Writing Ecosystem

writing-ecosystem — 人間向け執筆・レビューエコシステムの正本

人間読者向けコンテンツ（記事・エッセイ・ブログポスト・ニュースレター等）の執筆とレビューに関わるコンポーネント（skill と agent）の役割境界・使い分け・共通規約をまとめた正本。

> article-writing skill の Banned Patterns を 包含する superset。AI slop / Voice / タイトル規約は本ファイルを正とする。

Scope

人間 primary のコンテンツのみ扱う。AI-facing ドキュメント（llms.txt / llms-full.txt / FAQ ページ等）には llms-txt-writer skill を使う。audience 判定と役割分担は [Audience Separation: Human vs AI](../llms-txt-writer/SKILL.md#audience-separation-human-vs-ai) を参照。

---

Ecosystem Map

執筆関連コンポーネントは 「Write / Review」 × 「品質 / 論理 / 事実」 のマトリクスで役割分離されている。

| フェーズ | コンポーネント | 軸 | トリガー | |---------|---------------|-----|----------| | Write | article-writing skill | 汎用書き方 | 執筆タスク全般（初稿・構造設計） | | Translate | ja-to-en-translation skill | 日本語→英語の voice 保持翻訳 | JA→EN 翻訳タスク時 | | Review: 品質 | editor agent | tech 記事の構造・コード・AI slop・用語 | tech 記事レビュー時 | | Review: 論理 | essay-reviewer agent | idea 記事の論理構成・過積載・トーン | idea 記事レビュー時 | | Review: 事実 | fact-checker agent | 事実主張の Web 検証 | 公開前検証時 | | Publish | substack-publishing skill | Substack 公開 + LLM corpus ミラー | human essay を Substack に出すとき | | Shared | writing-ecosystem skill | AI slop / Voice / エコシステム map | 執筆 + レビュー時（自動発火） | | Overlay | /.claude/rules/*.md | プラットフォーム固有ルール | プロジェクト内作業時のみ |

---

When to Use What

┌─ 初稿作成 ─────────────────────────────────┐
│ article-writing skill                      │
│  → 構造・Voice・基本的な禁止表現           │
└──┬─────────────────────────────────────────┘
   │
   ▼
┌─ 記事の type で分岐 ───────────────────────┐
│                                            │
│  tech 記事（code/tutorial）                │
│   → editor agent                           │
│                                            │
│  idea 記事（essay/opinion）                │
│   → essay-reviewer agent                   │
│                                            │
│  両方含む mixed                            │
│   → 両方並列で実行                         │
│                                            │
└──┬─────────────────────────────────────────┘
   │
   ▼
┌─ 事実チェック（任意、tech/idea 問わず） ───┐
│ fact-checker agent                         │
└──┬─────────────────────────────────────────┘
   │
   ▼
┌─ 出典編入（fact-check 後） ────────────────┐
│ Citation & Sources Workflow（下記セクション）│
└────────────────────────────────────────────┘

エージェント並列実行の原則

editor と essay-reviewer は 観点が異なる ので、mixed 記事では両方並列実行したほうがカバレッジが高い。fact-checker は常に並列で回せる。

翻訳タスクの場合

日本語記事を英語にするときは、初稿の article-writing ではなく ja-to-en-translation skill を入口にする。翻訳 → EN 出力を essay-reviewer（idea）/ editor（tech）でレビュー、という流れ。英語側の AI slop / Voice 規約は本 skill を正本として参照する（翻訳 skill は再掲せず defer する）。

Substack へ公開する場合

レビュー（+ 必要なら翻訳・出典編入）が済んだ human essay を Substack に出すときは substack-publishing skill を使う。Substack は raw Markdown 非対応なので MD→HTML 変換して貼る、Title / Subtitle / body をフィールド分けする、タグ spine とカバー画像、公開後に LLM corpus（content repo の substack/）へミラーする、までを扱う。

---

Citation & Sources Workflow（出典をエッセイに入れる）

fact-check で確定した一次資料を、本文の出典セクションに編入するのがエッセイ公開前の標準ステップ。現状この step が抜けやすいので明文化する。

所有と分離

• embedding はこのワークフローが所有する。fact-checker は report-only（記事を編集しない / author-reviewer 分離）のままで、検証済みソースを「出典セクションに落とせる形」で返すだけ。本文への編入は著者 / orchestrator が行う。
• fact-checker の出力（verdict が ✅ / ⚠️ のソース URL 群）が canonical input。

手順

1. fact-check 通過後、verdict が ✅ ACCURATE / ⚠️ PARTIALLY のソースを集める（❌ / ❓ のソースは載せない）。
2. テーマ別にグループ化し、重複 URL を排除、一次資料を優先（official / 原典 / academic > 二次報道）。
3. 本文末に出典セクションを作る。
4. 本文で著者自身の既発表（DOI / repo / 論文）に言及していれば、それも出典に含める。

