context-driven-development
81コンテキスト駆動開発を管理する
AI支援プロジェクトでは、プロダクト目標、スタック選定、ワークフロールールが散在すると一貫性が失われます。このスキルは、Conductor のコンテキスト成果物を通じて Claude、Codex、Claude Code を導きます。
本番環境向けLLMプロンプトを最適化
LLMプロンプトは、指示、例、評価基準が不明確なために失敗することがよくあります。このスキルは、Claude、Codex、Claude Code、および同様のツールでプロンプトを改善するためのテンプレートとワークフローを提供します。
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "prompt-engineering-patterns" from https://skillstore.io/skills/wshobson-prompt-engineering-patterns.md and its manifest at https://skillstore.io/api/skills/wshobson-prompt-engineering-patterns/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
「prompt-engineering-patterns」を使用しています。 顧客メッセージを分類するための曖昧なサポートプロンプト。
期待される結果:
許可されたラベル、入力の境界、出力形式、請求、配送、キャンセル、テクニカルサポートの例を含む、より明確な分類プロンプト。
「prompt-engineering-patterns」を使用しています。 データアナリストアシスタント向けのシステムプロンプト。
期待される結果:
アナリストの専門知識、必要な前提、結果形式、不確実性の扱い、裏付けのない主張への制限を定義する、構造化されたシステムプロンプト。
「prompt-engineering-patterns」を使用しています。 競合する2つの要約プロンプト。
期待される結果:
代表的なテストケース、採点指標、失敗カテゴリ、より良いプロンプトを選ぶための基準を含む評価計画。
The audit found one real medium-risk filesystem issue: scripts/optimize-prompt.py writes optimization results to a caller-provided filename. The remaining static hits are false positives from documentation examples, JSON snippets, Python dictionary key access, and Markdown code fences. No evidence found of malicious prompt injection or data exfiltration intent in the reviewed files.
これらは、このスキルに期待される可能性のある実際のローカル機能であるため、レビューが必要ですが、確認済みの悪意ある動作としてはカウントされません。
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
https://skillstore.io/skills/wshobson-prompt-engineering-patterns/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/wshobson-prompt-engineering-patterns?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/wshobson-prompt-engineering-patterns?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/wshobson-prompt-engineering-patterns/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/wshobson-prompt-engineering-patterns.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>wshobson. (2026). prompt-engineering-patterns security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/wshobson-prompt-engineering-patterns/audits/7@techreport{wshobson-wshobson-prompt-engineering-patterns-2026,
author = {wshobson},
title = {prompt-engineering-patterns security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/wshobson-prompt-engineering-patterns/audits/7},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "prompt-engineering-patterns security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "wshobson"
date-released: "2026-07-08"
url: "https://skillstore.io/skills/wshobson-prompt-engineering-patterns/audits/7"
identifiers:
- type: other
value: "skillstore:wshobson-prompt-engineering-patterns:audit:7"
description: "Skillstore immutable audit report identifier"
各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
サポート、分類、要約、構造化生成ワークフロー向けの再利用可能なプロンプトテンプレートを作成します。
測定可能な正確性、レイテンシ、トークン使用量、成功率の指標でプロンプトのバリアントをテストします。
例とリファレンスガイドを使って、few-shot learning、推論プロンプト、システムプロンプト構造を説明します。
明確さと一貫性のためにこのプロンプトを改善してください。同じ目的を維持し、期待される出力を定義し、不足している情報を列挙してください: {prompt}{task}のためのfew-shotプロンプトを作成してください。3つの例、一貫した入力ラベルと出力ラベル、1つのエッジケースを含めてください。各例を選んだ理由を説明してください。{domain}を扱うアシスタント向けのシステムプロンプトを作成してください。ロール、専門知識、境界、出力形式、エスカレーションルール、安全上の制約を含めてください。このプロンプトの最適化計画を作成してください: {prompt}。テストケース、指標、プロンプトのバリアント、失敗分析の手順、ロールアウト基準を定義してください。作成者
wshobsonライセンス
MIT
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
64ca8af0f54a325752f08bd54e52151061ea659a
メンテナンスの新しさ
2026/7/24
利用状況
141 ダウンロード · 580 閲覧
コンテキスト駆動開発を管理する
AI支援プロジェクトでは、プロダクト目標、スタック選定、ワークフロールールが散在すると一貫性が失われます。このスキルは、Conductor のコンテキスト成果物を通じて Claude、Codex、Claude Code を導きます。
スタートアップ向け財務モデルを構築する
スタートアップチームは、採用、資金調達、資金使途を計画する前に、明確な予測を必要とします。このスキルは、収益、コスト、ランウェイ、シナリオを実務的な財務計画アウトプットとして整理します。
意思決定を促進するKPIダッシュボードを設計する
チームは多くの数値を表示するだけで、行動につながらないダッシュボードを作りがちです。このスキルは、Claude、Codex、Claude Codeが意味のあるKPIを選定し、ビューを構成し、指標を明確に提示するのに役立ちます。
非難しないインシデント事後分析を書く
インシデントレビューは、一貫性がなくなったり、非難に焦点が当たったり、実行に移しにくくなったりしがちです。このスキルは、Claude、Codex、Claude Code が、明確なタイムライン、根本原因、担当者を含む構造化された事後分析を作成するのに役立ちます。
明確なデータストーリーを構築
生の指標だけでは、ステークホルダーを説得したり意思決定を支援したりするには不十分なことがよくあります。このスキルは、Claude、Codex、Claude Code が分析を明確なナラティブ、ビジュアル、推奨事項へと整理するのを支援します。
実践的なパターンで Python をリファクタリングする
Python プロジェクトでは、複雑に絡み合ったクラス、混在した責務、早すぎる抽象化が蓄積されがちです。このスキルは、Claude、Codex、Claude Code がよりシンプルな構造、明確な境界、テストしやすいコンポーネントへ向かうよう導きます。
LLMプロンプトとエージェント指示の最適化
作成者 89jobrien
弱いプロンプトはモデル出力の一貫性を損ない、AI機能開発を遅らせます。このスキルは、Claude、Codex、Claude Code向けに、プロンプト、例、制約、出力形式を構造化するのに役立ちます。
再利用可能なAIプロンプトテンプレートを設計する
作成者 92Bilal26
繰り返し行うAIタスクは、有用なプロンプトパターンが非公式なまま残るため、しばしば一貫性を失います。このスキルは、実証済みのプロンプトをパラメータと成功基準を備えた再利用可能なテンプレートに変換するのに役立ちます。
Prompt ArchitectでAIプロンプトを最適化
作成者 DNYoussef
弱いプロンプトは、一貫性のないAI出力を生み、レビューサイクルを遅くします。このスキルは、プロンプトを改善し、テストし、変更を文書化するための構造化されたプロセスを提供します。
軽量モデルの精度を向上
作成者 supercent-io
重要な情報の後に質問が来る場合、軽量モデルは文脈を見落とすことがあります。このスキルは、選択したタスクの精度を向上させるため、適切なプロンプトをガードレール付きで繰り返します。
Prompt EngineerでAIプロンプトを最適化
作成者 sickn33
目標が曖昧だったり複雑だったりすると、明確なプロンプトを書くのは困難です。このスキルは、実績のあるプロンプトフレームワークを使って、粗い依頼を構造化されたプロンプトに変換します。
実証済みパターンでAIプロンプトを改善する
作成者 sickn33
弱いプロンプトは、一貫しないAI結果と無駄なレビュー時間を生みます。このスキルは、信頼できるプロンプトのための明確なパターン、テンプレート、テスト方法を提供します。