エージェント型要件エンジニアリング

• Break Down Complex Requirements – 選択した要件を分析し、元の意図を維持したまま、より小さく個別にテスト可能な要件に分割します。

  プロンプト例:

  Break down these requirements.

• Apply Requirement Writing Standards – 要件をレビューし、組織の要件記述ガイドラインに従って書き直します。一般的なチェックには、曖昧さ、検証不可能な表現、アクターの欠落、不明確な受け入れ基準などが含まれます。

  プロンプト例:

  Rewrite these requirements according to our requirement quality standard.

• Translate Requirements – 技術的な意味、用語、ID、トレーサビリティ参照を維持したまま、要件をある言語から別の言語へ翻訳します。

  プロンプト例:

  Translate these requirements to German.

• Classify Requirements – Electronics、Mechanical、Software、Safety、Security、またはその他の企業固有の分類体系など、組織の分類スキームを要件に適用します。

  プロンプト例:

  Classify these requirements according to our applicability model.

• Generate Verification Criteria – 要件を分析し、コンプライアンスを常に同じ方法で実証するために使用できる検証方法、受け入れ基準、または試験条件を提案します。

  プロンプト例:

  Generate verification criteria for these requirements.

• Summarize a Specification/Section/Group of Requirements – 仕様、要件セクション、または要件セットの簡潔で構造化された要約を生成します。

  プロンプト例:

  Summarize the selected requirements.

優れたスキルは、AI が次の 2 つを理解する助けになります。

• そのスキルをいつ使うべきか

• スキル実行時に AI が何をすべきか

スキルを定義する際、 

これは 3 つのフィールドで表現され、それぞれのフィールドには異なる目的があります。

• Name – ユーザーがスキルを識別するのに役立ちます。

• Short Description – AI がそのスキルの関連性を判断するのに役立ちます。

• Instructions – スキルが選択された後に AI が従うべき動作を定義します。

各フィールドの詳細については、以下のセクションを参照してください。

名前

Name は短く、明確で、行動指向であるべきです。これにより、そのスキルが何をすることを意図しているのかをすばやく理解できます。優れた名前は通常、その動作と、そのスキルが扱うエンジニアリングデータの種類を表します。

優れたスキル名は次の条件を満たす必要があります。

• 他のスキルと区別できる程度に具体的であること

• スキル一覧で簡単に見渡せる程度に短いこと

• スキルが実行する主なタスクに焦点を当てていること

• ユーザーが自然に理解できる言葉で書かれていること

広すぎたり一般的すぎたりする名前は避けてください。その名前が多くの異なるタスクに当てはまるなら、おそらく十分に具体的ではありません。

短い説明

Short Description は、AI がそのスキルの内容と、いつトリガーすべきかを理解するのに役立ちます。このフィールドは重要です。というのも、スキルを手動で選択する必要がないためです。アシスタントはユーザーのプロンプトを分析し、利用可能なスキルと比較して、そのスキルが関連するかどうかを判断します。

優れた短い説明では、次の内容を説明する必要があります。

• そのスキルが実行するタスク

• 適用対象となるエンジニアリングデータの種類

• そのスキルを使用すべきタイミング

• そのスキルによって期待される成果

短い説明は簡潔であるべきですが、曖昧であってはなりません。AI が類似スキルと区別できるだけの十分な文脈を含める必要があります。

弱い短い説明は、そのスキルが属する分野しか示しません。強い短い説明は、具体的なタスク、期待される文脈、トリガーとなる状況を説明します。たとえば、「要件を支援する」スキルのように説明するのではなく、そのスキルが要件品質をレビューするのか、複雑な要件を分解するのか、要件テキストを翻訳するのか、競合を検出するのか、検証基準を生成するのか、あるいは別の特定の動作を行うのかを説明すべきです。

