investigate

Issue作成・実装前の事前調査を行い調査レポートを生成。コードベース理解、影響範囲特定、技術リスク洗い出しに使用

📖 中文导读:Issue作成・実装前の事前調査を行い調査レポートを生成。コードベース理解、影響範囲特定、技術リスク洗い出しに使用 以下正文为该技能的原始 SKILL.md 内容(英文),上方安装命令可直接使用。

name: investigate description: Issue作成・実装前の事前調査を行い調査レポートを生成。コードベース理解、影響範囲特定、技術リスク洗い出しに使用 context: fork arguments:

  • name: target description: 調査対象(機能名、問題、アイデア) required: true
  • name: purpose description: 調査目的(issue/implementation/analysis) required: false default: "issue" allowed-tools:
  • Read
  • Grep
  • Glob
  • LS
  • Bash(git log:*)
  • Bash(git diff:*)
  • Bash(ls:*)
  • Bash(cat:*)
  • Bash(mkdir:*)
  • Bash(python3:*)
  • mcp__o3__o3-search
  • mcp__o3-search__o3-search
  • WebSearch
  • WebFetch
  • Task
  • Write hooks: Stop:
    • hooks:
      • type: command command: |

        調査連携データの保存状態をチェック

        LATEST=~/.claude/cache/investigations/latest.json if [ -f "$LATEST" ]; then MOD_TIME=$(stat -f %m "$LATEST" 2>/dev/null || stat -c %Y "$LATEST" 2>/dev/null) NOW=$(date +%s) DIFF=$((NOW - MOD_TIME)) if [ $DIFF -lt 300 ]; then echo "✅ 調査連携データが保存されました(/issue で自動読み込み可能)" else echo "⚠️ 調査連携データが古いです。Step 6 で save-report.py を実行してください" fi else echo "⚠️ 調査連携データがありません。Step 6 で save-report.py を実行してください" fi timeout: 3000

/investigate - 調査スキル

Issue作成・実装前の事前調査を行い、調査レポートを生成します。

目的

  • 実装前に既存コードベースを理解する
  • 影響範囲を特定する
  • 技術的な制約・リスクを洗い出す
  • 適切なアプローチを選定する

実行フロー

Step 1: 調査対象の確認

ユーザーに以下を確認:

  1. 調査対象: 何を調査するか(機能名、問題、アイデア)
  2. 調査目的: なぜ調査するか(Issue作成のため、実装方針決定のため等)

Step 2: コードベース調査

2.1 関連ファイル探索

# パターンで検索
Glob: src/**/*{keyword}*.{ts,tsx}

# コード内検索
Grep: {keyword}

2.2 既存実装の理解

  • 関連コンポーネント・関数を読む
  • データフロー(props, state, API)を追跡
  • 依存関係を確認

2.3 技術スタック確認

  • 使用ライブラリ・フレームワーク
  • 既存パターン(コーディング規約)
  • テスト方針

2.4 高度な技術調査(o3-search統合)

複雑な技術課題の場合、o3-searchを活用:

mcp__o3-search__o3-search({
  input: "React Server Components best practices 2025"
})

活用シーン:

  • 最新フレームワークのベストプラクティス調査
  • パフォーマンス最適化手法の調査
  • セキュリティ対策の調査

2.5 デザインシステム調査(UI機能の場合)

UI/UX変更を伴う機能の場合、以下を必ず調査:

# registry.json 存在確認
ls registry.json src/registry.json .design-system/registry.json 2>/dev/null

# Storybook 確認
ls -la .storybook/ 2>/dev/null

# 既存UIコンポーネント一覧
ls -la src/components/ui/

# デザイントークン確認
ls -la src/styles/tokens/ 2>/dev/null

確認項目:

  • registry.json が存在するか
  • Storybook が設定されているか
  • 再利用可能なコンポーネントがあるか
  • デザイントークン(色、タイポグラフィ)が定義されているか