媒体別ポリシー

| 媒体 | 出典の置き方 | |---|---| | idea / opinion essay | 末尾に ## 出典・参考文献。テーマ別グループ、一次資料優先 | | tech 記事 / tutorial | 本文中の inline link を基本に、必要なら末尾に補助的な References | | 学術 paper | 本ワークフローではなく citation-formatter agent（in-text ↔ reference の 1:1・format・DOI 検証） |

翻訳記事の出典

ja-to-en-translation で訳した記事は、原文の出典セクションを引き継ぐ。URL / DOI は保持し、description のみ英訳する。

---

AI Slop 禁止リスト

判定原則

> その表現を別の記事にそのまま挿入しても意味が通るなら、それは AI slop。

著者の具体的な観察・経験・数値を伴わない汎用表現を使わない。

日本語

| 禁止語 | 代替アプローチ | |-------|-------------| | 画期的 | 具体的に何が変わったかを書く | | 革命的 / 革新的 | 従来との差分を数値や事例で示す | | 素晴らしい | 何がどう良いのかを具体的に書く | | 驚くべき | 何に驚いたか、なぜ予想外だったかを書く | | 感動的 | 何が心を動かしたかを描写する | | シームレス | 実際のユーザー体験を書く | | パワフルな / ロバストな | 性能指標や具体的な強みを示す | | レバレッジする / 活用する（漠然と） | 具体的にどう使うかを書く | | 本質的な問いを投げかける | 問い自体を書く | | 深い洞察 / 示唆に富む | 洞察の内容を直接書く | | パラダイムシフト | 何がどう変わったかを書く | | 重要な示唆を与える | 示唆の内容を具体的に書く | | 最先端の / 先進的な | 何が新しいかを具体的に書く |

English

| Banned | Alternative | |--------|------------| | powerful tool | describe what it actually does | | revolutionize / revolutionary | describe the specific change | | cutting-edge | describe what makes it novel | | game-changer | describe the concrete impact | | seamless / seamlessly | describe the actual user experience | | leverage | use "use" or describe the specific action | | robust | describe what it handles well | | effortlessly | describe the actual effort required | | In today's rapidly evolving landscape | start with the concrete thing | | Moreover / Furthermore | connect ideas directly without filler transition | | at the end of the day | cut or rewrite |

最後の 3 項目は article-writing skill の Banned Patterns を包含。本リストは superset。

---

Voice & Tone Rules

文体: だ/である調 × 発見調

type（tech / idea）にかかわらず、だ/である調 × 発見調 で統一する。

| 使う表現（発見調） | 避ける表現（宣言調） | |---------------|-------------------| | 「〜だった」「〜と気づいた」 | 「〜すべきだ」 | | 「〜と感じた」「〜に見えた」 | 「〜に違いない」 | | 「気づいたらそうなっていた」 | 「〜を示している」 | | 「少なくとも方向としては悪くない」 | 「設計は正しかった」 |

未解決の正直さ

解決していない問題は解決したふりをしない。「まだわからない」「今後の課題」と正直に書く。完璧な結論に無理に収束させない。

感情語の扱い

• タイトル: 禁止（「壊れている」「地獄」「最強」など）
• 本文: 著者の自然な体験描写なら OK（「正直つらかった」「ここで詰まった」）

結論の問い化（初期経典の語り口）

結論が明らかな主張は、断定するより 修辞的疑問 にしたほうが説得力が増す。読者が自分で結論に到達した感覚を持つからだ。釈尊の初期経典（阿含経・ニカーヤ）の語り口がモデルになる。仏陀は「これは〜である」と叩きつけず、「比丘たちよ、これをどう思うか?」と問いを投げかけ、聞き手から答えを引き出していった。同じ結論でも、断定で受け取る読者と、問いに自分で答える読者では、納得の質が違う。

断定 → 弱化の対応表

| 元の断定 | 弱化形 | 用途 | |---------|-------|------| | 「〜だ」「〜である」 | 「〜のではないか」 | 主張・立論 | | 「〜だ」 | 「〜と読める」「〜として読める」 | 観察 | | 「〜になる」「〜だ」 | 「〜ように見える」「〜になっているように見える」 | 評価 | | 「〜は X だ」 | 「〜は X ではないか」 | 評価 | | 「理由はない」「正当だ」 | 「理由はどこにあるのか」「正当に見える」 | 結論 | | 「主張は X だ」 | 「問いをひと言で言えば、X、ということだ」 | 立論を問いで包む |

戦略的に弱化する箇所

全部を疑問形にすると記事が「問いだらけ」になりノイズが増える。戦略的に選ぶ。

弱化する:

