agentleFS
youhei-ushioyouhei-ushio/dotclaude-public/skills/global/pre-implementation-research/SKILL.md

pre-implementation-research

Skill1 starsChanged 59 days agoMITView on GitHub

機能実装・改修・バグ修正に着手する直前。コードを書き始める前。 特にデータベースのテーブル・カラムを扱う実装の前は必須。

The file

Files
SKILL.md

実装前リサーチ

DB スキーマは実 DB から取得する

リポジトリ内のスキーマダンプ(./schema/ のような事前生成ファイル)は 古くなっている可能性が高い。最新の確実な情報は実 DB にしかない。

例(フレームワーク・DB ごとに読み替え):

MySQL

# DB クライアントで直接(最も汎用的)
mysql -u <user> -p -e "SHOW CREATE TABLE <table_name>;" <database>
mysql -u <user> -p -e "DESCRIBE <table_name>;" <database>

# コンテナ越しに叩く場合の一例(Laravel Sail)
./vendor/bin/sail mysql -e "SHOW CREATE TABLE <table_name>;"

PostgreSQL

psql -d <database> -c "\d+ <table_name>"

SQL Server

# INFORMATION_SCHEMA はベンダ非依存。任意のクライアントから同じ SQL を実行できる
# 認証は統合認証 -E(Windows)を第一候補に。Linux/Docker では -U <user> のみ指定し
# パスワードはプロンプト入力させる。-P <password> の CLI 平文渡しはシェル履歴・ps に露出するため避ける
sqlcmd -S <server> -d <database> -E -Q "
  SELECT COLUMN_NAME, DATA_TYPE, IS_NULLABLE, CHARACTER_MAXIMUM_LENGTH
  FROM INFORMATION_SCHEMA.COLUMNS
  WHERE TABLE_NAME = '<table_name>';
"

ORM/フレームワークによっては DB クライアントを直接持たず、アプリ経由でスキーマを ワンショット取得するほうが楽な場合もある(例: Laravel なら artisan tinker、 Rails なら rails runner。INFORMATION_SCHEMA は任意の SQL クライアントから実行可)。 Laravel + laravel-boost MCP を使っているなら mcp__laravel-boost__database-schema / database-query がより便利。

関連仕様書の確認

docs/ 配下に該当する仕様書がある場合は事前に確認する。 仕様書の内容を再調査しない(仕様書に書かれていない場合のみ追加調査)。

既存実装の確認(コード discovery は serena 優先)

Serena MCP で関連シンボルを探索:

  • mcp__serena__find_symbol で対象クラス・メソッドを探す
  • mcp__serena__find_referencing_symbols で呼び出し元を確認
  • 既存パターンを把握してから新規実装を始める

grep / find / cat でのコード探索は serena に置き換える。 (user-level の ~/.claude/hooks/serena-enforcer.py がこれを誘導する)

リサーチが済んだら test-first で実装する

スキーマ・仕様書・既存実装の把握が済み、いよいよ機能を実装するときは、 いきなり本番コードを書き始めず test-first で進める。テストフレームワークのある プロジェクトでは、先に失敗するテストを書いて RED を観測してから実装する。

具体的な手順(RED→GREEN→REFACTOR、「全削除」絶対ルールは不採用など)は tdd skill に従う。設定・インフラ・自明な変更には強制しない(適用範囲は tdd skill 参照)。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.