Skill Candidates ガイド¶

Skill Candidates は、失敗した agent セッションから自動的に抽出される改善提案です。エラーから学習することで、AI アシスタントの能力を継続的に改善できます。

什么是 Skill Candidates？¶

Agent セッションが quality-gate チェックに失敗すると、AIOS は自動的に： 1. 失敗パターンを分析 2. 根本原因を特定（例：エラーハンドリングの欠落、エッジケース） 3. スキルパッチ草案を生成 4. スキル候補としてレビュー用に提示

フロー例¶

セッション失敗 → Learn-eval が分析 → スキル候補が生成 → レビュー → パッチ適用 → スキル改善

Skill Candidate 構造¶

各スキル候補には以下が含まれます：

フィールド	説明
`skillId`	パッチ対象スキル
`scope`	機能エリア（例：「authentication」「file-ops」）
`failureClass`	遭遇した失敗タイプ
`lessonKind`	改善タイプ（例：「error-handling」「edge-case」）
`lessonCount`	学んだ教訓の数
`patchHint`	提案されたコード/テキスト変更
`sourceDraftTargetId`	元の draft ID
`reviewStatus`	Pending/Approved/Rejected

Skill Candidates の表示¶

HUD から¶

# セッション状態とインラインで候補を表示
aios hud --show-skill-candidates

# 詳細ビュー（候補のみ、HUD なし）
aios hud --show-skill-candidates --skill-candidate-view detail

# 結果の制限
aios hud --show-skill-candidates --skill-candidate-limit 5

Team Status から¶

# すべての最近の候補を表示
aios team status --show-skill-candidates

# セッションでフィルター
aios team status --session <session-id> --show-skill-candidates

# アーティファクトファイルにエクスポート
aios team status --export-skill-candidate-patch-template

list コマンド¶

# 現在のセッションの候補をリスト
aios team skill-candidates list

# 特定のセッションのリスト
aios team skill-candidates list --session-id <session-id>

# JSON 出力
aios team skill-candidates list --json

Draft ID でフィルター¶

# 特定の draft からの候補のみ表示
aios team skill-candidates list --draft-id <draft-id>

# フィルター済み候補をエクスポート
aios team skill-candidates export --draft-id <draft-id>

パッチのエクスポート¶

アーティファクトファイルにエクスポート¶

# デフォルトの場所（セッションアーティファクトフォルダー）
aios team skill-candidates export

# カスタム出力パス
aios team skill-candidates export --output-path ./patches/my-fix.md

# draft フィルター付き
aios team skill-candidates export --draft-id <draft-id> --output-path ./draft-patch.md

エクスポート形式¶

エクスポートされたパッチテンプレートには以下が含まれます： - 候補メタデータ（スキル ID、scope、failure class） - 教訓の説明 - 提案されたパッチ内容 - 適用手順

パッチの適用¶

レビュープロセス¶

任意のパッチを適用する前に： 1. failure class を読む — 何が問題だったか理解 2. 教訓をレビュー — 何を得たか 3. patch hint を調べる — 提案された変更 4. パッチがスキルバージョンに適用可能か確認

apply コマンド¶

# 特定の候補を適用
aios skill-candidate apply <candidate-id>

# レビューモードで適用
aios skill-candidate apply <candidate-id> --review

# dry-run（変更のプレビュー）
aios skill-candidate apply <candidate-id> --dry-run

一括適用¶

# スキルのすべての保留中候補を適用
aios skill-candidate apply-all --skill <skill-id>

# 承認付きで適用
aios skill-candidate apply-all --skill <skill-id> --approve

Skill Candidate ワークフロー¶

ステップ 1: 候補を発見¶

# 失敗したセッションの後、候補を確認
aios hud --session <failed-session-id> --show-skill-candidates

ステップ 2: 候補をレビュー¶

# 詳細なレビュー用に詳細ビュー
aios hud --session <session-id> --show-skill-candidates --skill-candidate-view detail

# オフラインレビュー用にエクスポート
aios team skill-candidates export --session-id <session-id>

ステップ 3: パッチをローカルでテスト¶

# テストブランチを作成（git を使用する場合）
git checkout -b skill-patch-<skill-id>

# 手動でパッチを適用するか apply コマンドを使用
aios skill-candidate apply <candidate-id>

# テストを実行して確認
npm test

ステップ 4: 承認または却下¶

# パッチが動作する場合 — 承認
aios skill-candidate review <candidate-id> --approve

# パッチに問題がある場合 — フィードバックで却下
aios skill-candidate review <candidate-id> --reject --comment "エッジケース X を処理しない"

ベストプラクティス¶

優先順位付け¶

この順序で候補を適用： 1. 高頻度の失敗（同じ failure class が複数回出現） 2. 重要パスのスキル（認証、セキュリティ、データの整合性） 3. 簡単な成果（単一行の修正、明確な改善）

