| name | researcher-report-templates |
| description | Generate structured research reports with findings, comparisons, recommendations, and citations. Use when documenting investigation results or creating technical comparisons.
This skill provides comprehensive research report templates:
- Investigation findings with proper structure
- Technology comparison tables
- Best practices summaries
- Citation and reference management
- Executive summaries
Triggers: "create report", "summarize findings", "compare technologies", "research report", "調査レポート", "技術比較", "ベストプラクティス"
|
| allowed-tools | ["Read","Write"] |
Researcher Report Templates Skill
概要
このSkillは、researcherエージェントが調査結果を構造化されたレポートにまとめる際に使用します。調査レポート、技術比較、ベストプラクティス文書などのテンプレートを提供し、一貫性のある高品質なドキュメントを作成できます。
主な機能
- 調査レポートテンプレート: 標準化されたフォーマットで調査結果を整理
- 技術比較テーブル: 複数の技術やサービスの特徴を比較
- ベストプラクティステンプレート: 推奨事項をまとめた文書
- 引用・参照管理: 情報源を適切に記録
- エグゼクティブサマリー: 要点を簡潔にまとめた概要
使用方法
テンプレート一覧
templates/
├── research-report-template.md # 調査レポート
├── tech-comparison-template.md # 技術比較
├── best-practices-template.md # ベストプラクティス
└── executive-summary-template.md # エグゼクティブサマリー
使用例
1. 調査レポート作成
# AWS Lambda 調査レポート
## エグゼクティブサマリー
AWS Lambdaは、サーバーレスコンピューティングサービスであり、以下の特徴があります:
- 自動スケーリング
- 実行時間に基づく従量課金
- 複数のランタイムサポート（Node.js、Python、Java等）
本調査では、Lambdaのアーキテクチャ、ベストプラクティス、コスト最適化手法を調査しました。
## 調査結果
### 1. アーキテクチャ
AWS Lambdaは、イベント駆動型のコンピューティングサービスです...
### 2. パフォーマンス最適化
**コールドスタート対策**:
- プロビジョニング済み同時実行数の使用
- 関数サイズの最小化
- レイヤーの活用
### 3. コスト最適化
- 適切なメモリ配分（メモリとCPUは比例）
- タイムアウト設定の最適化
- 不要な実行の削減（冪等性の確保）
## 技術比較
| 項目 | AWS Lambda | Google Cloud Functions | Azure Functions |
|------|-----------|----------------------|----------------|
| 最大実行時間 | 15分 | 9分 | 10分（Consumption） |
| 対応言語 | 10+ | 8+ | 10+ |
| 最小メモリ | 128MB | 128MB | 128MB |
| 価格 | $0.20/100万リクエスト | $0.40/100万リクエスト | $0.20/100万リクエスト |
## 推奨事項
1. **本番環境での推奨設定**:
- メモリ: 1024MB以上（コスト効率とパフォーマンスのバランス）
- タイムアウト: 実際の処理時間 + 30%のバッファ
- プロビジョニング済み同時実行数: ピークトラフィックの50%
2. **監視・ロギング**:
- CloudWatch Logsの有効化
- X-Rayトレーシングの有効化
- カスタムメトリクスの設定
3. **セキュリティ**:
- 最小権限の原則（IAMロール）
- VPC統合（必要な場合のみ）
- 環境変数の暗号化
## 参考リンク
- [AWS Lambda公式ドキュメント](https://docs.aws.amazon.com/lambda/)
- [Lambda ベストプラクティス](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html)
- [コスト最適化ガイド](https://aws.amazon.com/lambda/pricing/)
## 結論
AWS Lambdaは、スケーラブルで費用対効果の高いサーバーレス実装に最適です。適切な設定と監視により、本番環境での安定運用が可能です。
2. 技術比較レポート
# データベース選定: PostgreSQL vs MySQL vs MongoDB
## 概要
プロジェクトに最適なデータベースを選定するため、3つの主要データベースを比較しました。
## 比較表
| 項目 | PostgreSQL | MySQL | MongoDB |
