grilling
構築前にあらゆる計画をストレステストする
計画が失敗するのは、隠れた前提が検証されずに残ることが原因となりがちです。このスキルは、AIが設計のあらゆる側面についてユーザーを粘り強くインタビューし、ギャップを明らかにし、依存関係を一つずつ解決します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「grilling」を使用しています。 Grill me on my plan to add dark mode to my React app.
期待される結果:
どのようなスタイリング手法を検討していますか — CSS変数、テーマプロバイダーライブラリ、それ以外でしょうか？トグルロジックを最小限に抑え、SSRでもうまく機能するため、CSS変数とThemeProviderコンテキストの使用をお勧めします。
[次の質問に進む前にユーザーの応答を待つ]
「grilling」を使用しています。 I'm planning to switch from REST to GraphQL. Grill me.
期待される結果:
主な動機は何ですか — 過剰フェッチの削減、クライアントの簡素化、それ以外でしょうか？移行のコスト面の根拠として最も強力になるため、まず過剰フェッチを軸にすることをお勧めします。
[次の質問に進む前にユーザーの応答を待つ]
セキュリティ監査
安全Static analysis flagged 3 instances of 'Weak cryptographic algorithm' at SKILL.md:3 and SKILL.md:6. After manual review, all 3 are FALSE POSITIVES — the file contains only plain markdown text (a skill description and instructions for an interview workflow) with no executable code, no cryptographic operations, and no security-relevant patterns. The file is 11 lines of natural language instructions with no scripts, network calls, filesystem access, or external commands.
検出されたパターン
品質スコア
作れるもの
アーキテクチャ決定のレビュー
コードを書く前に、AIにすべての前提と依存関係に挑戦させることで、提案されたシステムアーキテクチャをストレステストする。
製品ロードマップの検証
製品計画を一つのブランチずつ順に進め、シーケンスや依存関係の質問を一つずつ解決する。
サイドプロジェクト案の圧力テスト
趣味やサイドプロジェクトに時間を投資する前に、grillingワークフローを使用して計画の弱点を発見する。
これらのプロンプトを試す
Grill me on my plan to add a user notification system to my app.
I'm designing a microservices architecture for a logistics platform. Grill me on every aspect until we reach a shared understanding.
Grill me about my migration plan from PostgreSQL to MongoDB, focusing on how each decision depends on the others.
Grill me about my plan to refactor the authentication module. Explore the codebase first before asking questions.
ベストプラクティス
- 明確で具体的な計画の説明から始めて、AIが何を質問すべきか把握できるようにする
- 各質問には正直に答える — 価値は弱い前提を明らかにすることにあるのであり、それを守ることではない
- 推奨回答を出発点として参考にしつつ、最終的な決定は自分で行う
- 関連する場合にはコードベースの探索を許可する — 手動で答える必要がある質問の数を減らすことができる
回避
- 即座の実行やコード生成が必要なタスクにはこのスキルを使用しない
- 複数の質問を一度に期待しない — このスキルは意図的に一度に一問ずつ進める
- コーチングの価値を損なうため、AIに続行を求める際に推奨回答の提供を省略しない