- name
SKILL.md
Die Skill-Datei bleibt im Repository des Herausgebers.
Fügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coji/natural-japanese --skill natural-japanese -a cursor -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coji/natural-japanese --skill natural-japanese -a claude-code -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coji/natural-japanese --skill natural-japanese -a codex -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coji/natural-japanese --skill natural-japanese -a grok -ySenden Sie die kopierte Nachricht in einem Grok Bot-Chat. Der Bot ruft diese SKILL.md von GitHub ab und fügt sie den Skills hinzu, die alle Ihre Bots gemeinsam nutzen.
Install this skill: https://github.com/coji/natural-japanese/tree/HEAD/skills/natural-japaneseVom Herausgeber
仕事の日本語文書を、読みやすくわかりやすく書く・直すためのスキル。議事録・調査レポート・社内ガイド・リサーチメモ・スライドといった仕事の文書から、note・ブログ・エッセイまでを扱う。AI らしい書き癖を取り除くことも、この工程に含まれる。
疑わしい箇所の検出は scripts/lint.py が機械的に行い、直すかどうかはあなたが文脈を見て決める。AI は自分の書き癖に気づきにくいので、検出を機械に任せている。
既存の文書を直すときは、元の文書に書かれていない事実・数値・人名・日付・条件・評価・意見・方針を足さない。直した文書を読んだ人は、そこに書かれていることを書き手が言ったこととして受け取る。足した内容は、たとえ正しくても、書き手が言っていないことを書き手の言葉として広めてしまう。
次の変更も「足す」に当たる。
足してよいのは、元の文書から直接言える補足だけである。略語の正式名称、用語の短い説明、文と文の関係を示す接続の言葉がこれに当たる。
例として、議事録の一文を直す場合を挙げる。
内容を変えずに直す例を、ほかに2つ挙げる。どちらも、言い回しだけを変え、事実と確信の度合いは元のままにしている。
新しく書くときも同じで、ユーザーから受け取った素材と、自分で調べて出典を示せる事実だけを使う。素材が足りないときは推測で埋めず、何が足りないかをユーザーに伝える。
同じ工程を、かける手間の違う2つのモードで進める。
クイック(既定)は日常の文書向けで、サブエージェントを使わずにこの場で終える。参照ファイルは、文書タイプが決まったときに references/doctypes/ の1ファイルを読むだけでよい。lint は文書が短くても必ず1回実行する。短い文書では統計を使う検出器は何も出さないが、禁止語と翻訳調は一文でも検出され、実行は数秒で終わるからだ。既存の文書を直すときは、lint の出力の最後にある段落ごとの確かめ(§3)も必ず最後まで書き出す。構造の点検(§5)は、見出しと各段落の先頭文を通して読んで確かめる程度でよい。所要時間の目安は、会議メモ程度で30秒前後、1万字級でも3分程度。
フルは、ユーザーが「しっかり」「時間をかけていい」と言ったとき、対外・経営向けなど誤りの影響が大きい文書、1万字を超える文書に使う。lint に加えて outline.py と terms.py も実行し、§5 の構造と読みやすさの点検をすべて行う。
サブエージェントは、長い文書を分担して読むと速くなる場合にだけ使い、見つかった問題を直すかどうかは自分で決める。執筆そのものは分担しない。濃淡や章どうしのつながりは、文書全体を見ないと保てないためだ。
所要時間の目安は、短い文書で7分前後、1万字級で15〜20分なので、始める前にユーザーに伝える。effort を選べる環境なら high を使う。effort を低くすると、フルの工程を理由をつけて省きやすくなることを実測で確かめている。
