refactor(intelligence): 旧スキル taxonomy を撤去し ADR-0016 基盤へ一本化

.claude/rules/backend/architecture.md

@@ -76,8 +76,10 @@ backend/app/
 │   │   │   ├── api_client.py
 │   │   │   └── repo_analyzer.py
 │   │   ├── response_mapper.py
-│   │   ├── skill_extractor.py
-│   │   └── skill_taxonomy/      # スキル分類（言語・トピック・キーワードマップ）
+│   │   └── skills/               # スキル推論基盤（ADR-0016 / 3層モデル）
+│   │       ├── aggregator.py    # discover+declare 合流 → DetectedSkill
+│   │       ├── linguist.py      # 言語正規化（Linguist languages.yml）
+│   │       └── manifests/       # エコシステム別 manifest パーサ（plugin 型）
 │   ├── tasks/                   # 非同期タスク基盤（Cloud Tasks / ローカル）
 │   │   ├── base.py              # TaskType 定義（現状 GITHUB_LINK のみ）
 │   │   ├── exceptions.py        # RetryableError / NonRetryableError
@@ -104,4 +106,4 @@ backend/app/
 - **routers/auth/ と routers/blog/**: いずれもパッケージ化されている。auth は `endpoints` / `github_auth` / `oauth_flow` / `token_manager`、blog は `accounts` / `score` / `sync` に責務分割
 - **services/tasks/**: Cloud Tasks（本番）と BackgroundTasks（ローカル）を共通の `execute_task` でディスパッチ。状態遷移（`processing` / `completed` / `dead_letter` / `retrying`）は worker が担う。現在登録されているタスクは `GITHUB_LINK` の 1 種類のみだが、`AsyncTaskCacheService` / `TaskHandler` は新規タスク追加の拡張ポイントとして汎用化してある（インライン化しない）
   - **タスクハンドラの「黙って return」は禁止**: 失敗パスでは `NonRetryableError` / `RetryableError` を `raise` し、`dead_letter` / `retrying` 遷移と通知発行を worker に任せる。早期 return すると呼び出し側に completed として観測されてしまう
-- **services/intelligence/**: GitHub 連携 → スキル集計パイプライン。`github_link_service` → `pipeline` → `github_collector` → `skill_extractor` が live 経路。LLM は使わず決定論的（ルールベース）に処理する（intelligence モジュールは LLM を使わない。LLM は services/agent/ のみ / ADR-0010）
+- **services/intelligence/**: GitHub 連携 → スキル推論パイプライン。`github_link_service` → `github_collector`（収集）→ `skills/aggregate_skills`（ADR-0016 の 3 層スキル検出）→ `pipeline.aggregate_intelligence`（dashboard 表示用サマリ）が live 経路。旧 `skill_extractor` / `skill_taxonomy`（自前辞書）は ADR-0016 基盤へ移行完了済みで撤去。LLM は使わず決定論的（ルールベース）に処理する（intelligence モジュールは LLM を使わない。LLM は services/agent/ のみ / ADR-0010）

backend/app/services/intelligence/github_link_service.py

@@ -121,9 +121,8 @@ async def _on_repo_fetched(done: int, total: int) -> None:
         # 取得失敗のときだけ警告対象にする（貢献年が無いだけなら警告しない）
         contribution_fetch_failed = not ok
 
-    # ステップ 3: スキル抽出（集計関数で一括処理）
+    # ステップ 3: スキル集計
     await set_progress(task_id, 3, _TOTAL_STEPS, "スキル集計中...")
-    result = aggregate_intelligence(payload["github_username"], repos)
 
     # 3 層スキル（ADR-0016 / discover + declare）の中間表現を組み立てる（I/O 無し）。
     detected_skills = aggregate_skills(
@@ -139,6 +138,9 @@ async def _on_repo_fetched(done: int, total: int) -> None:
         ]
     )
 
