Skill descriptions describe internal moments the matcher cannot see: trigger-shape survey of all 44

[liplus-lin-lay]

調査のみ。実装 PR は含まない（brake 1 のコストを別セッションに送るため / Master 判断 2026-08-04）。

訂正（2026-08-04、Master 指摘）: 初版は下表の「該当率」を根拠に「全 44 本の見直しは目標として正しくない / 低該当率群は現状が正解」と結論していた。該当率は測定値ではなく AI の推定であり、その上に除外判断を載せたのは誤り。 当該結論は撤回する。詳細は「該当率の検証状態」節。

前提（公式仕様、実測）

Agent Skills 公式ドキュメント:

The description is what Claude matches your request against when determining whether to trigger the Skill

照合面はユーザーのリクエスト。ターン途中での再照合に関する記述はない。skill は一度読み込むと当該セッションの context に残る（= 発火は「判断のたび」ではなく「セッションに一度、早期に」で足りる）。

本セッション（2026-08-04）の実測: description 一致で起動した Li+ skill はゼロ。唯一起動した evolution-decision-structure-write は AI が明示的に呼んだもの。非発火のまま手動代替した事象は issue 作成 3 回（operations-on-issue-format）、webhook 処理 6 回（operations-foreground-webhook-intake）、事実断定の誤り 1 件（model-source-check）。

該当率の検証状態（初版の誤りと部分測定）

下表の 3 列のうち、測定値は desc 文字数と body バイトのみ。「形状」は description 文面からの分類（literal 由来だが分類自体は判断）、「該当率」は未検証の推定。

初版はこの推定列を根拠に 38 本を除外したが、部分測定により推定の誤りが実際に検出された:

指標（2026-05-04〜2026-08-04、3 か月）	実測
issue 作成	261 件
PR 作成	193 件
release	37 件

release は約 2.4 日に 1 回。wiki sync は release 後に必須（skills/operations-on-wiki-sync/SKILL.md）なので同頻度で発生する。

初版は operations-on-release を「低中」、operations-on-wiki-sync を「低」と推定していた。この 2 本の除外は根拠を欠く。 operations-on-wiki-sync は body 11,917 B（全 44 本中 3 位）を持ち、頻出操作の必須経路上にある。

残る未測

• 上表はカレンダー頻度であり、セッション単位の該当率ではない（セッション総数の分母が無い）
• 内面モーメント型（source-check 等）の該当率は「ほぼ毎セッション」と推定しているが、これも未測
• 過去セッションでの skill 発火履歴は残っていない（セッション履歴は運用上逐次削除される）

帰結

• 除外判断は行わない。 据え置く skill は「現状が正しいから」ではなく「まだ分からないから、対照群として保持する」。
• 優先順 6 本の根拠から該当率を外し、測定値のみ（desc 長 / body サイズ / 本セッションの非発火実績）に立て直す。

主要所見

所見1: 文字数は「照合面に映らない条件」に集中している

description 上位 6 本の合計 5,362 文字 = 全 18,984 文字の 28.2%。この 6 本はいずれも内面モーメント型で、リクエスト面に現れない。最も長い記述が、最も発火しない種類に付いている。

所見2: トリガ形状と記述長には相関がある

リクエスト形（外部に名前がある事象）は短く書ける。内面モーメント形は外部の呼び名が無いためインスタンスを列挙するしかなく、それが長さを生む。

• リクエスト形: evolution-full-run 491 / operations-on-branch 304 / model-accepted-tradeoff 290
• 内面モーメント形: model-source-check 1,019（7 モーメント列挙）/ model-trigger-check-gate-actions 790

3 か月で description 平均が 145 → 445 文字に伸びた（#1661）のは内面モーメントの精度を上げる作業であり、照合されない軸を磨いていたことになる。

所見3（重要な反証）: 「広さ」だけでは発火しない

operations-foreground-webhook-intake は description 146 文字、トリガは「when a user turn starts」= 最大限に広い。それでも本セッションで 6 回とも不発火。

