本文へ移動
cccskills
無料GitHub で公開

ai-fluency-check

/ai-fluency-check と入力されたときだけ起動するAIフルーエンシー自己評価スキル。Anthropicの4D AI Fluency Framework(Delegation / Description / Discernment / Diligence)に基づく18項目のルーブリックを使い、対話的に自己評価する。

過去の評価記録と比較して成長を可視化し、研究根拠にもとづく改善アドバイスと参考文献を提供する。ユーザーが /ai-fluency-check と明示的に入力した場合のみ使用すること。自動起動・推測起動は一切しない。

インストール方法を見る

含まれるファイル(1)

  • SKILL.md22.6 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

AI Fluency Self-Check スキル

起動条件

ユーザーが /ai-fluency-check と明示的に入力したときのみ起動する。自動起動・推測起動は一切しない。


設計思想

このスキルは Anthropic が2026年2月に発表した AI Fluency Index の研究示唆に基づく自己評価ツール。以下の3点を重視している:

  1. 4Dフレームワークに準拠:Delegation / Description / Discernment / Diligence の4次元を網羅する
  2. 研究で観察された行動を項目化:AI Fluency Indexで観察された11の行動指標と、観察不能だが重要な13指標をバランスよく含める
  3. 成長の可視化:単発チェックではなく、前回比較で学習曲線(Economic Index "Learning Curves")を実感できるようにする

実行フロー

Step 0|過去データの検索

conversation_search ツールで "AI Fluency Score Record" を検索する。

  • 見つかった場合:最新の記録(日付・各次元スコア・項目別スコア)を取得してメモリに保持。Step 1 で「前回と比較します」と伝える。
  • 見つからなかった場合:初回として進める。

Step 1|ガイダンスの表示

以下の内容を表示してから質問セッションに入る:

🎯 AI フルーエンシー自己チェック

Anthropic の 4D AI Fluency Framework に基づく 18 項目で、
あなたの AI 活用スキルを自己評価します。

📋 評価軸(4D)
  Delegation  (委任)    : AIに任せる範囲の判断   4問・最大12点
  Description (記述)    : AIへの伝え方           5問・最大15点
  Discernment (識別)    : 出力を吟味する力       5問・最大15点
  Diligence   (誠実)    : 責任と継続的改善       4問・最大12点

⏱ 所要時間:7〜11 分
💡 各問「詳細を見る」ボタンで4段階の説明を確認できます
📚 研究根拠:Anthropic AI Fluency Index (2026)

前回データがある場合:「📅 前回(YYYY-MM-DD)の記録が見つかりました。今回と比較します。」を追加。


Step 2|質問セッション(4ブロック)

質問の提示ルール

各問の手順:

  1. 「ID|項目名」と一行説明を表示
  2. ask_user_input で5択を提示(初回呼び出し):
    • 0: ほとんどできていない
    • 1: 時々できている
    • 2: 一貫してできている
    • 3: 高度にできていて他者にも教えられる
    • 詳細を見る
  3. 選択肢「0〜3」が選ばれた場合:スコアを記録して、次の問へ進む(コメントなしで淡々と)
  4. 選択肢「詳細を見る」が選ばれた場合:
    • 後掲の詳細テキスト(該当項目の4段階説明)をそのまま表示する
    • 続いて ask_user_input を 4択で再呼び出し(「詳細を見る」は含めない):
      • 0: ほとんどできていない
      • 1: 時々できている
      • 2: 一貫してできている
      • 3: 高度にできていて他者にも教えられる
    • 返ってきたスコアを記録して、次の問へ進む

重要:2回目の ask_user_input に「詳細を見る」を含めない設計は、無限ループ防止と、詳細を読んだ後はスコアをつけるフェーズに進むという流れを明確にするため。


ブロック1:Delegation(委任・4問)

