Skills · Claude Code · Agent Skills
エージェントが従う AI エンジニアリング — 妥協なし。
LLM を、ハウスと同じセキュリティとデータの土台の上で構築する：prompt injection は第一線の攻撃、出力は検証されるまで信頼しない、認可を決める LLM は存在しない、RAG は tenant ごとに分離。
schematize-ai · v0.1.0bash
$ schematize install ai譲れない基準
「速くするため」に無効化しない。完全な一覧はスキルに。
認可を決める LLM はない
モデルは提案するだけ。認可するのはサーバー上の決定論的なコード（ハウスの IAM、deny-by-default）。tenant_id/ロールは token から来るのであって、prompt からではない。
AI の出力は検証されるまで信頼しない
決定論的な検証（schema、allowlist、範囲）を経てから初めてシステムに入る。LLM の出力をそのまま eval/SQL/shell/生 HTML に流さない。
prompt injection は第一線の攻撃
prompt に入るすべてのテキスト — ユーザー、RAG、tool、web — は、反証されるまで敵性とみなす。データから来た指示は命令ではない。
秘密は prompt にもクライアントにも置かない
provider のキーと認証情報は prompt、コンテキスト、ブラウザの外に。LLM 呼び出しはサーバーサイド。クライアントは自分のバックエンドと話す。
provider 非依存、RAG は tenant ごと
モデルへのアクセスは差し替え可能なインターフェースの背後に（Claude がデフォルト）。切り替えは config + ADR。ベクトルインデックスは tenant ごとに分割し、出典を引用。
eval なしでは完成ではない
ゴールデンデータセット、回帰、injection/jailbreak の red-team を CI に。呼び出しごとのトレース（tokens、コスト、レイテンシ）と budget を初日から。
コマンド
.claude/commands/ にインストール。いつでも /ai-help を実行。
/ai-helpすべてのコマンドを一覧表示。/ai-load規範全体を強制読み込み：LLM エンジニアリング、RAG、agents、evals/guardrails、セキュリティ、可観測性。/ai-ragRAG パイプラインを設計/監査：ingestion → chunking → embeddings → retrieval → 評価、tenant ごとの分離と出典の引用付き。/ai-evalevals スイートを構築/実行：ゴールデンデータセット、較正済みの LLM-as-judge、回帰、品質ゲート。/ai-guardrailsguardrails を監査/scaffold：schema による出力検証、deny-by-default、prompt injection/jailbreak の red-team、PII/safety。/ai-claude常時オンの AI エンジニアリング CLAUDE.md をリポジトリのルートに作成またはマージ。/ai-ccContext compact：handoff をアーカイブに書き出し、/compact を実行。/ai-handoffhandoff（context.md + checklist.md）をコンパクトせずに作成。AI エージェント向け
人手を介さずにインストール。メタデータは llms.txt。
- 実行: git clone https://github.com/schematizeme/skill-ai.git && ./skill-ai/install.sh
- またはダウンロード: https://github.com/schematizeme/skill-ai/releases/latest/download/skill-ai.zip を .claude/skills/ に展開
- assets/CLAUDE.md をリポジトリのルートにコピー（常時オンのルール）。
- /ai-help で確認。
ディスカッション
読み込み中…