あらゆるCLIコマンドを、信頼性の高い再現可能なワークフローに

Daguスキルを使用して、デイリースタンドアップ準備ワークフローを作成してください。正しい構文については、スキーマ、コーディングエージェント、注意点のリファレンスを参照してください。 ユーザーに確認してください： - レポートは何日前までカバーすべきですか？（デフォルト：1） - 平日の何時に実行しますか？（デフォルト：午前8時） - どのAIコーディングエージェントCLIがインストールされていますか？（claude、codex、gemini、opencode、aiderの順にチェックし、最初に見つかったものを使用。検出されない場合は確認してください） 前提条件：gh CLIが認証済み（gh auth login）、少なくとも1つのAIコーディングエージェントCLIがインストール済み。 ワークフローの内容： 1. gh api graphqlと--jqを使用してユーザーのGitHubアクティビティを取得（jq CLIは使用しないでください）。リポジトリごとのコミット（RESTでメッセージ付き）、マージ済みPR（本文付き）、期間内に更新されたオープン/ドラフトPR（最近のコミットとタイムスタンプ付き、リポジトリごとにグループ化）、レビューを取得。 2. アクティビティからすべての組織を自動検出し、すべてを組織ごとにグループ化。 3. アクティビティのある各組織について、インラインサブDAG（---セパレータ）を使用し、ユーザーのAIエージェントCLIでスタンドアップの口頭発表用下書きを生成。単純なテキスト要約タスクなので、そのエージェントで利用可能な最安/最速モデルを使用。アクティビティのない組織はトークン節約のため呼び出しをスキップ。 4. エージェントコマンド、モデル、下書きプロンプトはすべてトップレベルのenv変数として定義（プロンプトにはYAMLマルチライン|を使用）し、ステップロジックを編集せずにエージェントの切り替えや出力のカスタマイズを容易にする。 5. 各組織セクションをMarkdownで組み立て：口頭発表用下書き、マージ済みPR、リポジトリごとにグループ化されたオープンPR（コミット履歴とタイムスタンプ付き）、レビュー。 6. すべての組織セクションを1つのレポートにまとめ、DAG_DOCS_DIRに保存。 7. キャッチアップ付きの平日スケジュール、リトライデフォルト、エージェントステップのタイムアウトを設定。 重要：既知の回避策については注意点リファレンスを確認してください。各エージェントCLIの正しい非対話コマンドとモデルフラグについては、コーディングエージェントリファレンスに従ってください。

Daguスキルを使用して、リリースノート生成ワークフローを作成してください。正しい構文については、スキーマ、コーディングエージェント、注意点のリファレンスを参照してください。 ユーザーに確認してください： - どのリポジトリですか？（デフォルト：現在のリポジトリ、gh repo view --json nameWithOwnerで検出） - どのタグを比較しますか？（デフォルト：最新タグと前のタグ、自動検出） 前提条件：gh CLIが認証済み（gh auth login）、少なくとも1つのAIコーディングエージェントCLIがインストール済み。 ワークフローの内容： 1. 比較する2つのgitタグを解決。指定されていない場合、GitHub APIを使用して最新タグと前のタグを自動検出。下流のステップがJSONパスで個別フィールドを参照できるよう（例：${TAGS.to}）、JSON形式で出力。 2. GitHub compare APIと--jqを使用して、2つのタグ間のコミットからすべてのPR番号を抽出（jq CLIは使用しないでください）。1行に1つのPR番号を出力。 3. 各PRについて、gh api graphqlで詳細を取得：番号、タイトル、作成者ログイン、本文要約（最初の約300文字）、ラベル、closingIssuesReferences（番号、タイトル、作成者ログイン）。結果からJSON配列を構築。 - 重要：前のステップの出力を反復処理する際、"for X in $VAR"を使用しないでください。Daguはマルチライン出力を単一の文字列変数にキャプチャするため、ワード分割が機能しません。代わりに、前のステップのstdoutファイルを1行ずつ読み取ってください：`while IFS= read -r line; do ... done < "${prev_step.stdout}"`。各行をGraphQLクエリに渡す前に`tr -dc '0-9'`で非数値文字を除去してください。 - gh GraphQLクエリ文字列は$プレフィックス変数名（$owner、$name、$num）を使用します。Daguスクリプトでは安全です。Daguは${braced}変数と定義済みDagu変数に一致するbare $varnameパターンのみを展開し、未定義のbare $namesはシェル用にそのまま保持されます。ただし、整数変数は-Fにクォートなしで渡してください（例：-F num=$NUM、-F num="$NUM"ではなく）。ghが文字列ではなく整数として送信します。 4. 単一のAIエージェントステップ（利用可能なCLIを自動検出、最安モデルを使用）で各PRの分類と最終リリースノートのフォーマットの両方を実行。PR詳細JSON、変更履歴テンプレート、コンテキスト（リポジトリ、タグ、日付、コントリビューターから除外するリポジトリオーナー）を入力。 5. 出力をDAG_DOCS_DIRに保存。 6. AIエージェントステップにdefaults.retry_policyとtimeout_sec: 300を使用。 変更履歴フォーマットテンプレートは、ステップロジックを編集せずに出力をカスタマイズできるよう、YAMLマルチライン（|）を使用してトップレベルのenv変数として定義する必要があります。