• タイトル（読まれる前の入口。断定タイトルは押し付けがましい）
• 主張の核フレーズの繰り返し（2 回目以降は弱める。同じ強度で繰り返すと説教臭くなる）
• 結論の評価語（「正当だ」「明確だ」「正確だ」「行為だ」など）
• 結論段落・「おわりに」の断定

維持する:

• 著者の確信が強い具体観察（事実・数値・固有名詞を伴う発言: 「Devin は 24/7 稼働している」「OpenAI Deep Research は最大 30 分」など）
• 議論の積み上げの中間的観察（「〜と決まる」「〜が動くだけだ」「〜知っている」）
• 概念指示（「時間軸だ」「設計フェーズだ」 — 概念の指し示しは断定でよい）

三段階の問い構造（参考パターン）

記事を通じて問いを階層化すると、読者は段階的に思考する:

1. 入口: タイトル（疑問形 — 「〜は必要か」「なぜ〜か」）
2. 立論の輪郭: 序盤で主張を問いの形で提示（「問いをひと言で言えば、〜のではないか、ということだ」）
3. 議論途中の修辞的疑問: 具体例を並べた直後に投げ返す（「〜する理由はどこにあるのか」）

この三段が揃うと、結論を著者が叩きつけずに、読者と並走しながら同じ結論に至る構造になる。

---

Title Conventions

目的

読み手がタイトルだけで「この記事が何の概念を提案しているか」を理解できること。

基本ルール

• 具体性: 何についての記事かがタイトルだけでわかる
• 誠実さ: 記事の内容以上のことを約束しない
• 問いの形: 「どう〜するか」「なぜ〜か」は知的関心に訴える — 活用 OK

禁止事項

• 煽りタイトル: 「壊れている」「地獄」「最強」などの感情語でクリックを誘わない
• 数字が主役のタイトル: 「N 選」「N 倍」など。数字の使用自体は禁止しない（「3 つのレイヤーで考える〜」は OK）
• 挑発・断定: 「〇〇の真価は△△ではない」式の論争誘発をしない
• 過度な省略: 概念を犠牲にして短くしない

文字数上限はプラットフォーム依存。プロジェクト overlay で定義する（例: Zenn は 50–60 字）。

---

Article Topic Selection (3-axis)

執筆を始める前のネタ選定にも 3 軸を当てる。「書きたいこと」だけで選ばない。

| 軸 | 問い | |----|------| | 検索需要 | そのキーワードを検索する人がいるか | | 競合の少なさ | 既存記事が少ない or 差別化できる角度があるか | | 一次情報 | 自分の体験・失敗・数字を持っているか |

優先度: 検索需要高 + 競合少 + 一次情報あり → 最優先（ブルーオーシャン）。

Anti-Patterns:

• 「書きたいこと」だけで選んで検索需要を確認しない
• 競合が多いからと諦める（一次情報で差別化可能）
• 3 軸全部が揃うのを待つ（「体験を作ってから書く」で無期限延期になる）

Section Length Guidelines

• 1 つのセクションが記事全体の 30% を超える場合は、分割を検討する（ハードルールではなく目安）
• セクション長は重要度に比例させる。主要な論点に厚く、補足に薄く
• 1 つの記事に独立した論点が 4 つを超える場合は、記事の分割を検討する

---

How to Extend (Project Overlay)

プラットフォーム固有ルール（Zenn の文字数上限、Qiita のタグ仕様、社内ブログの禁止表現など）は プロジェクトの rules/ に overlay として置く:

/.claude/rules/-writing.md

例:

• zenn-content/.claude/rules/zenn-writing.md
• company-blog/.claude/rules/corp-writing.md

overlay 側のファイル冒頭に「本 skill を base とする」旨を明記し、追加ルールだけ書く。base の AI slop / Voice は overlay で再掲しない。

---

Related

• article-writing skill — 執筆時の汎用フレームワーク（本 skill の Banned Patterns を包含）
• ja-to-en-translation skill — 日本語→英語の voice 保持翻訳（英語 AI-slop / Voice / Title / 出典編入は本 skill に defer）
• substack-publishing skill — Substack 公開 + LLM corpus ミラーのワークフロー（Voice / AI-slop / Title / 出典は本 skill に defer）
• editor agent — tech 記事レビュー（構造・コード・AI slop・用語）
• essay-reviewer agent — idea 記事レビュー（論理構成・過積載・トーン）
• fact-checker agent — 事実主張の Web 検証
• llms-txt-writer skill — AI 向けドキュメント（llms.txt / llms-full.txt / FAQ 等）専用。audience が AI なら本 skill ではなくあちらを使う

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: shimo4228
• Source: shimo4228/claude-harness
• License: MIT

Install and usage instructions live in the source repository linked above.