+    # dashboard 表示用サマリ（件数・言語バイト数）を検出スキルから組む。
+    result = aggregate_intelligence(payload["github_username"], repos, detected_skills)
+
     response = map_pipeline_result(result)
     response.contribution_calendars = calendars
     result_dict = response.model_dump()

backend/app/services/intelligence/pipeline.py

@@ -1,23 +1,22 @@
 """
-キャリアインテリジェンスパイプラインのオーケストレーター。
+キャリアインテリジェンスパイプラインの集計関数。
 
-GitHub のデータから以下の分析を順次実行します：
-  GitHub → リポジトリ → 集計 → スキル抽出
+GitHub から収集したリポジトリ集合（``RepoData``）と、スキル推論基盤
+（ADR-0016 / ``skills.aggregate_skills``）が組み立てた ``DetectedSkill`` 列から、
+dashboard 表示用の集計結果（``IntelligenceResult``）を構築する。
 
-各ステージは決定論的（LLM は呼ばない）。
+集計は決定論的（LLM は呼ばない）。スキルの正規化・検出は ``skills/`` 配下が担い、
+本モジュールは「件数・言語バイト数」の表示用サマリ算出に責務を限定する。
 """
 
 from collections import defaultdict
 from dataclasses import dataclass, field
 from datetime import datetime
-from typing import Dict, List, Optional
+from typing import Dict, List
 
-from ...core.logging_utils import get_logger
-from ...core.metrics import measure_time_async
-from .github_collector import RepoData, collect_repos
-from .skill_extractor import extract_skills
-
-logger = get_logger(__name__)
+from .github_collector import RepoData
+from .skills import DetectedSkill
+from .skills.types import SKILL_KIND_LANGUAGE
 
 
 @dataclass
@@ -31,54 +30,32 @@ class IntelligenceResult:
     languages: Dict[str, int] = field(default_factory=dict)
 
 
-def aggregate_intelligence(username: str, repos: List[RepoData]) -> IntelligenceResult:
-    """リポジトリ集合から ``IntelligenceResult`` を構築する純粋関数。
+def aggregate_intelligence(
+    username: str,
+    repos: List[RepoData],
+    detected_skills: List[DetectedSkill],
+) -> IntelligenceResult:
+    """リポジトリ集合と検出スキルから ``IntelligenceResult`` を構築する集計関数。
 
-    I/O を行わないため、CLI/テスト向けの ``run_pipeline`` と
-    進捗通知付きのバックグラウンドワーカーの双方から再利用できる。
+    外部 I/O（GitHub API / DB）は行わない（``analyzed_at`` のみ実行時刻を用いるため、
+    厳密には時刻依存。純粋関数ではない）。``unique_skills`` は ADR-0016 のスキル推論基盤が検出した
+    Layer 1 スキルのうち **言語スキル（kind=language）の件数**を表す
+    （dashboard 表示用。package は件数に含めない）。旧辞書ベース抽出は撤去済み。
+    ``languages`` は Linguist のバイト数をリポジトリ横断で合算する。
     """
     lang_totals: Dict[str, int] = defaultdict(int)
     for repo in repos:
         for lang, byte_count in repo.languages.items():
             lang_totals[lang] += byte_count
 
-    extraction = extract_skills(repos)
+    unique_language_skills = sum(
+        1 for skill in detected_skills if skill.kind == SKILL_KIND_LANGUAGE
+    )
 
     return IntelligenceResult(
         username=username,
-        repos_analyzed=extraction.repos_analyzed,
-        unique_skills=len(extraction.unique_skills),
+        repos_analyzed=len(repos),
+        unique_skills=unique_language_skills,
         analyzed_at=datetime.now().isoformat(),
         languages=dict(lang_totals),
     )
-
-
-@measure_time_async("intelligence.pipeline")
-async def run_pipeline(
-    username: str,
-    token: Optional[str] = None,
-    include_forks: bool = False,
-) -> IntelligenceResult:
-    """GitHub ユーザーに対してキャリアインテリジェンスパイプラインを実行する。
-
-    1. GitHub API からリポジトリ収集
-    2. ``aggregate_intelligence`` で集計・スキル抽出
-    """
-    logger.info("%s のインテリジェンスパイプラインを開始します", username)
-
-    repos: List[RepoData] = await collect_repos(
-        username,
-        token=token,
-        include_forks=include_forks,
-    )
-
-    result = aggregate_intelligence(username, repos)
-
-    logger.info(
-        "パイプライン完了 (%s): 分析リポジトリ数=%d, ユニークスキル数=%d",
-        username,
-        result.repos_analyzed,
-        result.unique_skills,
-    )
-
-    return result