Matt PocockのClaudeスキルセットv1.0が示す「予測可能性」という設計哲学 — AI指示書の6つの失敗パターンを解剖する

TypeScriptコミュニティで絶大な影響力を持つMatt Pocock氏が、Claude Code用のスキルセットをv1.0.0として正式リリースした。GitHubリポジトリは公開直後から133kスターを獲得し、開発者コミュニティの関心の高さを物語っている。

このリリースが注目される理由は、単に「便利なスキル集」だからではない。本質的に重要なのは、**AIへの指示書（スキル）をどう設計すべきか**を体系化した「writing-great-skills」というメタスキルの存在だ。これは、プロンプトエンジニアリングにおける設計原則を明文化した、業界にとって画期的なドキュメントである。

Matt Pocock氏のスキル設計思想の核心は、**Predictability（予測可能性）**という1つの原則に集約される。彼は、AIに渡す指示書が失敗する6つのパターンを特定し、それらすべてが「予測可能性の欠如」に起因すると分析している。

6つの失敗パターンとは

1. **曖昧な指示** — AIが複数の解釈を持ちうる表現

2. **文脈の欠落** — 前提条件や制約が明示されていない

3. **期待値の不一致** — 出力形式や品質基準が不明確

4. **スコープの膨張** — 1つの指示に複数のタスクが混在

5. **フィードバックループの不在** — 結果を検証・修正する仕組みがない

6. **再利用性の低さ** — 特定の状況でしか機能しない設計

これらのパターンは、従来のソフトウェア工学における「コードの臭い（Code Smell）」に相当する概念だ。Pocock氏は、AIへの指示もコードと同様に、**保守性・再利用性・テスタビリティ**を持つべきだと主張している。

予測可能性を高める具体的手法

「writing-great-skills」では、予測可能性を高めるための実践的なテクニックが示されている：

ChatGPTのCustom Instructionsとの比較

ChatGPTのCustom Instructionsやカスタムモデルと比較すると、Matt Pocockのアプローチは**より構造化され、エンジニアリング寄り**である。ChatGPTの指示は自然言語での「お願い」に近いが、Claudeスキルは「仕様書」に近い。

この違いは、利用シーンの違いを反映している。ChatGPTが汎用的な対話を想定するのに対し、Claude Codeはコード生成という明確なタスクに特化している。予測可能性の重視は、**デバッグ可能性・チーム共有・継続的改善**といった、エンジニアリングワークフローとの親和性を高める。

メリットと注意点の両面分析

**メリット：**

**注意点：**

適用範囲の考察

このアプローチが特に効果を発揮するのは：

逆に、探索的なプロトタイピングや一度きりの実験では、スキル設計の厳密さが足かせになる可能性がある。

1. リポジトリをcloneして「writing-great-skills」を精読する

git clone https://github.com/mattpocock/skills.git
cd skills
# writing-great-skillsディレクトリを重点的に読む

まずは体系化された知識を吸収しよう。自分がこれまで書いてきたプロンプトと照らし合わせ、6つの失敗パターンに該当していないか確認する。

2. 既存のプロンプトを「予測可能性」の観点で監査する

普段使っているプロンプトを1つ選び、以下をチェック：

改善点を見つけたら、Pocock式の設計パターンで書き直してみる。

3. チーム内で「スキルライブラリ」を作る実験を始める

小規模でいいので、チーム共有のスキル集を作ってみる。最初は「API仕様からTypeScript型定義を生成する」のような、明確で反復性の高いタスクから始めるのが成功の鍵だ。スキルをバージョン管理し、改善履歴を残すことで、組織の知的資産として育てていける。

---

この情報は @MAAAAAAAAAAA さんの投稿を参考にしています。