Daguスキルを使用して、AI文章クリーンアップワークフローを作成してください。正しい構文については、スキーマ、コーディングエージェント、注意点のリファレンスを参照してください。 ユーザーに確認してください： - ファイルを処理しますか、テキストを直接貼り付けますか？（input_fileとinput_textの両方のパラメータをサポート） - リライトラウンド数は？（デフォルト：2） - 厳密度レベルは？（low/medium/high、デフォルト：medium） 前提条件：少なくとも1つのAIコーディングエージェントCLI（claudeまたはgemini）がインストール済み。Wikipediaリファレンス取得用のcurl。 ワークフローは4ステップ：detect_agent、setup、review_loop、finalize。 ステップ1 — detect_agent： Daguスクリプトはユーザーの完全なPATHを持たない場合があるため、名前だけでなくフルバイナリパスを出力。フォールバックとして~/.local/bin/などの一般的な場所もチェック。トップレベルenvにPATH: "${HOME}/.local/bin:${PATH}"を追加。 ステップ2 — setup： - curlで最新のWikipedia「Signs of AI Writing」ページ（生のwikitext）を取得。URLはユーザーが差し替えられるようトップレベルのenv変数にする。 - 入力テキストを準備。input_fileの場合はcpする。input_textの場合は`printenv input_text`を使用してファイルに安全に書き込む。スクリプト内で${input_text}を直接使用しないでください。Daguはシェル実行前に変数を展開するためです。printenvの注意点を参照。 - マルチライン/ユーザー制御のenv変数（WRITING_STYLE、ADDITIONAL_RULES、CHECK_STRICTNESS）をDAG_DOCS_DIR内の共通プレフィックスを持つヘルパーファイルに書き込む。これらのファイルはループステップで読み取られ、finalizeでクリーンアップされる。 ステップ3 — review_loop： bash forループを使用する単一のスクリプトステップ（repeat_policyではなく、サブDAGでもない）。ループはmax_rounds回まで反復実行： a. wikiリファレンス、スタイル（ファイルから）、厳密度（ファイルから）、現在のテキストでプロンプトを構築。シェルが展開しないよう、システム指示にはシングルクォートのヒアドキュメント区切り文字（<<'INSTR'）を使用。 b. AIエージェント（CHECK_MODEL、例：sonnet）を呼び出してテキストをチェック。出力の1行目：問題数。残りの行：問題ごとのフィードバック（フォーマット：ISSUE: "<引用>" | SIGN: <カテゴリ> | FIX: <書き換え>）。 c. フィードバックをラウンドごとのファイル（例：${P}_feedback_round${ROUND}.txt）に保存し、finalizeでレポートに含められるようにする。 d. カウントを抽出。0の場合、即座にbreak（書き換え不要）。 e. AIエージェント（REWRITE_MODEL、例：opus）を呼び出して書き換え。出力をテキストファイルに直接書き込み、その場で上書き。 重要：スクリプト内でWRITING_STYLEやADDITIONAL_RULESなどのマルチラインenv変数を直接参照しないでください。Daguはシェル実行前にそれらを展開するため、パースが壊れる可能性があります。代わりに、setupで書き込んだヘルパーファイルからcatで読み取ってください。単純なenv変数（パス、モデル名、数値）のみ直接使用可能です。 ステップ4 — finalize： 完全なレポートを構築：メタデータヘッダー（日付、単語数、厳密度、ラウンドごとの問題数）、次に「検出・修正された問題」セクション（全ラウンドのフィードバック一覧）、次に「最終テキスト」セクション（書き換え済みテキスト）。ラウンドごとのフィードバックファイルを含むすべてのヘルパーファイルをクリーンアップ。 env変数ノブ（すべてトップレベル、容易にカスタマイズ可能）： - WRITING_STYLE：マルチライン（|）ターゲット文体指示 - CHECK_STRICTNESS：low/medium/high - CHECK_MODEL：チェック用モデル（安価、例：sonnet） - REWRITE_MODEL：書き換え用モデル（高品質、例：opus） - ADDITIONAL_RULES：Wikipediaリファレンス以外の追加ルール - WIKI_URL：Wikipedia生URL（差し替え可能） - WIKI_EXCERPT_LINES：AIに入力するwikiの行数 厳密に型付けされたパラメータ（name、type、description、default、minimum、maximum）を使用。 重要：既知の回避策については注意点リファレンスを確認してください。各エージェントCLIの正しい非対話コマンドとモデルフラグについては、コーディングエージェントリファレンスに従ってください。