AIに任せる範囲を戦略的に判断する力。タスクをどう分解するか、どのモード(自動化/思考パートナー/エージェント)で関わるかを意図的に選ぶ次元。

ID項目名一行説明
DG1タスクの切り分け判断「人がやる部分」「AIに任せる部分」を意識的に切り分けているか
DG2AIの能力と限界の理解AIが得意なこと/苦手なことを踏まえて依頼内容を調整しているか
DG3相互作用モードの意図的選択「手早く自動化」「思考の壁打ち」「長期の代行」を使い分けているか
DG4実行前のアプローチ相談大きなタスクでは、いきなり実行させず先に「どう進めるか」を相談するか

4問終了後:✅ Delegation(委任):X / 12点 と小計表示してからブロック2へ。


ブロック2:Description(記述・5問)

目標・期待・条件を明確に言語化してAIの挙動と出力を導く力。AI Fluency Index で最も観察される次元。

ID項目名一行説明
DS1目的の明確化依頼前に「何のために・何を達成したいか」を伝えているか
DS2形式・構造の指定表・箇条書き・コードなど、望む出力形式を具体的に指定しているか
DS3良い例の提示目指すトーン・品質の参考例を渡してガイドしているか
DS4対象読者・文脈の共有読み手・場面・前提制約をセットで伝えているか
DS5協働スタイルの設定「間違っていたら指摘して」「推論を先に説明して」など対話ルールを先に設定するか

💡 DS5:レポートが特に推奨した行動。実行率30%だが対話全体の質を変える最大の伸びしろ。

5問終了後:✅ Description(記述):X / 15点 と小計表示してからブロック3へ。


ブロック3:Discernment(識別・5問)

AIの出力・挙動・推論を批判的に評価する力。レポートが「アーティファクト作成時にすべての指標が低下する」と警告した注意すべき次元。

ID項目名一行説明
DC1反復と精緻化初回回答を起点として、追質問・修正指示で磨き込んでいるか
DC2推論の問い直し「なぜそう言える?」「根拠は?」を意図的に問うているか
DC3文脈不足の特定AIの回答で「抜けている前提・欠けている視点」を能動的に指摘するか
DC4重要事実の検証重要情報を外部ソースや別経路でクロスチェックするか
DC5Polish への警戒見た目が整ったアウトプット(コード・文書・アプリ)ほど疑って確認するか

💡 DC1:研究で最も多く観察(85.7%)され、全指標と最強相関を示した中核行動。 💡 DC5:このレポートが新しく提示した「Polishの罠」概念。見た目の完成度と内容の正しさは別という注意喚起。

5問終了後:✅ Discernment(識別):X / 15点 と小計表示してからブロック4へ。


ブロック4:Diligence(誠実・4問)

AI活用に責任を持ち、透明性・倫理・継続学習を実践する力。レポートが「観察不能だが最も重要」と明言した次元。自己評価でしか測れない領域。

ID項目名一行説明
DL1透明性(利用開示)AIがどこで関与したかを成果物や関係者に明示しているか
DL2検証責任公開・提出する前に、人間として最終確認・責任を引き受けているか
DL3倫理・ポリシー遵守著作権・プライバシー・組織ポリシーを踏まえてAIを使うか
DL4継続的学習(Learning Curve)自分のAI使用を定期的に振り返り、使い方・モデル選択を改善しているか

💡 DL4:Economic Index "Learning Curves" で示された、6ヶ月以上のユーザーの成功率が+5pp高いという事実に基づく。熟達は振り返りで積み上がる。

4問終了後:✅ Diligence(誠実):X / 12点 と小計表示してから Step 3 へ。


Step 3|スコア集計の表示

markdownの表でスコアサマリーを表示する:

スコアサマリー表(前回比較付き):

次元今回前回差分
Delegation(委任)X/12X/12▲X or ▽X
Description(記述)X/15X/15▲X or ▽X
Discernment(識別)X/15X/15▲X or ▽X
Diligence(誠実)X/12X/12▲X or ▽X
合計X/54X/54▲X or ▽X