必要なのは広さではなくリクエストの内容に対応する形。「ターンが始まったら」は message の中身を指していないため照合対象が無い。是正方針は「抽象化して広くする」ではなく「リクエスト内容の形に書き換える」。

所見4: body サイズが早期ロードの可否を決める

早期ロード方針ではコストが description 常駐から body ロードへ移る。body は skill ごとに 2 桁違う。

• model-source-check 6,364 B（約 1,600 tok）→ 早期ロード可
• model-agentic-search 22,754 B（約 5,700 tok）→ 高い
• evolution-parallel-agent-eval 22,174 B → 同上

全 44 本の一覧

desc 文字数 / body バイト = 測定値。形状 = 文面からの分類。該当率 = 未検証の推定（上記「検証状態」参照、除外根拠に使用しない）。

形状: R = リクエスト内容に現れる / T = タスク種別として turn 冒頭で判別可能 / I = 内面モーメントのみ

desc	body	skill	形状	該当率(推定)
1025	22174	evolution-parallel-agent-eval	T/I	低
1019	22754	model-agentic-search	R/I	高
1019	6364	model-source-check	I	最高
790	4739	model-trigger-check-gate-actions	I	最高
760	3764	model-ambiguity-handling	I	高
749	3260	model-frame-check	R/I	中高
693	5423	model-human-interaction	R	中
691	4971	task-subagent-delegation	T	中
686	4599	evolution-impression-literal-detection	I	低
684	9280	task-subagent-prompt	I	中
621	4955	operations-on-release	T	要再評価（release 37件/3か月）
600	4102	task-subagent-spawn	I	中
582	2123	task-subagent-state-labels	T/I	中
561	11917	operations-on-wiki-sync	T	要再評価（release 必須経路）
527	2542	model-projection-discipline	I	低中
500	3736	operations-on-release-state	T/R	要再評価
491	3651	evolution-full-run	R	低
468	5944	operations-on-pr-review	T	中
457	1778	task-pr-review-judgment	T	中
430	5033	operations-on-sub-issue	T	中
428	9152	evolution-self-eval	I	高
352	2626	operations-on-issue-format	T	高（issue 261件/3か月）
332	3414	model-loop-safety	I	中
326	2688	operations-on-docs-ownership	T	中
304	3115	operations-on-branch	R	中
298	700	operations-handoff-continuity	I	低
290	2554	model-accepted-tradeoff	R	中
290	2063	operations-on-merge	T	中（PR 193件/3か月）
272	8616	evolution-decision-structure-write	R/I	中
271	677	operations-discussions	T	低
267	3088	evolution-persistence-tiering	I	中
261	1517	evolution-loop	T	低
248	472	operations-chat-output-limit	I	低
201	633	operations-notifications-api	T	低
174	894	evolution-judgment-learning	I	高
172	2945	operations-on-pr-creation	T	中（PR 193件/3か月）
170	1163	model-requirement-deepening	I	中
159	3786	evolution-l1-update-gating	T	低
151	1358	operations-on-ci	T	中
146	855	model-pair-review	T	低
146	3756	operations-foreground-webhook-intake	I	最高
134	1561	operations-on-issue-maturity	T	中
133	571	model-review-output-partition	I	中
106	659	operations-on-commit	T	中

