agentic-engineering

Name: agentic-engineering
Availability: InStock
Author: adomot

Route engineering tasks to AI agents with model-based cost tracking.

Updated Mar 28, 2026

Search Tags:#quality-control #task-decomposition #model-routing #agentic-engineering #ai-agent-workflow #evaluation-first

Ready to run

npx skills add https://github.com/adomot/claude-settings --skill agentic-engineering-adomot

💬 Prompt for ChatGPT / Claude Chat▼

Please help me install this Agent Skill.
Skill: agentic-engineering
Source: https://github.com/adomot/claude-settings/tree/main/skills/aegis/agentic-engineering
Command: npx skills add https://github.com/adomot/claude-settings --skill agentic-engineering-adomot

SYSTEM DOCUMENTATION & REQUIREMENTS

What problem does it solve?

AIエージェントが実装作業の大半を行い、人間が品質とリスクの管理を行うエンジニアリングワークフローにこのスキルを使用。

Core Features & Use Cases

評価ファーストループ: 能力評価とリグレッション評価を定義する。ベースラインを実行し、失敗シグネチャをキャプチャする。実装を実行する。評価を再実行し、デルタを比較する。
タスク分解: 15分ユニットルールを適用。各ユニットは独立して検証可能であること、単一の主要リスク、完了条件を提示すること。
モデルルーティング: Haiku：分類、ボイラープレート変換、狭い範囲の編集； Sonnet：実装とリファクタリング； Opus：アーキテクチャ、根本原因分析、マルチファイル不変条件
セッション戦略: 密結合なユニットにはセッションを継続する。主要なフェーズ移行後は新しいセッションを開始する。アクティブなデバッグ中ではなく、マイルストーン完了後にコンパクトする。
AI生成コードのレビューフォーカス: 不変条件とエッジケース、エラー境界、セキュリティと認証、隠れた結合とロールアウトリスク。
コスト規律: タスクごとにモデル、トークン、リトライ、実時間、成功/失敗を追跡。

Quick Start

新しいエンジニアリング課題を定義して開始すると、システムがそれを15分単位に分解し、適切なエージェントへ割り当てを行います。

Frequently Asked Questions about agentic-engineering

High-intent search queries and answers about installing and using this skill.

FAQPage Schema

How do I automate AI agent workflows for complex engineering tasks?▼

AI agent workflows for complex engineering tasks are automated by routing decomposed unit tasks to models like Haiku, Sonnet, and Opus while humans oversee quality, risk, and cost-tracking guardrails.

What is the evaluation-first loop in agentic engineering?▼

The evaluation-first loop in agentic engineering defines capability and regression evaluations, captures failure signatures from a baseline, executes implementation, and compares deltas after re-running evaluations.

How do I decompose complex code implementation tasks for AI agents?▼

Complex code implementation tasks are decomposed using a 15-minute unit rule, requiring each unit to be independently verifiable, present a single primary risk, and define clear completion conditions.

How should I route AI models like Haiku, Sonnet, and Opus for engineering tasks?▼

Route Haiku for classification and boilerplate, Sonnet for implementation and refactoring, and Opus for architecture, root cause analysis, and multi-file invariants to optimize engineering workflows.

What should I focus on when reviewing AI generated code?▼

Reviewing AI generated code should focus on invariants, edge cases, error boundaries, security and authentication, hidden coupling, and rollout risks to ensure quality and mitigate potential issues.

Can I track token and retry costs for AI agent engineering sessions?▼

You can track token and retry costs for AI agent engineering sessions by logging the model, tokens, retries, real time, and success or failure status for each task to enforce cost discipline.