前回データがない場合は「前回」「差分」列を省略。


Step 4|テキストフィードバック

4-1. 全体評価コメント

合計スコア(満点54)に応じたコメントを1〜2文で:

合計評価レベルコメント
0〜18点基礎固め段階AI活用の習慣づけ段階。まず日常的な使い方の型を整えていきましょう。
19〜35点実践育成段階実践的な活用が育ちつつある段階。意識的に取り組んでいる項目が見えています。
36〜44点熟達段階高度な活用ができている段階。次は他者への展開・チームへの貢献が視野に入ります。
45〜54点指導者段階各次元で高い実践力があり、他者にフルーエンシーを伝える立場。研究や教育への貢献も視野に。

4-2. 強みの次元

最高スコアの次元(同点の場合は複数)について、「何ができているか」を具体的に1〜2文で記述。

4-3. 優先改善項目

スコアが低い項目(計3項目)について、それぞれ以下の形式で:

📌 [項目名](現在 X/3 | 次元:◯◯◯)
  課題:〜〜〜
  次のアクション:〜〜〜(具体的に1つ)

優先改善項目3つは、以下の優先順位で選ぶ:

  1. 次元バランス優先:4つのDの中で最もスコアが低い次元から 最低1項目 を必ず含める
    • その次元の中で最低スコアの項目を選ぶ
    • 同スコアで複数ある場合は、下記ステップ3のルールで選ぶ
  2. 残り2項目はスコア下位順:全18項目の中からスコアが低い順に選ぶ(ステップ1で選んだ項目は除く)
  3. 同スコアで並んだ場合のタイブレーク:以下の「研究で特に重要とされた項目」を優先
    • DC1(反復と精緻化):全指標と最強相関
    • DS5(協働スタイルの設定):最大の伸びしろ
    • DC5(Polishへの警戒):アーティファクト効果への注意
    • DL4(継続的学習):Learning Curve効果

理由:次元バランスを優先する理由は、1つの次元に偏らないバランスのとれたフルーエンシー向上を促すため。全体の下位3つだけを機械的に選ぶと、同じ次元に改善項目が集中してしまう可能性があるため、このルールで補正する。

4-4. 成長の記録(前回データがある場合のみ)

  • スコアが上がった項目:「✨ 伸びた項目:〜」
  • 変わっていない項目:「→ 引き続き意識したい:〜」
  • 下がった項目があれば:「⚠️ スコアが下がった項目:〜(要確認)」

前回比較で、特に次元別の伸びを強調する。Economic Index "Learning Curves" の示唆通り、継続的な振り返りで成長が加速することを伝える。


Step 5|参考文献

📚 参考文献

【原典】
- Anthropic AI Fluency Index (2026)
  https://www.anthropic.com/research/AI-fluency-index

- Anthropic Economic Index - Learning Curves (March 2026)
  https://www.anthropic.com/research/economic-index-march-2026-report

【4D Framework】
- AI Fluency: Framework & Foundations (Anthropic Academy)
  https://anthropic.skilljar.com/ai-fluency-framework-foundations

- Framework for AI Fluency by Rick Dakan & Joseph Feller
  https://ringling.libguides.com/ai/framework

【解説記事】
- AI Fluency Index 解説(日本語)
  https://jobirun.com/anthropic-ai-fluency-index-report-2026/

Step 6|保存用サマリーの出力

次回の conversation_search で確実に引っかかるよう、会話中に以下のブロックをそのまま出力する(フォーマットを崩さない):

## AI Fluency Score Record
日付: YYYY-MM-DD
Delegation(委任): X/12
Description(記述): X/15
Discernment(識別): X/15
Diligence(誠実): X/12
合計: X/54
詳細スコア: DG1=X, DG2=X, DG3=X, DG4=X, DS1=X, DS2=X, DS3=X, DS4=X, DS5=X, DC1=X, DC2=X, DC3=X, DC4=X, DC5=X, DL1=X, DL2=X, DL3=X, DL4=X