どちらにするか迷ったら、クイックで仕上げ、「フルで見直すこともできる」とユーザーに添える。
スキルが引数つきのコマンドとして呼ばれたら、次のように解釈する。
/natural-japanese [quick|full] <対象>:書く・直す(既定)。新しく書くのか、既存の文書を直すのかは対象から判断する/natural-japanese write [quick|full] <お題や素材>:新しく書く。§1 から順に進める/natural-japanese score [quick|full|exp] <ファイル>:診断だけを行い、文書は書き換えない。最初に references/diagnose.md を読む。スコアの算出式と出力の形式はそこにだけ書いてある。診断のあとでリライトを提案してよいが、頼まれるまで直さないモードの指定がなければ、上の基準で選ぶ。自然な言葉での依頼も同じように扱う(「〇〇について書いて」は write、「この文章 AI っぽい?」は score)。
誰が読み、読んだあとに何が起きてほしい文書かを決める。分からなければユーザーに聞く。文書タイプが次のどれかなら、対応するファイルを読む。そこに、その文書タイプの必須要素と、AI がやりがちな失敗がある。
references/doctypes/minutes.mdreferences/doctypes/report.mdreferences/doctypes/guide.mdreferences/doctypes/memo.mdreferences/doctypes/slide.md本文の前に、主メッセージを一文で書く。書けないなら、素材が足りていない(→素材)。
見出しには、「背景」「まとめ」のようなラベルでなく、その節の結論を書く。見出しだけを順に読んで論旨が通るかを確かめてから本文に進む。結論が条件つきで、見出しに収まらない節では、条件を落とした結論を書かず、話題を示す見出しにする(§3)。ただし、全部の見出しを「名詞: 結論文」の同じ形にそろえない。同じ形が並ぶと、それ自体が機械的に見えるためだ。短い節はラベルのままでよい。見出しで、本文より確信の度合いを上げない。本文が「予定」と書いていることを、見出しで断定しない。読み手は見出しだけを読んで判断することが多いので、見出しの断定は本文の留保より強く伝わる。
重要な節は厚く、軽い節は短く書く。どの節も同じ厚み・同じ文型で書くと、内容に軽重があっても読み手には区別がつかない。書く前に論点を並べ、それぞれにどれだけ書く価値があるかを決めておく。
濃淡は分量の差であって、順位づけではない。もともと並列な項目に「最優先・次点・後回し」のような順位や段階を付けない。内容がもともと順序を持っているときだけ、順序を書く。
固有名詞・数値・実例が手元にないまま書くと、一般論だけの段落になる。主張を、固有名詞・数値・具体的な出来事を使わずに説明できてしまうなら、素材が足りていない。
Web 検索が使えるなら、まず仮の主張と根拠を立て、検索で裏づけるか崩してから、主張を組み直す。これを1〜2回行う。使えないなら、ユーザーに具体例・数値・一次情報があるかを聞く。ユーザーに素材がなければ、内容が一般的になることを伝えて進めてよい。
style-profile.md(プロジェクトのルートか、ユーザーが指定した場所)があれば読み、視点・語彙・リズムの癖を踏まえて書く。なければ汎用の書き方で進める。ユーザーが「自分の文体を学ばせたい」と求めたときだけ、assets/style-profile-template.md に沿って過去の文章3〜5本から特徴を抜き出し、プロファイルを書き出す。特徴は断定せず「傾向として」と書く。ユーザーが特定の語や組み合わせを「自分は使わない」「不自然」と言ったときは、一般の規則に広げず、出典と適用範囲を添えてプロファイルの「避ける表現」に記録する。単語全体を禁じず、指摘された組み合わせだけを記録する。
新しく書くときは、次の原則に沿う。既存の文書を直すときは、§3 で直すと決めた箇所に、元の文書にある内容の範囲で当てる。原則を満たすために内容を足してはいけない。たとえば、元の文書に「次にすべきこと」が書かれていないなら、原則12のために書き足さない。とくに、確信の度合い(原則10)と、事実と意見の区別(原則11)は元の文書のとおりに保ち、表し方だけを変える。「〜と思われます」を「〜と推定する」にするのはよいが、断定に変えてはいけない。原則どうしがぶつかったら、読み手の理解を実際に助けるほうを選ぶ。
文の整え方は次のとおり。です・ます体とである体は、文書の中でそろえる。一文に主張は一つにする。一文の長さは50〜60字を目安にするが、主体や語の関係を明示したために長くなった文を、長さだけを理由に削らない。修飾語は長いものを先に、短いものを後に置く。主語と述語はできるだけ近づける。
