메뉴
Before implementing a feature in LoRAIro, hear out the requirement, then research existing libraries / tools / local_packages that already solve it. Use when scoping a new feature, evaluating build-vs-reuse, or asked to find existing solutions before writing code.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Library research via web search and long-term memory via OpenClaw LTM. OpenClaw may enrich stored content using Context7/Perplexity.
LoRAIro long-term memory via OpenClaw webhook (/hooks/lorairo-memory). Store, de-duplicate, and retrieve project memories from Notion DB "LoRAIro-Long-Term Memory (Shared)".
SQLAlchemy repository pattern for LoRAIro: type-safe transactions, session management, ORM best practices. Use when creating repositories or implementing data persistence patterns.
Generate pytest unit, integration, and GUI tests for LoRAIro with fixtures, mocks, 75%+ coverage, and pytest-qt for PySide6. Use when creating test suites or ensuring code quality.
Run LoRAIro PR maintenance to completion automatically after an agent creates a PR or a draft PR becomes ready for review: keep polling CI and bot review with gh, repair failures and reply in Japanese in the same worktree, escalate design loops, and squash merge when safe, without waiting for a human to restart each poll cycle. Use right after an agent-created PR exists or transitions draft-to-ready. Do NOT use for human-authored PRs, and do NOT redefine repair/merge/escalation policy here (that lives in agent-pr-maintainer).
Maintain an agent-created LoRAIro pull request after creation or after draft-to-ready transition: mark reviewable draft PRs ready, poll CI and review comments with gh, repair failures in the same worktree/session, reply in Japanese, escalate design loops, and squash merge when safe. Use after creating PRs or when asked to continue PR maintenance automation.
| name | check-existing |
| version | 1.0.0 |
| description | Before implementing a feature in LoRAIro, hear out the requirement, then research existing libraries / tools / local_packages that already solve it. Use when scoping a new feature, evaluating build-vs-reuse, or asked to find existing solutions before writing code. |
| metadata | {"short-description":"実装前の要件ヒアリング＋既存ライブラリ/ツール/local_packages 調査（build-vs-reuse 判断）。"} |
| dependencies | ["context7-openclaw-research","lorairo-mem"] |
実装予定の機能に対して、まず要件を明確化し、その上で既存のライブラリ・ツール・local_packages で
すでに解決できないかを徹底調査する。車輪の再発明を避け、独自実装の範囲を最小化することが目的。
要件が完全に固まっていなくても起動してよい。ヒアリングで具体化する。
着手前に既存の判断・教訓を確認して二度手間を避ける:
docs/decisions/ の ADR インデックス（docs/decisions/README.md）docs/lessons-learned.md の関連ドメインltm_search.py で類似調査履歴を検索仮定を避け、具体的に問う。多肢選択を優先。
## 明確化された要件
### 核心機能
- メイン処理 / 入力形式 / 出力形式
### 技術的要件
- 統合箇所(LoRAIro のどこ) / パフォーマンス / 既存依存との関係
### 機能的要件
- Must-have / Nice-to-have / 制約・除外
### 検索キーワード候補
- メイン / 技術 / ドメイン
LoRAIro 内を先に、次に外部 OSS を段階検索する。
investigation agent で既存実装・類似機能を調査local_packages/genai-tag-db-tools / local_packages/image-annotator-lib で代替可能性Bash uv tree / Grep で既存依存・統合箇所を確認WebSearch）WebSearch / WebFetch）WebSearch、現在年を明示）solutions agent で複数候補を生成・比較（適合度・実装コスト・リスク）# 既存解調査結果
## 要件（Phase 3 の整理）
## 調査プロセス
- 検索キーワード / 調査ソース / 発見候補数
## 発見された既存解
### 🎯 完全代替可能（適合度 90%+）
- ライブラリ名 / 統合方法 / 推奨度
### 🔧 組み合わせ利用（60-89%）
- 主ライブラリ / 補完方法 / 実装工数
### 📚 参考実装（30-59%）
- 参考価値 / 独自実装が要る範囲
## 最終推奨
### ✅ 採用推奨
- 選択理由 / 統合手順 / 注意点
### ⚠️ 独自実装が必要な場合
- 既存解の限界 / 最小実装範囲 / 部分的に使える既存機能
調査結論のうち再利用価値のあるもの（ライブラリ評価、build-vs-reuse の判断根拠）は
[[lorairo-mem]] に type: reference / decision で保存する。
要件が固まり既存解が出そろったら、ネイティブ Plan Mode（/plan）または
superpowers brainstorming → writing-plans へ引き継ぐ。本 skill は調査までを担い、設計・実装はしない。