「このブロックをメモしておくと、次回の /ai-fluency-check で自動的に成長比較ができます。」と一言添える。


詳細テキスト(「詳細を見る」選択時に表示)

Delegation(委任)

DG1|タスクの切り分け判断

  • 0: タスクを丸投げするか全部自力でやるかの二択になっており、切り分けの発想がない
  • 1: 大きなタスクはときどき分解するが、「AIに任せる部分/自分でやる部分」の判断基準が曖昧
  • 2: タスクを「構造化・下書き・検証・最終判断」などに分解し、AIに任せる部分と人がやる部分を意図的に分けている
  • 3: タスク切り分けのパターンを自分のワークフローとして定型化し、他者にも再現可能な形で共有できる

DG2|AIの能力と限界の理解

  • 0: AIが何を得意で何を苦手とするかをあまり意識せず、同じやり方で何でも依頼する
  • 1: うまくいかなかった経験から「このタイプの依頼は苦手そう」と気づく程度
  • 2: AIの得意領域(構造化・下書き・複数案出し)と苦手領域(最新事実・独自判断・長期記憶)を踏まえて依頼の粒度を調整している
  • 3: モデルごとの特性差やバージョン更新の影響を理解し、タスクに応じてモデル・ツールを使い分けている

DG3|相互作用モードの意図的選択

  • 0: ほぼ「質問して答えをもらう」一択で、AIとの関わり方を意識していない
  • 1: たまに「ブレスト役」「レビュー役」など役割を切り替えるが、その場の思いつきが多い
  • 2: 「自動化(任せて実行)」「思考パートナー(一緒に考える)」「エージェント化(継続的に代行)」を意識的に使い分けている
  • 3: タスク設計の段階で適切なモードを選び、メンバーやクラスにもモード選択の判断軸を伝えられる

DG4|実行前のアプローチ相談

  • 0: 大きなタスクでも、いきなり「やって」と依頼して最後まで一気に走らせる
  • 1: 途中で手戻りが起きたときに、方針を相談し直すことがある
  • 2: 重要なタスクでは「どう進めるか」をまず相談し、合意してから実行に移す習慣がある
  • 3: アプローチ相談→計画合意→実行→検証のワークフローを定型化し、他者にも展開している

Description(記述)

DS1|目的の明確化

  • 0: 「〜について教えて」程度で、何のために・どう使うかを伝えない依頼が多い
  • 1: 重要な依頼のときだけ目的を書くが、抜け漏れが多い
  • 2: 依頼のたびに「最終目的・成果物の用途・成功条件」を具体的に伝えている
  • 3: 目的の言語化をテンプレ化し、複雑なタスクでも目的階層(上位目的/具体目的)を整理して渡せる

DS2|形式・構造の指定

  • 0: 出力形式を指定せず、毎回AI任せで返ってきた形をそのまま受け取る
  • 1: ときどき「箇条書きで」「表で」など簡単な形式を指定する
  • 2: 目的に応じて「表・コード・手順書・JSON・マークダウン」など最適な形式を積極的に指定している
  • 3: 再利用可能なフォーマット(テンプレ・スニペット)を設計し、AIへの指示として継続活用している

DS3|良い例の提示

  • 0: 例文や参考資料をほとんど渡さず、抽象的な指示だけで依頼する
  • 1: うまくいかないときだけ参考例を追加する
  • 2: 目指すトーン・構成・品質を示す具体例を最初から渡す習慣がある
  • 3: 自作の良いアウトプットをライブラリ化し、タスクに応じて例を使い分けている