文書のジャンルによって、原則の当てはめ方を変える。技術文書は一文一義と用語の統一をもっとも厳しく守る。ビジネス文書は結論を冒頭に置く構成を優先する。エッセイは、言い切らずに余韻を残す、結論を後に置く、といった逸脱を書き手の意図として認める。公用文や、専門知識のない一般の読み手に向けた文書は、一文を短くし、外来語と二重否定を避け、主語を明示する。
直し方は、文書を人が書いたか AI が書いたかで変えない。文章から見分けるのは難しく、新しいモデルが書いた文書は lint の指摘も少ないためだ。直すものを、いつでも直すもの、理由があるときだけ直すもの、どの文書でもしないもの、の三つに分ける。
読み手の手間を増やしている箇所は、lint ではほとんど検出されない。文書を通して読むだけだと「もう読みやすい」と判断して見落とすので、段落ごとに確かめる。lint の出力の最後に「段落ごとの確かめ」として、見出し・箇条書きの1項目・表の1行・地の文の段落が、番号と行番号つきで並ぶ。すべての段落について、上の5種類と、読み手が何のことか取れない言い回し(次の項)に当たるものを「番号: 言い回し → 指しているもの」の形で書き出す。当たるものがない段落は「番号: なし」と書く。最後の段落まで書き出すまで直し始めない。クイックモードでも省かない。書き出した箇所を直し、lint の指摘と同じように、直したか、残したならその理由を記録する(§4)。同じ一覧は uv run scripts/paragraphs.py <file> でも出せる。
見出しや、元の文書にある冒頭の要約を直すときは、本文の条件を落とさない。条件の消えた結論は、元より強い主張になる。本文が「年間契約で、月の利用が100回を超えるユーザーは割引の対象になる」と言っているなら、冒頭を「よく使うユーザーは割引になる」にしない。冒頭の要約には条件も書き、長くなるなら2文に分ける。見出しは短くないと読めないので、条件なしで言える結論だけを見出しにし、条件が込み入った節では「割引の対象」のように話題を示す見出しにとどめる。
これ以外の言い換えはしない。lint が指摘していない言葉を、より自然そうな言葉に置き換えない(「気軽に試せます」を「簡単に試せます」に、「お知らせいたします」を「お知らせします」にしない)。
AI の書いた文章には、比喩や言い換えで中身をぼかした言い回しが混ざる。書いた側は正確な中身を持っているのに、ゆるい言葉や英語の直訳で書くので、読み手は元の中身を推測し直すことになる。書いたモデル自身はこれを自然だと感じるので、文書を通して読むだけでは見落とす。技術記事や PR の説明文のように、コードの動きを説明する文章で特に多い。
見つけるときは、段落ごとに区切り、その段落の動詞と名詞をすべて見て、「この語が指している具体的なものを、元の文書やコードにある事実・名前で言えるか」と問う。言えるのに、それより読み方の広い言葉で書いているなら、次のどれかに当たる。当たるものを直す。
4、5、7は、書いたモデルにも読み直すモデルにも自然に見えるので、読んだ印象では見つからない。次の手を動かす確かめ方で見る。
イメージが具体的に浮かび、ふだんの仕事の文章でも使う言い方(「目を通す」「手を打つ」「腰を据える」など)は直さない。定着した慣用句、発言者の言葉の引用、その分野の用語として定着した使い方も直さない。技術の言い方として定着していて、読み方が1つに決まるもの(「キャッシュが効く」)も直さない。ただし、定着しているかは、仕様書やリファレンスのような書き言葉で使うかで決める。エンジニアどうしの会話でよく使うだけでは、定着しているとは見ない。同じ語でも、読み方が決まらない使い方なら直す。同じ文の中に中身が書いてある比喩(「バックアップを毎晩取っているので、データは守られる」)も直さない。1つの段落に違和感のある言い回しが続くと、読み手は「どういうこと?」を積み重ねて読む気をなくすので、1か所だけでなく段落の中のものをまとめて見る。
直し方は次のとおり。
打ち消しには三つの種類があり、扱いを分ける。lint の negation_repetition と antithesis_repetition が、多用を指摘する。
AI が書いた文章には、内容を足さずに調子だけを強める言葉がよく混ざる。誇張(「徹底的に」「例外なく」「劇的に」)、場面や体の反応の大げさな描写(「警告音が頭の中で鳴り続ける」「背筋が凍る」)、読み手への呼びかけ(「あなたにも経験がないだろうか」)などである。
これらは、削っても文が同じことを言えるときだけ削る。言い換えたり、別の言葉で補ったりはしない。「圧倒的に多くの利用者」は「多くの利用者」にし、「非常に多くの利用者」にはしない。新しい言葉や文を足すと、そこに別の演出が入りやすいためだ。削ったら、残った文が文法的に成り立つかを確かめ、成り立たないなら削らずに残す。たとえば「〜の放棄に他ならない」から「他ならない」だけを削ると、文が壊れる。事実を含まない感情だけの一文(「……背筋が凍った。」)は、文ごと削ってよい。
