Claude Code スキルで「穴場市場」を自動発掘 — コードを書かない AI エージェント活用術

「Claude Code はプログラミング支援ツール」——そう思い込んでいませんか？

@koder_dev さんのポスト で紹介された Zenn 記事（s4kura 氏） が話題になっています。Claude Code の スキル機能 を使って「穴場市場を探させる」という、コーディングとは全く異なる使い方です。

「Claude Code にスキル自作させて穴場市場探させるって Zenn の記事めっちゃ面白かった。いや本当自分の周りも自作 skill でプログラミング作って色んな作業やらせてる、無限に応用効くからなー」— @koder_dev

Claude Code スキルとは何か

基本概念

Claude Code のスキルは、SKILL.md ファイルに指示を記述することで Claude の機能を拡張する仕組みです。いわば 「プロンプトエンジニアリングのパッケージ化」 です。

スキルなし:
  毎回 → 「こういう手順で」「こういう基準で」「こういう形式で」と指示
  結果 → 指示漏れ、品質のばらつき

スキルあり:
  毎回 → /skill-name と入力するだけ
  結果 → 事前定義した手順・基準・形式が自動適用

スキルの構造

スキルは SKILL.md を中心としたディレクトリです。

my-skill/
├── SKILL.md           # メイン指示（必須）
├── references/        # 判断基準・リファレンス（任意）
├── templates/         # テンプレート（任意）
├── scripts/           # 実行スクリプト（任意）
└── examples/          # サンプル出力（任意）

SKILL.md は YAML フロントマターとマークダウンコンテンツの 2 部構成です。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

---
name: my-skill
description: スキルの説明。Claude はこの説明を見て自動的に使うか判断する
argument-hint: [引数のヒント]
---

# ここから下が実際の指示内容
1. まず〇〇を実行する
2. 次に△△を分析する
3. 結果を□□の形式で出力する

配置場所

個人スキルは全プロジェクトで使えるため、一度作れば使い回せます。

「アイデア発掘スキル」の設計

s4kura 氏のアプローチ

s4kura 氏が作成した indie-idea-scout スキルは、WebSearch を活用した 4 フェーズのリサーチ構造 を持ちます。

indie-idea-scout/
├── SKILL.md                          # ワークフロー定義
└── references/
    ├── evaluation-framework.md       # 5 軸評価基準
    ├── market-analysis-patterns.md   # 市場分析パターン
    └── search-strategy.md            # 検索戦略テンプレート

4 フェーズの実行フロー

Phase 1: トレンドリサーチ
  └── WebSearch 10〜14 回で最新動向を多角的に調査

Phase 2: ギャップ分析
  └── 3 種類のギャップを特定
      ├── 技術ギャップ（新技術で可能になったこと）
      ├── 市場ギャップ（消費者の不満・未充足ニーズ）
      └── 規制ギャップ（制度変更で生まれる機会）

Phase 3: アイデア生成・評価
  └── 5 軸スコアリングで定量評価

Phase 4: レポート出力
  └── 構造化された提案を生成

5 軸評価フレームワーク

各アイデアを 1〜5 点で評価します。

実際に発見された 3 つのビジネスアイデア

1. ClipForge（総合スコア 4.4/5.0）

EC 向けショート動画自動生成ツール。

タイミング:      ★★★★★ (5) — Seedance 2.0 API 公開直後
実現可能性:      ★★★★★ (5) — API を組み合わせるだけ
収益性:         ★★★★☆ (4) — EC 市場のニーズは明確
競合優位性:      ★★★★☆ (4) — タイムウィンドウを活用
個人開発適性:    ★★★★☆ (4) — SaaS として運用可能

注目ポイント: 新しい API の公開直後という「タイムウィンドウ」を AI が自動検出しています。人間が毎日テック系ニュースを追いかけなくても、この種のチャンスを体系的に発見できるのがスキルの強みです。

2. KomaStudio（総合スコア 4.0/5.0）

マンガ・Webtoon 特化の AI キャラクター生成エンジン。月額 1,480〜2,980 円で 100 ユーザーなら月 18 万円の収益見込み。

3. PriceHound（総合スコア 3.6/5.0）

AI 搭載の Web 変更監視ツール。既存競合の 1/3 の価格で日本語特化。月額 500〜1,200 円。

設計の 3 原則

s4kura 氏がたどり着いた設計原則は、スキル開発全般に応用できます。

原則 1: ワークフローと判断基準を分離する

❌ 悪い設計:
SKILL.md に全てを書く（ワークフロー + 評価基準 + 検索戦略）
→ ファイルが肥大化し、Claude の精度が低下

✅ 良い設計:
SKILL.md   → 「何をどの順番でやるか」だけ
references/ → 判断基準、評価軸、検索パターンを分離

公式ドキュメントでも SKILL.md は 500 行以下 に保つことが推奨されています。詳細なリファレンスは別ファイルに分離し、Claude が必要な時だけ読み込むようにします。

原則 2: 検索クエリをカテゴリ別に設計する

❌ 初版の検索:
「最新テクノロジートレンド」で 3〜4 回検索
→ 技術ニュースばかりで視野が狭い

✅ 改善版の検索:
・技術トレンド（英語・日本語）
・消費者の不満（Reddit, レビューサイト）
・規制変更（政府サイト）
・投資動向（TechCrunch, CB Insights）
→ 10 回以上の多角的検索で情報の質が劇的向上