合計: desc 18,984 B / body 191,972 B / 44 本

第一バッチ候補（測定値のみを根拠に再構成）

該当率の推定を根拠から外し、本セッションで実際に非発火が観測された skill と 測定済みの desc 長 / body サイズのみで選ぶ。

skill	非発火の実測	desc	body
model-source-check	あり（誤断定 1 件）	1,019	6,364
operations-foreground-webhook-intake	あり（6 回）	146	3,756
operations-on-issue-format	あり（3 回）	352	2,626
evolution-judgment-learning	なし（Master 提案の実例）	174	894
model-trigger-check-gate-actions	なし（source-check と同型）	790	4,739

model-source-check は #1662（上限 1,024 まで残り 5 文字）も同時に解消する。

検証設計（段階実施の理由）

eval harness は無い。全 44 本を一度に書き換えると、発火率が変わっても原因を帰属できない。手を入れない skill が対照群になる。

• 据え置きは意図的に維持する（「時間ができたら残りも」と扱うと対照群が消える）
• 観測は複数セッション必要。1 セッションでは話題の偏りと区別できない
• 観測結果は memory/self-evaluation_log.md と memory/self-evolution-observation.md（post-merge 2 週間サイクル）に落とす

未決

• セッション単位の該当率の測定手段（分母となるセッション数が取得できない）
• body 早期ロード総量の上限方針
• 内面モーメント記述を削った場合の recall 損失。本調査の観測は N=1 セッション
• 「見直し不要な skill が存在するか」自体が未検証。存在するとしても、その判定には該当率の測定が要る

関連

• Skill corpus growth is driven by description length, not skill count #1661 コーパス成長の実測（description 5.0 倍 = 本数 1.63 倍 × 長さ 3.07 倍）
• evolution-parallel-agent-eval description exceeds the 1024-character hard limit #1662 evolution-parallel-agent-eval の 1,024 文字上限超過
• rules/model/trigger-check-gate.md Trigger firing（mid-turn 未保証の明記）

[liplus-lin-lay]

段階実施は予算都合ではなく方法上の要請

「まず 6 本、残り 38 本は据え置き」を、時間切れの妥協ではなく検証設計として確定させたい。

本 issue と #1661 の共通未決に「eval harness が無く、是正後に発火するか確認する手段が無い」がある。全 44 本を一度に書き換えると、この未決は永久に閉じない——発火率が変わっても、原因が書き換えにあるのか他の要因かを切り分ける材料が残らないため。

手を入れない 38 本が対照群になる。 次セッション以降、書き換えた 6 本が発火し、据え置いた同種の内面モーメント型（model-projection-discipline / model-loop-safety / evolution-persistence-tiering 等、いずれも I 形で該当率中）が発火しなければ、リクエスト内容形への書き換えが原因であると帰属できる。harness を作らずに、コーパス内対照で代替する。

帰結

• 据え置きは意図的に維持する。「時間ができたら残りも」と扱うと対照群が消える
• 観測は複数セッション必要。1 セッションでは「そのセッションの話題がたまたま適合した」と区別できない（本調査自体が N=1 の観測に立っていることと同じ制約）
• 観測結果は memory/self-evaluation_log.md の該当エントリと memory/self-evolution-observation.md（post-merge 2 週間サイクル）に落とす

「全 44 本見直し」は目標として正しくない

低該当率の群（operations-on-wiki-sync / operations-on-release* / evolution-l1-update-gating / evolution-parallel-agent-eval 等）は、条件付きであることが実態と合っている。これらのリクエスト形への書き換えは必要性が無く、skills/evolution-full-run/SKILL.md Refactor scope の

When nothing needs refactoring, do not manufacture it — make-work / answer-compulsion is the opposite reflex.

に該当する。

是正対象は「全部」ではなく、トリガ形状と該当率がミスマッチな集合（内面モーメント型 × 高該当率）。本 issue の優先順 6 本がその中核で、次点は T 形で該当率中〜高だが記述が「about to ...」の内面形になっている群（operations-on-issue-format は既に優先順に含む）。

[liplus-lin-lay]

観測ベースライン記録（2026-08-04）

Master が effort level を一段引き上げる判断（コスト増を受容、様子見）。description 最適化も並行して実施予定。

以降の観測を解釈するために、変更のタイミングと交絡関係をここに固定する。

交絡と、対照群設計への影響

2 変数が動くが、本 issue の対照群設計（触った skill vs 据え置き skill）は影響を受けない。

• effort level はセッション全体に一様にかかる。同一セッション内で「書き換えた skill」と「据え置いた skill」を比較する設計なので、両者に同じ effort が適用される = 差分は description 形状に帰属できる
• 一方「effort 引き上げは効いたか」の問いは、description 書き換えと同じ観測窓に入ると読めなくなる

