kaggle-past-solutions

name: kaggle:past-solutions description: Kaggle MCP 経由で類似過去コンペの上位解法 Writeup を収集し、docs/insights/past_solutions_{slug}.md に保存する。新コンペ開始時の初期仮説づくりに使う。 argument-hint: [対象コンペの slug（例: playground-series-s5e1）。省略時は docs/official/ から推定] disable-model-invocation: true allowed-tools: Bash, Read, Write, Edit, Glob, Grep, WebFetch

類似過去コンペの Writeup を収集する

このスキルは Kaggle 公式 MCP サーバー (https://www.kaggle.com/mcp) を使い、対象コンペに似た過去コンペの上位解法を集めて docs/insights/past_solutions_{target_slug}.md に保存する。

ユーザーと対話しながら進める。MCP の検索結果は LLM が要約して保存するが、要約の方向性（重視ポイント）はユーザーに確認する。

前提チェック

1. MCP 接続確認

   • claude mcp list | grep kaggle で ✓ Connected を確認
   • サーバ定義は .mcp.json（同梱）にあるので追加不要
   • Needs authentication と出ていれば /mcp → kaggle を選択しブラウザ認証を Approve するよう案内

2. Kaggle MCP ツールが利用可能かを確認

   • mcp__kaggle__* プレフィックスのツールがツールリストにあるはず
   • なければユーザーに /mcp で再認証を依頼

フェーズ 1: 対象コンペの特定

1. $ARGUMENTS から slug を取得

   • 引数があれば slug として使用
   • なければ docs/official/ 配下を Read してコンペ slug の手がかりを探す
   • それでも不明ならユーザーに確認:
     • 「対象コンペの slug を教えてください（例: titanic、playground-series-s5e1）」

2. 対象コンペのメタデータを取得

   • mcp__kaggle__get_competition(competitionName=slug) で取得
   • 以下を記録: 公式名、評価指標、タスク種別、データ種別、開催期間、参加者数

3. 類似基準をユーザーと合意

   • 評価指標一致を最優先するか / タスク種別一致を優先するか / データ種別（画像・テーブル・テキスト・音声等）一致を優先するか
   • 出力に含めたい解法の数（デフォルト: 各コンペ Top 3、最大 5 件）

フェーズ 2: 類似過去コンペの抽出

1. mcp__kaggle__search_competitions で候補列挙

   • 検索クエリは「評価指標名 + タスクキーワード + データ種別」を組み合わせる
   • 例: target が RMSE × tabular regression なら "tabular regression rmse"
   • 完了済み (closed) のコンペに限定する（解法が公開されているもの）

2. 候補の絞り込み

   • 取得結果から 3〜5 件を選定
   • ユーザーに候補リストを提示し、「この 3 件で進めますか？追加・除外したいものはありますか？」と確認

フェーズ 3: 上位解法 Writeup の取得

各類似コンペについて以下を実行:

1. コンペの forum を特定

   • mcp__kaggle__list_forums または get_competition の応答から forum_id を取得

2. 上位解法トピックを検索

   • mcp__kaggle__list_forum_topics(forum_id=..., query="1st place|2nd place|3rd place|solution|winner")
   • タイトルに "1st"/"2nd"/"3rd"/"place"/"solution" を含むトピックを抽出
   • upvote 数や順位の明記を見て、本物の上位解法かを判定

3. Writeup 本文を取得

   • 各トピックに対し mcp__kaggle__get_writeup_by_topic(topic_id=...) で本文取得
   • 取得失敗時は mcp__kaggle__get_forum_topic(topic_id=..., includeComments=true) でフォーラム本文をフォールバックで取得

4. 参照リンク解決

   • mcp__kaggle__get_resolved_writeup_links(...) で writeup 内のリンクを解決
   • データセット・ノートブック・YouTube・外部 URL を分類して保持

フェーズ 4: 出力ファイルの生成

1. 保存先: docs/insights/past_solutions_{target_slug}.md
2. 既存ファイルがある場合: ユーザーに上書き or 追記 or 中止を確認
3. フォーマット（必ずこの構造で書く）:

# Past Solutions: {target_competition_name}

- 調査日: {YYYY-MM-DD}
- 対象コンペ: [{slug}](https://www.kaggle.com/competitions/{slug})
- 評価指標: {metric}
- タスク種別: {task_type}
- データ種別: {data_type}
- 類似基準: {ユーザーと合意した基準}

