when-optimizing-agent-learning-use-reasoningbank-intelligence

ユーザーが長い自然言語プロンプトに依存していると、繰り返し行う AI ワークフローは遅くなります。このスキルは、ルーティング、検証、チェーン化、ヘルプテキストを備えた簡潔なスラッシュコマンドを定義するのに役立ちます。

再利用可能なAIワークフローは、範囲が広くなりすぎてテストが難しくなりがちです。このスキルは、専門的なプロンプト、契約、検証計画を備えた焦点の明確なスキルの定義を支援します。

複雑なAI作業では、複数のスキル、モデル、品質チェックが必要になることがよくあります。このスキルは、ルーティング、サンドボックステスト、スウォーム連携、メモリを備えたカスケードの設計を支援します。

タスクに対して誤った Claude Code インターフェースを選ぶと、チームは時間を失います。このスキルは Web、CLI、またはハイブリッドな引き継ぎワークフローを推奨します。

チームには、RAG やナレッジベース向けに関連性の高いドキュメント検索が必要です。このスキルは、AgentDB のセットアップ、埋め込みの保存、インデックス作成、API 検索、関連性チューニングをガイドします。

手作業でのプレゼンテーション制作は、時間がかかり、一貫性を保ちにくい場合があります。このスキルは、Claude、Codex、またはClaude Codeが構造化されたPPTX生成と検証を進められるよう支援します。

エージェントは、過去のタスクから得た有用な教訓をしばしば失います。このスキルでは、AgentDBバックエンドのReasoningBankを使って、推論パターンを保存、判定、取得、蒸留する方法を示します。

結果が記録されないと、AIエージェントは有用な教訓を失います。このスキルでは、経験を記録し、パターンを学習し、より良い戦略を推奨する方法を示します。

学習者のオンボーディングでは、目標、コンテキスト、好みの学習スタイルを取りこぼすことがあります。このスキルは Claude、Codex、Claude Code に、確認済みの学習者プロフィールを作成する自然なインタビューをガイドします。

チームが明確な測定なしにプロンプトを変更すると、エージェントの品質は変動する可能性があります。このスキルは、ベースライン指標、プロンプト改善、テスト、ロールアウト、監視のための構造化されたワークフローを提供します。

多くのエージェントが1つのリポジトリを変更する場合、AI チームには安全な調整が必要です。このスキルは、コミット、学習トラジェクトリ、レビュー、競合削減のための Agentic Jujutsu ワークフローを文書化します。

科学データファイルは、形式ごとに構造やメタデータの保存方法が異なるため、調査が困難です。このスキルは形式を検出し、データ品質をプロファイリングし、実用的な Markdown EDA レポートを作成します。