原則 3: スコアリング基準を組み込む

評価軸と採点基準を明示的に定義することで、出力が変質します。

スコアリングなし → 「面白いアイデア」の羅列
スコアリングあり → 「実行可能で収益化できるアイデア」+ 根拠 URL 付き

初版 vs 改善版の比較

s4kura 氏の記事で印象的なのは、スキルの反復改善による品質変化 です。

コードを書かないスキルの可能性

このスキルの革新的な点は、コーディングを一切含まない分析業務の自動化 であることです。

同じパターンで実装可能なスキル例

スキルの実行コスト

スキル全体のファイルサイズは SKILL.md + references/ 3 ファイルで合計約 20KB です。一度作れば何度でも実行でき、毎回最新の WebSearch 結果に基づいた提案が得られます。

スキルを自作する手順

Step 1: スキルディレクトリを作成

1

mkdir -p ~/.claude/skills/my-research-skill/references

Step 2: SKILL.md を作成

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

---
name: my-research-skill
description: 指定したテーマについて多角的にリサーチし、
  実行可能なアイデアをスコアリング付きで提案する。
  市場調査、アイデア発掘、トレンド分析に使用。
argument-hint: [リサーチテーマ]
---

# リサーチスキル

以下の手順で $ARGUMENTS についてリサーチを実行してください。

## Phase 1: 情報収集
WebSearch を使って以下のカテゴリで最低 10 回検索する:
- 技術動向（英語・日本語）
- ユーザーの課題・不満
- 競合状況
- 市場規模・成長率

詳細な検索戦略は [search-strategy.md](references/search-strategy.md) を参照。

## Phase 2: 分析
収集した情報から以下を特定する:
- 技術ギャップ
- 市場ギャップ
- タイミングの機会

## Phase 3: 評価
[evaluation-framework.md](references/evaluation-framework.md) の基準で
各アイデアをスコアリングする。

## Phase 4: レポート出力
以下の形式で出力する:
- アイデア名
- 概要（2〜3 文）
- 5 軸スコア（各 1〜5 点）
- 想定ユーザー
- 技術スタック
- 収益モデル
- 参考 URL

Step 3: references/ にリファレンスを配置

評価基準、検索戦略、市場分析パターンを別ファイルとして作成し、SKILL.md からリンクします。

Step 4: 実行

/my-research-skill 個人開発向け AI ツール

スキルの高度な機能

動的コンテキスト注入

!`command` 構文で、スキル実行前にシェルコマンドの結果を注入できます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

---
name: pr-summary
description: PR の変更をまとめる
context: fork
agent: Explore
---

## PR コンテキスト
- PR diff: !`gh pr diff`
- コメント: !`gh pr view --comments`

gh pr diff の出力が事前に実行され、その結果が Claude に渡されます。

サブエージェント実行

context: fork を指定すると、スキルが独立したサブエージェントで実行されます。メイン会話のコンテキストを消費しません。

1
2
3
4
5
6
7
8

---
name: deep-research
description: トピックを徹底的に研究する
context: fork
agent: Explore
---

$ARGUMENTS を徹底的に研究します。

呼び出し制御

デプロイや送信など副作用のあるスキルは disable-model-invocation: true を設定し、手動でのみ実行されるようにします。

スキルの本質：反復プロンプトの構造化

@koder_dev さんが「無限に応用効く」と評した通り、スキルの本質は 「毎回書いているプロンプトをパッケージ化する」 ことです。

レベル 1: 毎回プロンプトを書く
  → 品質にばらつき、指示漏れのリスク

レベル 2: プロンプトテンプレートをコピペ
  → 手間は減るが、管理が煩雑

レベル 3: スキルとしてパッケージ化
  → /skill-name で即実行、references/ で品質担保
  → 全プロジェクトで再利用可能

s4kura 氏の記事が示したのは、このスキルの仕組みが コーディング以外のタスク にも適用できるという事実です。市場調査、競合分析、コンテンツ企画——プロンプトで繰り返し行う作業は全てスキル化の候補になります。

まとめ

• Claude Code のスキル機能 は SKILL.md + references/ でプロンプトをパッケージ化する仕組み
• s4kura 氏の 「アイデア発掘スキル」 は WebSearch を 10 回以上使い、5 軸スコアリングで穴場市場を自動発掘
• 設計の 3 原則: ワークフローと判断基準の分離、カテゴリ別検索設計、スコアリング基準の組み込み
• コーディングを含まない分析業務 にもスキルは有効
• 一度作れば全プロジェクトで再利用可能（合計約 20KB）
• references/ に判断基準を分離する Progressive Disclosure パターンが品質の鍵

Claude Code を「コーディング支援ツール」から 「繰り返し作業を構造化する AI エージェント基盤」 に変える——それがスキル機能の本当の可能性です。

参考

• @koder_dev のポスト — Claude Code スキルの応用
• Claude Code に「アイデア発掘スキル」を作らせたら、3 つの穴場市場を見つけてきた — s4kura（Zenn）
• Claude Code の「Skills」で開発が変わる — s4kura（Zenn）
• スキルで Claude を拡張する — Claude Code 公式ドキュメント
• Agent Skills Marketplace — SkillsMP
• awesome-claude-skills — ComposioHQ（GitHub）
• awesome-agent-skills — VoltAgent（GitHub）