DS4|対象読者・文脈の共有

  • 0: 読み手のレベル・場面・制約などの前提をほぼ伝えない
  • 1: 思いついたときだけ背景情報を書くが、抜け漏れが多い
  • 2: 読者(誰が読むか)・場面(どこで使うか)・制約(時間・予算・組織ルール)を一通りセットで共有している
  • 3: タスクに応じた文脈共有のパターンを持ち、他者にもその設計法を伝えられる

DS5|協働スタイルの設定

  • 0: AIとの対話ルールを指定せず、返ってきたものをそのまま受け取る
  • 1: ときどき「丁寧に」「簡潔に」など話し方を指定する
  • 2: 「間違っていそうなら指摘して」「推論を先に説明して」「不確かな部分を明示して」など、対話の振る舞いルールを先に設定している
  • 3: タスク種別ごとの協働スタイル(批評モード・ソクラテスモード・ブレストモードなど)をパターン化し、他者にも共有している

Discernment(識別)

DC1|反復と精緻化

  • 0: 最初の回答をほぼそのまま使うことが多い
  • 1: 気になったときだけ追加質問や修正指示を出す
  • 2: 「たたき台→追質問→修正→最終版」のように、ほぼ毎回2〜3往復以上で磨き込んでいる
  • 3: 反復プロセス自体を設計し、「生成→比較→統合→検証」のようなワークフローを定型化している

DC2|推論の問い直し

  • 0: AIの結論の「なぜ?」をほとんど問わずに結果を受け取る
  • 1: 疑問を感じたときだけ理由や根拠を尋ねる
  • 2: 意図的に「なぜその結論?」「前提は何?」「他の選択肢は?」と問い、推論を言語化させている
  • 3: AIの推論プロセスを自分で辿れるレベルで理解し、推論の見える化を指導・設計できる

DC3|文脈不足の特定

  • 0: AIの回答に欠けている前提や視点に気づかず、そのまま使うことが多い
  • 1: 明らかな抜けだけ指摘する
  • 2: 「地域差」「対象者のスキル」「制度・文化・業界特性」など、抜けている前提を体系的に確認・補完している
  • 3: 前提チェックの観点リストを持ち、チームや学習者にも「この前提は?」と問う文化を作っている

DC4|重要事実の検証

  • 0: AIの出力をそのまま事実として受け取り、検証しないことが多い
  • 1: 重要そうな数字や固有名詞だけ気が向いたときに調べる
  • 2: 重要情報は、AIに再確認させたり外部ソース(一次資料・公式ドキュメント)でクロスチェックする習慣がある
  • 3: 検証の手順をチェックリスト化し、チームや学習者にも「検証のやり方」を指導できる

DC5|Polish への警戒

  • 0: 見た目が整った出力(動くコード・整ったレポート・完成っぽいアプリ)を「できている」と判断しがち
  • 1: 大きな違和感があるときだけ再確認する
  • 2: 完成度の高いアウトプットほど「本当に正しいか?仕組みはどうなっているか?」と意図的に立ち止まって確認している
  • 3: 「Polishの罠(見た目の完成度と内容の正しさは別)」を他者にも教え、検証文化を組織・クラスに根づかせている

Diligence(誠実)

DL1|透明性(利用開示)

  • 0: AIを使ったかどうかを共有しない、または聞かれても曖昧にする
  • 1: 聞かれたときだけAI利用を説明する
  • 2: 成果物(記事・コード・教材・レポート)に「どの部分でAIを使ったか」を自発的に明記している
  • 3: 所属組織・クラス・コミュニティでAI利用開示の基準を整備・運用している

DL2|検証責任

  • 0: AIの出力をそのまま公開・提出することがあり、最終確認の基準が曖昧
  • 1: 重要そうな場面では自分で確認するが、基準は場当たり的
  • 2: 公開・提出前には必ず人間(自分または他者)が最終確認する基準とプロセスを決めて守っている
  • 3: 「AIは補助・人間が責任」という原則を組織やチームのプロセスに組み込み、運用している