---

## 類似コンペ 1: {comp_name}

- URL: https://www.kaggle.com/competitions/{slug}
- 評価指標: {metric}
- 開催期間: {YYYY-MM} 〜 {YYYY-MM}
- 参加チーム数: {n}

### 1st place solution

- 著者: {user}（@{username}）
- リンク: {forum_topic_url}

**要約**

（3〜5 行で手法の核を要約。LLM の地の言葉で書く）

**採用手法**

- モデル: {model_arch}
- 前処理: {key_preprocessing}
- 後処理 / アンサンブル: {ensemble_strategy}
- CV 戦略: {cv_strategy}

**参照リソース**

- データセット: {resolved_dataset_links}
- ノートブック: {resolved_notebook_links}
- 外部リンク: {resolved_external_links}

### 2nd place solution

（同上）

### 3rd place solution

（同上）

---

## 類似コンペ 2: ...

---

## 全体所感（LLM の地の言葉）

- 共通して効いていた手法: ...
- 本コンペで試す価値が高そうなもの: ...
- 注意点・本コンペでは効かない可能性があるもの: ...

4. 書き込み後の確認
   • 生成したファイルパスを表示
   • ファイル冒頭 30 行を Read して整形確認

フェーズ 5: 完了報告

• 生成ファイルの相対パス（docs/insights/past_solutions_{slug}.md）
• 収集できた解法数（n コンペ × 各 m 件）
• ダッシュボードでの閲覧パス（http://localhost:8000/knowledge/insights/past_solutions_{slug}.md）
• 次のステップの提案: 「この知見を元に kaggle:new-experiment で初回実験を設計しますか？」

フォールバック: kagglesdk（MCP が使えないとき）

MCP ツール呼び出しが失敗（接続切れ・認証切れ・タイムアウト・該当ツール未提供）した場合、Kaggle 公式 Python SDK (kagglesdk) にフォールバックする。kaggle パッケージは pyproject.toml の dev グループに既に入っているので追加インストール不要。

前提

• ~/.kaggle/kaggle.json（API トークン）が設置済みであること（未設定なら https://www.kaggle.com/settings → API → Create New Token）

MCP → kagglesdk 対応マップ

uv run python -c "..." で KaggleClient を呼ぶ。サービスは c.competitions.competition_api_client / c.datasets.dataset_api_client / c.models.model_api_client / c.kernels.kernels_api_client / c.benchmarks.benchmarks_api_client / c.search.search_api_client に分かれる。

kagglesdk でも取れないもの（forum / writeup / discussion 系）

list_forums, list_forum_topics, get_forum_topic, get_writeup_*, get_resolved_writeup_links, list_hackathon_write_ups などは kagglesdk に対応サービスがない。この場合の優先順位:

1. WebFetch を最後の手段として使う:
   • Discussion 一覧: https://www.kaggle.com/competitions/{slug}/discussion
   • 個別 topic: https://www.kaggle.com/competitions/{slug}/discussion/{topic_id}
   • 取得結果は「自動抽出のため不正確の可能性あり」と markdown に注記する
2. 取れなかったコンペは飛ばす: 最終 markdown 冒頭に「収集失敗: N/M コンペ（理由）」を明記

ad-hoc 実行例

uv run python - <<'PY'
from kagglesdk import KaggleClient
with KaggleClient() as c:
    comp = c.competitions.competition_api_client.get_competition(
        # GetCompetitionRequest 等の引数型は SDK ヘルプ参照
    )
    print(comp)
PY

引数の型・必須フィールドは help(method) または KaggleClient の各 *_api_client のソース (uv run python -c "import inspect, kagglesdk; print(inspect.getsourcefile(kagglesdk.KaggleClient))" で場所を特定) で確認する。

ハンドリング方針

1. まず MCP を試す。エラー時のみフォールバック
2. フォールバック発動を markdown 冒頭の「調査メモ」欄に記録（例: - 取得経路: MCP（コンペ A, B） / kagglesdk（コンペ C） / WebFetch（コンペ D の writeup））
3. すべての経路で失敗した場合は 黙ってスキップせず、その旨を明記する

注意事項

• 書き込み系 MCP ツール（submit_to_competition, upload_dataset_file 等）は呼ばない: 本スキルは読み取り専用
• CLAUDE.md の「探索の独立性」: 過去解法はあくまで参考。「この手法が必ず効く」ではなく「こういう選択肢がある」として記述する
• Writeup の生コピペ禁止: 必ず LLM の地の言葉で要約する（著作権 / 文脈の維持のため）
• 取得に失敗したコンペは無理に埋めない: 該当解法なしと明記して次へ