Agent Skills
› NeverSight/learn-skills.dev
› tech-article-angle
tech-article-angle
GitHub针对技术文章提供从选题、角度构思到标题优化及草稿修订的全流程辅助。聚焦AI落地后的实务摩擦与具体证据，避免泛泛而谈，确保内容具备高实用价值和明确读者痛点。
触发场景
需要策划技术文章选题或角度
希望优化现有技术文章的标题和结构
请求对技术草稿进行基于实务价值的润色和批评
安装
npx skills add NeverSight/learn-skills.dev --skill tech-article-angle -g -y
SKILL.md
Frontmatter
{
"name": "tech-article-angle",
"description": "技術記事向けの記事アイデア、メモ、技術的観察を、現在需要の高い論点へ運ぶ。AI導入後の摩擦、ワークフロー再設計、検証、セキュリティ、保守性、実測改善、人間の判断を軸に、テーマ・タイトル・構成・リライトを整える。技術記事の企画や推敲に使う。汎用SEO、非技術エッセイ、学術論文、出典重視の調査報告には使わない。"
}
技術記事需要論点化
手順
ステップ1: 記事の対象を固定する
- ユーザー依頼または草稿から、種となるアイデア、想定読者、技術領域、公開目的を抽出する。
- 想定読者が欠けている場合は、材料から具体的な技術記事の読者層を1つ推定する。例: AI支援開発者、テックリード、データエンジニア、プラットフォームエンジニア、セキュリティ意識の高い個人開発者、エンジニアリングマネージャー。
- 入力が完成済み草稿の場合は、ユーザーが新しい主張を求めない限り、中心主張を維持する。
- 入力が広いテーマだけの場合は、読者が判断すべき実務上の意思決定を1つに絞る。
ステップ2: 現在の技術記事需要へ論点を寄せる
references/current-demand-model.mdを読み、論点を1つ以上の需要レーンへ分類する。- AI導入後の実務摩擦に接続するレーンを優先する。例: 検証、安全性、保守性、CI/CD、ワークフロー再設計、人間の責任、データと業務アクションの設計、実測改善。
- 論点を一般的な「AIは便利」という主張へ縮めない。
- AIとの自然な接続がない場合は、実務証拠レーンを使う。例: 実測改善、移行記録、デバッグ記録、アーキテクチャ判断、失敗分析。
ステップ3: 記事角度の候補を作る
- 記事角度を5案作る。
- 各案について、次の項目を書く。
- 想定読者
- 読者の痛み
- 記事の約束
- 必要な具体的証拠
- 技術記事としていま読む理由
- 具体的な読者の痛みまたは証拠の道筋がない案は棄却する。
- 候補をJSONとして保存した場合は、
python3 scripts/score-angles.py --input assets/angle-candidates.jsonを実行する。JSON化していない場合は、references/current-demand-model.mdの基準で手動採点する。
ステップ4: 構成より先にタイトルを作る
assets/title-patterns.mdを読み、タイトル型を確認する。- 採用前に、少なくとも10個のタイトル候補を作る。
- 具体的な問題、実測結果、運用上の副作用、意思決定点が見えるタイトルを優先する。
- 「使ってみた」「まとめ」「入門」「考えたこと」だけのタイトルは、具体的な結果や判断を足して書き換える。
ステップ5: 記事構成を組む
- ユーザーが別形式を指定していない場合は、次の骨格を使う。
- フック: 読者の仕事で何が変わったか
- 問題: 何が壊れる、または曖昧になるか
- 前提: 解決策の前に必要な背景知識
- 試行: 実際に何を試したか
- 証拠: 数字、設定、diff、ログ、事例、Before/After
- 判断: 採用すべきこと、避けるべきこと、様子を見るべきこと
- 転用: 他のチームや読者がどう再利用できるか
- 各セクションを読者メリットに結びつける。
- 証拠が足りない場合は、結果を作らず
TODO: collect evidenceと明記する。
ステップ6: 草稿をリライトまたは批評する
- 冒頭5段落以内で、読むメリットが分かるように強める。
- 抽象的な主張は、具体的な観察の後ろへ移動する。
- 曖昧なトレンド語を、開発者、チーム、システム、運用に起きる具体的な影響へ置き換える。
- つながりが弱い箇所には、節ごとの読者の疑問を補う。
- 埋め草、定型的な対比、根拠のない断定を削る。
- ユーザーが別の文体を求めない限り、丁寧な日本語を維持する。
ステップ7: 出力を検証する
- Markdownファイルを作成した場合は、
python3 scripts/check-article-angle.py --file [draft.md]を実行する。 - 出力に、読者、痛み、約束、証拠の道筋、転用できる学びが含まれることを確認する。
- 検証に失敗した場合は、もっとも弱いセクションを修正してから納品する。
エラー処理
- テーマが広すぎる場合は、執筆前に、1つの意思決定、1つのワークフロー、または1つの失敗モードへ縮小する。
- 証拠がない場合は、アウトラインを作り、証拠不足を
TODO: collect evidenceと明記する。数字、事例、ベンチマークを捏造しない。 - 草稿が一般的なAI論に流れた場合は、
references/current-demand-model.mdの「AI導入後の実務摩擦」レーンへ戻す。 - タイトル候補が弱い場合は、本文を変える前に
assets/title-patterns.mdを使って候補を追加生成する。 - 技術記事向けではない記事の場合は、特定媒体に依存した需要仮説を止め、別媒体向けに調整するか確認する。
版本历史
- c3c0a1e 当前 2026-07-23 07:53
