文章校正スキル

ニュースレター、記事、ブログ投稿、技術文書など、あらゆる日本語文章に対して校正とフィードバックを提供します。誤字脱字・文章の明確性・表現の一貫性をチェックし、建設的な改善提案を行います。レポート形式のほか、修正済み全文を出力する書き直しモードにも対応しています。

クイックスタート

1. 入力を受け取る — アップロードされたファイル、またはチャットに貼り付けられたテキストのいずれかを対象とする
2. メタ情報を識別 — 校正対象外の部分（Front Matter・末尾注釈）をスキップする
3. 出力モードを判定 — ユーザーの指示に応じてレポートモード／書き直しモードを選ぶ
4. 該当モードで出力 — 構造化フォーマットで提示する

出力モード

レポートモード（デフォルト）

「校正して」「チェックして」「フィードバックをください」などの依頼に使用する。4つの観点でレビューし、構造化された校正レポートを出力する。

書き直しモード

「書き直して」「修正後の全文を出して」「rewrite」と指示された場合に使用する:

• 全文を修正して出力する
• 修正箇所は ~~元の表現~~ → **修正後の表現** の形式で変更を明示する
• 末尾に修正点のサマリー（箇条書き）を追加する

絞り込みモード

「誤字だけ」「表記揺れだけ」など特定の観点に絞った依頼には、該当観点のみのレポートを簡潔に出力する。

校正ワークフロー

ステップ1: 入力解析

受け取ったファイルまたはテキストを解析し、以下を識別する:

• Front Matter: ファイル冒頭の --- で囲まれたYAML部分（スキップ）
• 末尾注釈: 注釈:、&AI、@toiee Kameda で始まる行（スキップ）
• 本文: 上記以外がすべて校正対象

ステップ2: 4つの観点でレビュー

1. 誤字脱字の確認

• 漢字の誤り（例: 対象 vs 対照）
• ひらがな・カタカナの間違い
• 句読点の誤り・スペースの過不足

2. 文章の明確性

• 意味が不明確な文
• 長すぎる文（60文字以上）
• 主語と述語の対応ミス・文脈の不整合

3. 表現の一貫性

• 用語の表記揺れ（例: Webサイト vs ウェブサイト）
• 文体の混在（です/ます調 vs である/だ調）
• 数字・アルファベットの全角/半角混在

4. 総合的な品質評価

• 読者視点での評価
• 論理展開の自然さ
• 優れている点と改善点

ステップ3: 出力

判定したモードに応じてフォーマットで出力する。

出力フォーマット（レポートモード）

# 文章校正レポート

## 📊 概要
- 総文字数: [数値]文字
- チェック対象文字数: [数値]文字（メタ情報を除く）
- 検出された問題点: [数値]件
- 文章の種類: [フォーマル/カジュアル/その他]

## 🔴 重要度: 高（修正推奨）

### 誤字脱字
| 箇所 | 原文 | 修正案 | 理由 |
|------|------|--------|------|
| [行数/セクション] | [誤り] | [修正] | [説明] |

### 文意が不明確な箇所
| 箇所 | 原文 | 改善案 | 理由 |
|------|------|--------|------|
| [行数/セクション] | [原文] | [改善案] | [説明] |

## 🟡 重要度: 中（改善推奨）

### 表現揺れ・統一性
| 箇所 | 表記揺れ | 統一案 |
|------|----------|--------|
| [行数/セクション] | [揺れている表現] | [統一すべき表現] |

### 長文・複雑な文章
| 箇所 | 原文 | 改善案 |
|------|------|--------|
| [行数/セクション] | [長い/複雑な文] | [短く/明確にした文] |

## 🟢 重要度: 低（検討事項）

### その他の改善提案
- [改善提案1]
- [改善提案2]

## ⭐ 優れている点

1. **[評価点1のタイトル]**
   [具体的な説明]

## 💡 総合フィードバック

### 全体的な印象
[読者視点での全体的な印象]

### 改善の優先順位
1. [最優先で対応すべき項目]
2. [次に対応すべき項目]
3. [時間があれば対応する項目]

実行ルール

1. 具体的な修正案を必ず示す — 問題点の指摘だけでなく、改善案をセットで提示する
2. 著者の意図と声を尊重する — スタイルや個性を維持しながら改善する
3. 優先順位をつける — 高・中・低の重要度レベルを必ず使う
4. ポジティブフィードバックを含める — 良い点も必ず指摘する
5. 文書タイプを考慮する — フォーマル/カジュアルに応じてトーンを調整する

メタ情報の除外パターン

Front Matter（YAML形式）

---
title: "記事タイトル"
date: 2025-10-26
author: "著者名"
tags: ["タグ1", "タグ2"]
---

ファイル末尾の注釈

---
注釈: 0,4540 SHA-256 0c400f178429a8e27222401342a34478  
&AI <ChatGPT>: 116,2 194,12 228,37 286,33 ...
@toiee Kameda: 0,116 118,76 206,22 265,21 ...

これらはAIと人間の執筆範囲を区別するメタ情報であり、校正対象外として扱う。

使用例

例1: 通常の校正

依頼: 「この記事を校正してください。[ファイルまたはテキスト]」

動作: Front Matterと末尾注釈を識別してスキップ → 4観点でチェック → 構造化レポートを出力

例2: 書き直し

依頼: 「修正後の全文を書き直して出してください。[テキスト]」

動作: 全文を修正 → 変更箇所を 元の表現 → 修正後 形式で明示 → 修正点サマリーを末尾に追加