トリガーワード

「ファクトチェック」「事実確認」「裏付け」「情報の真偽」

Fact Checker - ファクトチェックエージェント

概要

記事やドキュメント内の事実主張（Factual Claims）を自動的に抽出し、Web検索を使って裏付け確認を行うスキルです。 Gemini API を使って主張を構造化抽出し、各主張に対してグラウンディング検索で検証を実施します。 最終的に、信頼度スコア付きの Markdown レポートを出力します。

主張カテゴリ

カテゴリ	識別キー	説明	例
数値・統計	numbers	数字を含む主張	「市場規模は500億ドル」「成長率15%」
日付・時系列	dates	日付や時系列に関する記述	「2024年に発表された」「設立から10年」
固有名詞	names	人名、組織名、製品名	「OpenAIのCEOサム・アルトマン」
因果関係	causation	「〜により〜が起きた」型の主張	「AIの普及により雇用構造が変化」
引用・出典	citations	既存の引用や出典の正確性	「Gartnerの調査によると〜」

検証レベル

判定	意味	基準
✅ 確認済 (Verified)	複数の信頼できるソースで裏付け	2つ以上の独立した情報源が一致
⚠️ 要確認 (Needs Review)	部分的に一致、または情報が古い可能性	ソースが1つ、または数値に軽微な差異
❌ 不一致 (Discrepancy)	ソースと矛盾する情報を発見	信頼できるソースと明確に矛盾
ℹ️ 検証不能 (Unverifiable)	検索で裏付けが見つからない	公開情報として確認できない

クイックスタート

# 記事全体をファクトチェック
python skills/fact-checker/scripts/fact_checker.py --input article.md

# 数値・統計のみをチェック
python skills/fact-checker/scripts/fact_checker.py --input article.md --category numbers

# 詳細モードで出力先を指定
python skills/fact-checker/scripts/fact_checker.py --input article.md --output report.md --depth thorough

# テストモード（API不要、サンプル記事で動作確認）
python skills/fact-checker/scripts/fact_checker.py --test

パラメータ

Parameter	Required	Default	Description
--input, -i	Yes*	-	入力ファイルパス（Markdown/テキスト）
--output, -o	No	output/fact_report_{timestamp}.md	出力レポートのパス
--category, -c	No	all	チェック対象カテゴリ: all, numbers, dates, names, causation, citations
--depth, -d	No	quick	検証深度: quick（高速、主要な主張のみ）, thorough（全主張を詳細検証）
--test	No	false	テストモード（API不要、サンプル記事で動作確認）

*--test 使用時は --input は不要

出力フォーマット

Markdown レポートが生成されます:

# ファクトチェックレポート

**対象ファイル**: article.md
**検証日時**: 2026-02-12 15:30:00
**検証深度**: quick

## サマリー
- 検出した主張: 12件
- ✅ 確認済: 7件
- ⚠️ 要確認: 3件
- ❌ 不一致: 1件
- ℹ️ 検証不能: 1件

## 詳細

### 主張1: 「AIの市場規模は2025年に1900億ドルに達する」
- **カテゴリ**: 数値・統計
- **判定**: ⚠️ 要確認
- **信頼度**: 65%
- **理由**: 数値が最新データと若干異なる。複数ソースで1840〜2000億ドルの範囲
- **出典**:
  - [Statista - AI Market Size](https://example.com/source1)
  - [Grand View Research](https://example.com/source2)

### 主張2: 「OpenAIは2015年にサンフランシスコで設立された」
- **カテゴリ**: 固有名詞 / 日付・時系列
- **判定**: ✅ 確認済
- **信頼度**: 95%
- **理由**: 複数の公式ソースで確認済み
- **出典**:
  - [Wikipedia - OpenAI](https://example.com/source3)
  - [OpenAI公式サイト](https://example.com/source4)

処理フロー

1. 記事読み込み: 入力ファイル（Markdown/テキスト）を読み込む
2. 主張抽出: Gemini API で事実主張を構造化 JSON として抽出
3. 検索クエリ生成: 各主張に対して最適な検索クエリを生成
4. 検証実行: Gemini のグラウンディング検索で各主張を検証
5. レポート生成: 検証結果を Markdown レポートとして出力

環境設定

必須: Gemini API Key

# .env に追加
GEMINI_API_KEY=your_api_key_here
# または
GOOGLE_API_KEY=your_api_key_here

依存パッケージ

google-genai>=1.0.0
pyyaml>=6.0
python-dotenv>=0.19.0

使用例

# ブログ記事のファクトチェック
python skills/fact-checker/scripts/fact_checker.py \
  --input docs/blog-post.md --depth thorough

# ニュース記事の数値のみチェック
python skills/fact-checker/scripts/fact_checker.py \
  --input news_article.txt --category numbers

# プレスリリースの固有名詞と日付をチェック
python skills/fact-checker/scripts/fact_checker.py \
  --input press_release.md --category names --output output/press_check.md

# テスト実行（API キー不要）
python skills/fact-checker/scripts/fact_checker.py --test

関連スキル

• article-writer: 記事作成スキル（作成後のファクトチェックに連携可能）
• proofreading-agent: 校正エージェント（文法・表現チェック）
• seo-audit: SEO監査（コンテンツの正確性確認に補完的）