レビュ_guideline¶

レビューなしでは自動適用しない — 各パッチは人間の検証が必要
分離してテスト — パッチが既存の機能を壊さないか確認
競合を確認 — 複数パッチが同じコードを変更している可能性
決定を文書化 — 承認/却下の理由を記録

過学習の回避¶

1 回限りのエッジケースのパッチは適用しない
複数のセッション間でパターンを見つける
具体的な回避策より一般的な解決策を優先

Learn-Eval との統合¶

Learn-eval はスキル候補を生成するシステムです：

# 最近のセッションを分析するために learn-eval を実行
aios learn-eval --limit 10

# スキル候補を含む draft 推奨事項を表示

Learn-Eval 出力¶

Dispatch Hindsight Analysis:
- 分析されたペア: 15
- 繰り返されたブロックターン: 3
- 回帰: 1
- 上位 failure class: token-validation-edge-case

Draft 推奨事項:
[fix] skill-candidate-001
    スキル: authentication-handler
    Scope: token-validation
    Failure: edge-case-expired-token
    Lessons: 2
    Patch: 期限切れトークンの再試行ロジックを追加...

Quality-Gate 接続¶

スキル候補は quality-gate が失敗したときに生成されます：

Quality-Gate 結果¶

結果	説明
`ok`	セッション合格 — 候補は生成されない
`failed`	セッション失敗 — 候補が生成された可能性
`retry-needed`	リトライ必要 — 候補が生成される可能性

失敗カテゴリ¶

候補をトリガーする一般的な quality-gate 失敗カテゴリ： - clarity-needs-input — Agent が更なるユーザー入力を必要とする - sample.latency-watch — パフォーマンス問題 - dispatch.blocked — ジョブ実行がブロックされた - evidence.missing — 検証証拠の欠落

トラブルシューティング¶

失敗セッション後に候補がない¶

考えられる理由： - learn-eval がまだ実行されていない - 失敗がスキル改善機会として分類されなかった - セッションが quality-gate チェック閾値に合格しなかった

# 手動で learn-eval をトリガー
aios learn-eval --session <session-id>

# quality-gate 状態を確認
aios hud --json | jq '.selection.qualityGate'

候補パッチが適用できない¶

理由： - ターゲットスキルが候補生成後に変更された - パッチ形式が現在のスキル構造と互換性がない - 競合する変更

# 候補ソースバージョンを確認
aios team skill-candidates list --json | jq '.[0].sourceArtifactPath'

# 現在のスキルと比較
diff <(cat <source-artifact>) <(cat <current-skill-file>)

競合する複数の候補¶

複数の候補が同じスキルを変更する場合： 1. まずすべての候補をレビュー 2. 優先順位順（頻度、重大度）に適用 3. 各適用後にテスト 4. 競合する重複を却下

# スキルのすべての候補をリスト
aios team skill-candidates list --json | \
  jq '[.[] | select(.skillId == "target-skill-id")]'

高度な使用法¶

プログラムによるアクセス¶

# 候補を JSON で取得
aios team skill-candidates list --json > candidates.json

# failure class でフィルター
cat candidates.json | \
  jq '[.[] | select(.failureClass == "token-validation-edge-case")]'

# スキルごとにカウント
cat candidates.json | \
  jq 'group_by(.skillId) | map({skill: .[0].skillId, count: length})'

カスタム分析¶

# 時間経過、失敗パターンを分析
aios team history --quality-failed-only --json | \
  jq '[.[] | .skillCandidate] | group_by(.skillId)'

# 最も一般的な failure class を検索
aios team history --json | \
  jq '[.[] | .skillCandidate.failureClass] | unique'