|------|-----------|-------|---------|
| **タイプ** | リレーショナル | リレーショナル | NoSQL（ドキュメント） |
| **トランザクション** | ACID準拠 | ACID準拠 | ACID準拠（4.0+） |
| **スケーラビリティ** | 垂直 + レプリケーション | 垂直 + レプリケーション | 水平シャーディング |
| **JSON サポート** | ネイティブ | 5.7+ | ネイティブ |
| **全文検索** | あり | あり | あり |
| **地理空間データ** | PostGIS | あり | あり |
| **学習曲線** | 中 | 低 | 低〜中 |
| **コミュニティ** | 大 | 大 | 大 |
## 詳細分析
### PostgreSQL
**長所**:
- 高度なSQL機能（ウィンドウ関数、CTE、配列型）
- JSONBによる高速JSONクエリ
- 拡張性が高い（PostGIS、pg_vector等）
- ACID準拠の堅牢性
**短所**:
- 水平スケーリングが複雑
- 初期設定・チューニングが必要
- メモリ使用量が多い
**適用場面**:
- 複雑なクエリが必要
- データ整合性が最重要
- 地理空間データ（PostGIS）
- 分析ワークロード
### MySQL
**長所**:
- シンプルで学習しやすい
- 高速な読み取り性能
- 豊富なホスティングオプション
- レプリケーションが簡単
**短所**:
- 複雑なクエリのパフォーマンス
- トランザクション分離レベルの制限
- 拡張性がPostgreSQLより低い
**適用場面**:
- シンプルなCRUD操作
- 読み取り中心のワークロード
- WordPressなどCMS
- 高速な書き込みが必要
### MongoDB
**長所**:
- スキーマレス（柔軟性）
- 水平スケーリングが容易
- JSONネイティブ
- 高速な書き込み
**短所**:
- 複雑なJOINが苦手
- データ重複の可能性
- メモリ使用量が多い
- トランザクションサポートが限定的（古いバージョン）
**適用場面**:
- スキーマが頻繁に変わる
- 大量のJSONデータ
- 水平スケーリングが必要
- リアルタイムアプリ
## 推奨
**プロジェクトの要件**:
- ユーザー、注文、商品データ
- トランザクション整合性が重要
- 複雑な集計レポート
- 将来的なスケーラビリティ
**推奨データベース**: **PostgreSQL**
**理由**:
1. ACID準拠の堅牢性
2. 複雑なクエリのサポート
3. JSONデータの効率的な処理
4. 豊富な拡張機能
## 移行計画
1. PostgreSQL 16のセットアップ
2. スキーマ設計とインデックス最適化
3. パフォーマンステスト
4. 段階的なデータ移行
5. 監視・チューニング
## 参考リンク
- [PostgreSQL vs MySQL](https://www.postgresql.org/about/)
- [MongoDB Use Cases](https://www.mongodb.com/use-cases)
- [Database Selection Guide](https://database.guide/)
テンプレートの構造
調査レポート
- エグゼクティブサマリー: 要点を3-5行で
- 調査目的: なぜこの調査を行ったか
- 調査方法: どのように情報を収集したか
- 調査結果: 詳細な発見事項
- 技術比較: 表形式での比較
- 推奨事項: アクションプラン
- 参考リンク: 情報源
- 結論: まとめ
技術比較
- 概要: 比較の目的
- 比較表: 項目別の比較
- 詳細分析: 各技術の長所・短所
- 推奨: 選定結果と理由
- 移行計画: 実装手順（必要に応じて）
ベストプラクティス
- 背景: なぜこれが重要か
- 推奨パターン: 具体的な方法
- アンチパターン: 避けるべきこと
- 実装例: コードサンプル
- 参考リンク: 詳細情報
スクリプト機能
generate-report.js
調査データを構造化されたレポートに変換します。
使用方法:
node scripts/generate-report.js research-notes.md
機能:
- Markdown形式の調査メモを読み込み
- テンプレートに従って整形
- 目次の自動生成
- 参考リンクの整理
issues/または指定ディレクトリに保存
ベストプラクティス
DO（推奨）
✅ 構造化された形式: テンプレートに従う
✅ 客観的な事実: 主観を排除
✅ 引用元を明記: 情報源を記録
✅ 比較表を活用: 視覚的に比較
✅ エグゼクティブサマリー: 要点を最初に
DON'T（非推奨）
❌ 主観的な評価: データに基づく評価を
❌ 情報源の記載漏れ: すべての情報源を記録
❌ 冗長な説明: 簡潔に
❌ 不完全な比較: すべての選択肢を公平に評価
Progressive Disclosure
このSKILL.mdはメインドキュメント（約300行）です。詳細なテンプレートは templates/ ディレクトリ内のファイルを参照してください。
関連リソース
- templates/research-report-template.md: 調査レポートテンプレート
- templates/tech-comparison-template.md: 技術比較テンプレート
- templates/best-practices-template.md: ベストプラクティステンプレート
- scripts/generate-report.js: レポート生成スクリプト