デザインシステムがない場合: → UI開発前にデザインシステム構築ガイドに従って構築を推奨

Step 3: 影響範囲分析

観点 チェック項目
Frontend 変更が必要なコンポーネント、ページ
Backend 変更が必要なAPI、サーバーアクション
Database スキーマ変更、マイグレーション
テスト 影響を受けるテスト、追加が必要なテスト

Step 4: リスク・制約の洗い出し

  • 技術的負債
  • 破壊的変更の可能性
  • パフォーマンス影響
  • セキュリティ考慮事項

Step 5: 調査レポート生成

以下の形式でレポートを作成し、docs/investigations/ に保存:

# 調査レポート: {タイトル}

**調査日**: {date}
**調査者**: Claude Code
**目的**: {purpose}

## サマリー

{3-5行で調査結果の要約}

## 調査対象

{調査した機能・問題の説明}

## 現状分析

### 関連ファイル

| ファイル | 役割 | 変更要否 |
|---------|------|---------|
| `path/to/file.ts` | {role} | {yes/no/maybe} |

### データフロー

{データの流れを図示}


### 依存関係

- {dependency1}
- {dependency2}

## 影響範囲

### Frontend
- {component1}
- {component2}

### Backend
- {api1}

### Database
- {table1}

### デザインシステム(UI機能の場合)

| 項目 | 状態 | 詳細 |
|------|------|------|
| registry.json | ✓ / ❌ | {path or "未設定"} |
| Storybook | ✓ / ❌ | {status} |
| 再利用可能コンポーネント | {count}件 | {list} |
| デザイントークン | ✓ / ❌ | colors, typography, spacing |

**既存コンポーネント(再利用推奨):**
- {component1}
- {component2}

**新規作成が必要なコンポーネント:**
- {new-component1}

## 技術的考慮事項

### リスク
- {risk1}
- {risk2}

### 制約
- {constraint1}

## 推奨アプローチ

### 案1: {approach1}
- **概要**:
- **メリット**:
- **デメリット**:

### 案2: {approach2}
- **概要**:
- **メリット**:
- **デメリット**:

## 結論・推奨

{推奨するアプローチと理由}

## 次のステップ

1. [ ] Issue作成
2. [ ] 要件定義PR作成
3. [ ] 実装開始

Step 6: レポート保存と連携データ生成

# ディレクトリ作成(なければ)
mkdir -p docs/investigations

# レポート保存
Write: docs/investigations/{date}-{slug}.md

重要: 調査完了後、必ず連携スクリプトを実行して /issue との自動連携を有効化:

python3 ~/.claude/skills/investigate/scripts/save-report.py --save \
  --title "調査タイトル" \
  --summary "サマリー(3-5行)" \
  --report-path "docs/investigations/xxx.md" \
  --recommended "案A" \
  --recommended-reason "推奨理由" \
  --affected "frontend,backend,database" \
  --risks "リスク1,リスク2" \
  --existing-system "システム名" \
  --approaches-json '[{"name":"案A名","summary":"概要","pros":"メリット","cons":"デメリット","effort":"小"},{"name":"案B名","summary":"概要","pros":"メリット","cons":"デメリット","effort":"中"}]'

これにより以下が自動実行される:

  • ~/.claude/cache/investigations/investigation_YYYYMMDD_HHMMSS.json 保存
  • ~/.claude/cache/investigations/latest.json シンボリックリンク更新
  • /issue で自動読み込み可能に

出力

調査完了後、以下を報告:

  1. 調査レポートのパス: docs/investigations/{filename}.md
  2. サマリー: 3-5行で要約
  3. 推奨アプローチ: 最も推奨する方針
  4. 次のアクション: /issue でIssue作成を促す

使用例

User: トップページの検査コード入力を廃止して、直接検査選択画面にしたい
Assistant: 調査を開始します...

[調査実施]

調査完了しました。

📄 レポート: docs/investigations/2025-01-07-landing-page-redesign.md

📝 サマリー:
- 現在のトップページは検査コード入力が必須
- AssessmentSelectorコンポーネントは既に作成済み
- 候補者作成APIの新規追加が必要

🎯 推奨アプローチ:
トップページにCandidateInfoForm + AssessmentSelectorを統合

👉 次のステップ: /issue で Issue作成