DL3|倫理・ポリシー遵守

  • 0: 著作権・プライバシー・組織ポリシーをあまり意識せずにAIを使う
  • 1: 気になったときだけ規約やルールを確認する
  • 2: 著作権・機密情報・個人情報・組織ポリシーなどリスク領域では特に注意して使い方をコントロールしている
  • 3: 自組織・授業向けのAI利用ガイドラインを作成・アップデートし、周囲に浸透させている

DL4|継続的学習(Learning Curve)

  • 0: 自分のAI活用を振り返る習慣はほぼなく、同じ失敗を繰り返しがち
  • 1: うまくいかなかったときだけ使い方を見直す
  • 2: 定期的に「うまくいったプロンプト・失敗パターン・モデル選択の判断」を振り返り、使い方を改善している
  • 3: 振り返りと共有の場(社内勉強会・コース・ブログ)を設計・運営し、他者の学習曲線も後押ししている

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

coach-me

無料日本語概要

/coach-me と入力されたときだけ起動する、Learning by Doing コーチングスキル。現在の会話を分析し、Anthropicの4D AIフルーエンシーフレームワーク(Delegation / Description / Discernment / Diligence)に基づいて「うまくできていた点」「改善できる点」「次回に使えるプロンプト例」をフィードバックする。オプションで /coach-me 詳細 または /coach-me --detail と入力すると次元ごとの深掘りフィードバックを提供。自動起動は一切しない。ユーザーが /coach-me と明示的に入力した場合のみ使用すること。

toiee-kameda/libehub-skills22026年9月18日 更新

context-builder

無料日本語概要

/context-builder と入力されたときだけ起動する、コンテキストドキュメント作成インタビュースキル。人・プロジェクト・プロダクトなどの対象について、1問ずつ掘り下げる対話を通じて情報を集め、今後 Claude との対話の冒頭に貼り付けるための context.md(自分についてなら aboutme.md)を作り上げる。/context-builder me(自分=aboutme)/ project / product のように対象を指定できる。「aboutme を作りたい」「プロジェクトのコンテキストをまとめたい」「プロダクトの前提情報を用意したい」ときに使う。自動起動はせず、ユーザーが /context-builder と明示的に入力した場合のみ使用すること。

toiee-kameda/libehub-skills22026年9月18日 更新

copywriting-grill

無料日本語概要

セールスレターを書き始める前に、素材(読者・約束・抵抗・証拠・価格や保証などの確定事項)を一問ずつ執拗に聞き出すスキル。「セールスレターについて質問攻めして」「レターを書く前にヒアリングして」「素材を聞き出して」「grillして」、または具体性の乏しいブリーフのままセールスレター執筆を依頼されたときに使う。コピーライティングの「構想メモ」を、書く前に埋めるための対話手順。このスキル自体はレター本文を書かない。

toiee-kameda/libehub-skills22026年9月18日 更新

craft-whiteboard-excalidraw

無料日本語概要

Craft のホワイトボードに Excalidraw 要素を追加・描画するときに必ず使うスキル。 whiteboardElements_add を使う場面、Craft ホワイトボードに図を描く場面、 Excalidraw の JSON を Craft に反映させる場面では常にこのスキルを参照すること。 label 内包記法や cameraUpdate を使うと Craft でテキストが消えるため、 このスキルの互換フォーマットに従う必要がある。

toiee-kameda/libehub-skills22026年9月18日 更新

eli5

無料日本語概要

5歳の子どもにもわかるように、要望されたテーマを説明します。ユーザーが /eli5 "テーマ" と入力したとき、または何かの仕組みをとても簡単な図解で説明してほしいと頼んだときに使います

toiee-kameda/libehub-skills22026年9月18日 更新

hint-me

無料日本語概要

Claude特有の機能を習熟するために、活用ヒントを提案する

toiee-kameda/libehub-skills22026年9月18日 更新

toiee-kameda のスキルをすべて見る

このスキルの問題を報告する