エッセイなど、書き手が語り口を意図していることをユーザーが示しているときは、この直しはしない。
箇条書きと地の文の入れ替え、段落の組み直し、見出しの数や順序の変更といった構成の直しは、ユーザーが頼んだとき、または直さないと読み手が内容を取り違える・探せないと具体的に言えるときだけ行う。同じ種類の変換を全項目に当てると、元の文書にあった自然な不揃いが消え、かえって機械的に見えるためだ。ブラインド評価では、全部の見出しを結論に書き換えた改稿が、読み手にとっての価値では元の文書に勝ったのに、人間が書いたように見えるかでは負けた。
文を分けるときは元の文の言葉を使い、文と文のあいだに、元にない接続の言葉(「しかし」「ただ」「その結果」「そこで」「そのため」)を足さない。元の文にあった「〜が」「〜ので」「〜ため」は使ってよい。
uv run scripts/lint.py --json <file>
禁止語・翻訳調・「〜ではなく」の多用・文の長さの単調さ・体言止めがまったくないこと・語彙の使い回し・英語の構文の直訳などを検出する。文書のジャンルが分かっているなら --genre essay|tech|business を付けると、そのジャンルに合わせた閾値になり、誤検出が減る。
lint の指摘は疑いであって、全部直せという指示ではない。各指摘の説明に、何を疑っているかと直し方が書いてある。文脈に照らして、直すか残すかを決める。迷ったら、その一文を声に出して読み、人が話すときの言い回しに近いかで決める。
指摘ごとに、直したか、残したならその理由を一言で記録しながら進める。理由は「固有名詞の一部」「文脈上必要」「技術用語」「ジャンル上自然」などでよい。理由のない「残す」は、判断していないのと同じなので避ける。記録は応答の中に書けば足りる。ファイルにする場合は §7 に従う。
- [直した] translationese「〜という点で」: 「〜では」に言い換えた
- [残す/固有名詞] forbidden_phrase「多角的」: 製品名「多角的レビュー機能」の一部
uv が使えない環境(Claude.ai など)では、references/manual-checklist.md の手順で同じ観点を目で確かめる。
scripts/semantic.py は、隣り合う文の意味の似かたから話題の平板さを測る実験的な検出器で、任意で使う。初回に約1GBのモデルをダウンロードするので、フルモードで環境が許すときだけ uv run scripts/semantic.py --json <file> を実行し、指摘は lint と同じように扱う。
lint が見るのは文の表面だけである。箇条書きの多い議事録やスライドでは、lint はほとんど何も検出しないので、構成は別に点検する。
見出しと各段落の先頭文だけを順に読み、次を確かめる。uv run scripts/outline.py <file> で、見出し・各段落の先頭文・箇条書きを行番号つきで抜き出せる。
文書タイプが決まっていれば、doctypes のファイルにある必須要素と、AI がやりがちな失敗も照らし合わせる。
uv run scripts/lint.py --reading-load <file> で、読みにくそうな箇所(長すぎる文、文に埋もれた列挙、続きすぎる漢字、二重否定、「の」の連続、「〜することができる」)を指し示せる。これは AI らしさの検出とは別の検査で、自然度のスコアにも --baseline の比較にも入らない。指し示された文は、読み手の手間を増やしているなら直す(§3)。
次の順に確かめる。前のものほど、読み手にかかる負担が大きい。
uv run scripts/terms.py <file> で、専門用語の初出の位置と説明の有無を一覧にできる短くすること自体は目的にしない。まず、必要な事実が残っているか、主語と述語・修飾語と被修飾語が対応しているかを確かめる。その二つが同じくらいの候補どうしでだけ、短いほうを選ぶ。文を分けたり列挙を開いたりして字数が増えるのは、正しい結果である。
直した箇所を反映したら lint をもう一度実行する。直前の --json 出力を --baseline に渡すと、指摘が resolved・new・persisting に分かれるので、new と persisting だけを見ればよい。すべての指摘が「直した」か「残す(理由)」に分かれ、直したことで新しい指摘が出ていなければ、収束とする。回数は決めず、この状態になったら終える。
同じ指摘が2回続けて再発するなら、言い換えを重ねても収束しない。文や段落の組み立てごと書き直すか、理由をつけて残す。