短い説明がスキルの目的と使用文脈を適切に説明しているほど、アシスタントはそれをいつ適用すべきかをより確実に判断できます。

指示

Instructions は、スキルが選択された後に AI が何をすべきかを定義します。これは、スキルの動作を制御するうえで最も重要なフィールドです。短い説明は AI がそのスキルをいつ使うかを判断する助けになりますが、指示はスキルをどのように実行すべきかを定義します。 優れた指示は、明確なステップごとのガイダンスとして記述されるべきです。最終出力だけでなく、その出力を生成する際に AI が従うべき推論や制約も説明する必要があります。

指示では次の点を説明する必要があります。

• What the AI should analyze first – 通常、アシスタントは何かを変更または生成する前に、エンジニアリング上の意図、文脈、構造、または関係性を理解すべきです。

• What steps the AI should perform – 出力が再現可能で予測可能になるよう、動作は明示的な手順に分解されるべきです。

• What the AI should preserve – これには、元の意図、要件 ID、技術用語、単位、値、制約、参照、適用範囲、階層、またはトレーサビリティの文脈が含まれる場合があります。

• What the AI must not do – 優れたスキルは、AI が不足しているエンジニアリング詳細を捏造したり、意図を変更したり、新しい前提を持ち込んだり、ユーザーの確認なしに変更を適用したりしないよう、明示的に防止します。

• How the AI should handle uncertainty – 情報が不足している、曖昧である、または不十分である場合、推測するのではなく、その問題を明確に示すよう AI に指示すべきです。

• What output format is expected – 結果を表、箇条書き、書き換えたテキスト、要約、チェックリスト、または構造化レポートのいずれで返すかをスキルで定義すべきです。

優れた指示は、アシスタントが仕様、妥当性確認、設計判断、または後続実装に影響するデータを扱う可能性があるため、エンジニアリング作業では特に重要です。したがって、そのスキルは、過度に断定的になることなく有用に機能するよう AI を導く必要があります。

その他の注意事項

• 目的は長いプロンプトを書くことではありません。目的は、AI のための明確な運用手順を定義することです。

• Keep Skills Focused

  スキルは、1 つの反復可能なタスクをうまく実行すべきです。

  1 つのスキルで多くのことをしようとすると、アシスタントがいつ使うべきかを判断しにくくなり、ユーザーも出力を信頼しにくくなります。たとえば、要件分解、翻訳、品質レビュー、トレーサビリティ分析、検証生成を、意図的に 1 つの厳密に定義されたワークフローの一部としているのでない限り、1 つのスキルにまとめるべきではありません。

  スキルの目的上、複数の無関係なアクションが必要な場合は、別々のスキルに分割してください。

• Define Boundaries Clearly

  優れたスキルは境界を明確にします。

  これは、要件、仕様、エンジニアリングデータを扱う場合に特に重要です。アシスタントは、自分が何を変更してよいのか、何を提案のみにすべきか、何を決して仮定してはいけないのかを理解している必要があります。

  有用な境界の例:

  • 元のエンジニアリング上の意図を変更しない

  • 値、制約、設計判断を捏造しない

  • ID や参照を削除しない

  • 不足している検証方法を仮定しない

  • ユーザーの確認なしに変更を自動適用しない

  • 不明確な情報を事実として扱わない

  明確な境界は、もっともらしいが誤ったエンジニアリング出力のリスクを低減します。

• Define the Output Format

  スキルは、結果の返し方を AI に指示すべきです。

  一貫した出力形式により、スキルはレビュー、比較、再利用が容易になります。

  スキルに応じて、出力は次のような形式になります。

  • 表

  • 箇条書き

  • 書き換えた要件

  • 構造化レポート

  • チェックリスト

  • 要約

  • 提案された変更の一覧

  • 質問または未解決事項の一覧

  出力形式はスキルの目的に適合している必要があります。たとえば、レビュー志向のスキルは、問題、説明、推奨事項の列を持つ表形式が適していることが多くあります。書き換え志向のスキルは、元のテキスト、提案出力、根拠を表示する形式が適していることが多くあります。