自然な順序で分離されている

• effort level = 即時に変更可能（設定の目盛り）
• description 書き換え = issue → PR → brake 1（skills/evolution-parallel-agent-eval N≥3）を通す必要があり、別セッション

したがって effort 単独の観測窓が先に開く。この窓の観測を記録してから description 変更に入れば、両方の問いが答えられる。順序を意図的に維持すること。

観測記録の宛先

• effort 単独窓の観測 → memory/self-evaluation_log.md（発火の有無、self-report と実行動の乖離）
• description 変更後 → 本 issue の対照群比較 + memory/self-evolution-observation.md（post-merge 2 週間サイクル）

変更前ベースライン（2026-08-04 セッション実測）

• description 一致で起動した Li+ skill = 0 本
• 非発火のまま手動代替 = operations-foreground-webhook-intake 6 回 / operations-on-issue-format 3 回 / model-source-check 1 回（事実断定の誤りとして顕在化）
• 明示起動 = evolution-decision-structure-write 1 本（AI の判断による呼び出し、description 一致ではない）

[liplus-lin-lay]

PR #1667（#1611）の brake 1 から、本 issue の測定軸に効くデータ点を 2 つ記録する。

1. 内面モーメント型の条件が 3 本増えた

evolution-decision-structure-write の description を索引 docs/Decision-Structure.md の蓄積条件 4 件に揃えた結果、272 → 525 字（+253）。増えた 3 条件はいずれも本 issue の分類でいう内面モーメント型:

• a failure's root cause has just been identified and become reproducible learning
• a premise has just been verified and the result settled, success or failure alike
• repetition of the same investigation across multiple sessions has just been noticed

いずれも外部に呼び名のある事象ではなく、リクエスト面に現れない。所見 2（内面モーメント形は外部の呼び名が無いためインスタンスを列挙するしかなく、それが長さを生む）の追加実例であり、#1661 の「description 長の増加は内面モーメントの精度を上げる作業」に該当する。

ただし本件の増加は精度向上ではなく被覆の是正である。 索引が 4 条件を持ち、body が 5 件、description が 3 件という三重のずれを解消した結果であり、「照合されない軸を磨いた」のとは動機が異なる。同じバイト増でも由来が違う例として記録する。

2. brake 1 の 3 体が「過剰発火」を予測し、本 issue の実測はその逆を向いた

PR #1667 の brake 1（N=3）で、3 体すべてが a premise has just been verified and the result settled を過剰発火リスクとして挙げた。論旨は「前提を検証して結果が出る」は通常の作業の最小単位に近く、routing 面に絞り込みがない、というもの。

ただし 3 体とも confidence を medium〜medium-high に留め、「routing 時の挙動は直接観測できず literal からの推論」と自己申告している。

一方、本 issue が持つ 2026-08-04 セッションの実測は「description 一致で起動した Li+ skill はゼロ」。指摘とは逆向きのデータであり、親はこれを根拠の一つとして merge ブロッカーとしなかった（判断の全文は PR #1667 のセルフレビュー）。

本 issue にとっての意味: 「description が広いと過剰発火する」という予測が、AI 3 体の独立な literal 読解から自然に出てくることが分かった。所見 3（「広さ」だけでは発火しない）に対する反証ではなく、その所見が直観に反するものであることの傍証。測定なしに literal だけを読むと、3 体が揃って逆の結論に到達する。

観測機会: evolution-decision-structure-write の新 description は Li+update（build-2026-08-05.2）で既にロード済み。次セッション以降、この skill が意図しない瞬間に invoke されるかどうかが、予測と実測のどちらが正しいかの直接の検証点になる。