収束したら、仕上げに、直した文書を元の文書と並べ、元にない事実・数値・評価・方針が入っていないかを確かめる(冒頭の規則)。新しく書いた文書なら、素材にない事実がないかを確かめる。新しく書いた文書でも、書いたモデル自身が自然だと感じる言い回しで中身をぼかしやすい(「三つの論点が浮かび上がる」のように、名詞を主語にして中身を言わない書き方など)。§3「読み手が何のことか取れない言い回しは、ふだんの言葉に戻す」の見つけ方で、段落ごとに確かめて直す。
既存の文書を直したときは、次のコマンドで、直した文書にだけある数値・固有名詞・英字の語を一覧にできる。元の文書が別のファイルとして残っていれば、それと比べる。git で管理しているファイルを直接書き換えたなら、--git を付けると直前のコミットの内容と比べられる。どちらでもなく、git で管理していないファイルを直接書き換えるときだけ、直す前に元の文書を作業用のディレクトリへ写しておく(§7)。
uv run scripts/newfacts.py <元の文書> <直した文書>
uv run scripts/newfacts.py --git <直した文書>
拾った語が元にない事実なら、削るか元の内容に戻す。略語の正式名称のように、元の文書から直接言える補足なら残してよい。このスクリプトが拾えるのは新しく出てきた数値・固有名詞・英字の語だけで、普通の名詞で足した細部、確信の度合いの変化、発言者の入れ替えは拾えない。何も出なくても、自分の目での確認は省かない。
作業中に作った中間ファイル(lint の JSON、対応の記録、元の文書の写し、下書きの控えなど)は、対象の文書と同じディレクトリに置かない。環境のスクラッチパッドがあればそこに、なければ mktemp -d で作った一時ディレクトリに置く。完了したら一時ディレクトリごと削除する。作業用のファイルがユーザーのプロジェクトに混ざらないようにするためである。ユーザーのプロジェクトに残すのは、完成した文書と、ユーザーが明示的に望んだ場合の style-profile.md だけである。
仕事の日本語文書を、自然で読みやすく、わかりやすい日本語で書く・直すためのスキル。議事録、調査レポート、顧客向けのレポート、社内ガイド、技術記事、PR の説明文、リサーチメモ、企画書、メール、スライド構成などの作成や推敲と、note やブログ、エッセイの執筆に使う。文字起こしから議事録を作るときにも使う。自然な日本語にしたい、読みやすくしたい、簡潔にしたい、結論から書きたいといった依頼のほか、読み
---name: natural-japanesedescription: 仕事の日本語文書を、自然で読みやすく、わかりやすい日本語で書く・直すためのスキル。議事録、調査レポート、顧客向けのレポート、社内ガイド、技術記事、PR…---# skills/natural-japanese/SKILL.mdÜbersicht
仕事の日本語文書を、自然で読みやすく、わかりやすい日本語で書く・直すためのスキル。議事録、調査レポート、顧客向けのレポート、社内ガイド、技術記事、PR の説明文、リサーチメモ、企画書、メール、スライド構成などの作成や推敲と、note やブログ、エッセイの執筆に使う。文字起こしから議事録を作るときにも使う。自然な日本語にしたい、読みやすくしたい、簡潔にしたい、結論から書きたいといった依頼のほか、読みづらい、わかりにくい、何を言っているかわからない、AI っぽい、AI 臭い、英語の直訳っぽい、日本語として不自然、違和感があるといった指摘にも使う。書き換えずに AI らしさを判定・採点してほしいという依頼や、自分の文体を学ばせたいという依頼にも対応する。
FAQ
Laden Sie skills/natural-japanese/SKILL.md vom Herausgeber herunter oder kopieren Sie den Pfad und öffnen Sie das Repository. PlugMCP listet den Skill und hostet die Datei nicht.
Der Herausgeber pflegt es unter https://github.com/coji/natural-japanese.
Claude, Cursor, Codex und Grok Build können eine SKILL.md lesen, die Sie aus dem Repository des Herausgebers hinzufügen. Grok Bot installiert sie, wenn Sie den Link zum GitHub-Ordner des Skills in einem Chat senden.