUループ：成功したGVUサイクル後にスキル抽出がトリガーされることが多い。
メモリシステム：スキルはメモリを補完——メモリは何が起きたかを覚え、スキルは何をすべきかを覚える。
CONTRACT.toml：スキルは契約境界内で動作する必要がある。
Dashboard：スキルマーケットプレイス、インストール済みスキル、ギャップ分析レポートがWebインターフェースで閲覧可能。

まとめ

スキルは生の経験と信頼できる能力の間の架け橋です。7段階のライフサイクルにより、すべての成功した会話がエージェントの恒久的な改善に貢献します——自動抽出、品質チェック、そして共有。エージェントは今日の会話を処理するだけでなく、明日の会話をより良く処理するために成長します。