Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →テーマからアウトライン生成→文体プロファイル適用→Markdown記事出力を行う記事執筆スキル。 挿絵マーカーの自動挿入、style-analyzerプロファイル参照による文体統一に対応。 「記事を書いて」「ブログ作成」「テーマで記事生成」等のリクエストで発動。
.claude/skills/minicoohei-article-writer/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | -6% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 39% | 0% |
| case-03 | ✗→✓ | ▲ Improved | -6% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 10% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 14% | 0% |
テーマを入力するだけで、構造化されたMarkdown記事を自動生成します。文体プロファイルによるトーン統一、挿絵マーカーの自動挿入に対応し、一貫性のある高品質な記事を出力します。
テーマ入力 → アウトライン生成 → スタイル適用 → セクション執筆 → 挿絵マーカー挿入 → 一貫性チェック → Markdown出力bash# Basic article generation python scripts/article_writer.py --theme "AIエージェントの活用法" --output output/article.md # With style profile python scripts/article_writer.py --theme "AIエージェントの活用法" --style style_profile.yaml --output output/article.md # With target audience python scripts/article_writer.py --theme "AIエージェントの活用法" --audience "非エンジニアのビジネスパーソン" --style style_profile.yaml # Specify word count and section count python scripts/article_writer.py --theme "データ分析入門" --word-count 5000 --sections 7 # Disable illustration markers python scripts/article_writer.py --theme "プロジェクト管理" --illustrations none # Test mode (no API call) python scripts/article_writer.py --test
| Parameter | Required | Default | Description | |-----------|----------|---------|-------------| | --theme | Yes | - | 記事のテーマ・トピック | | --style | No | - | 文体プロファイルYAMLファイルのパス | | --audience | No | - | 想定読者（例: "非エンジニアのビジネスパーソン"） | | --output | No | auto | 出力ファイルパス（デフォルト: output/article_{timestamp}.md） | | --word-count | No | 3000 | 目標文字数 | | --sections | No | auto | セクション数（autoの場合テーマから自動決定） | | --illustrations | No | auto | 挿絵マーカー: auto（自動挿入）/ manual（位置のみ）/ none（なし） | | --test | No | false | テストモード（API呼び出しなしでサンプル記事を生成） |
記事中に以下のHTMLコメント形式で挿絵の挿入位置を示します。後続のスキル（nanobanana, diagram-generator等）で実際の画像を生成できます。
html<!-- illustration: type=diagram description="フロー図: AIエージェントの処理手順" --> <!-- illustration: type=image description="モダンなオフィスでAIを使う人" -->
| type | 説明 | 推奨スキル | |------|------|-----------| | diagram | フローチャート、構成図、UML図 | diagram-generator | | image | 写真風、イラスト、概念図 | nanobanana | | chart | グラフ、データ可視化 | data-analyst | | screenshot | UI画面キャプチャ | screenshot-annotator |
YAMLファイルで文体を指定します（style-analyzerスキルで自動生成可能）。
yamltone: professional # professional / casual / academic / friendly formality: high # high / medium / low sentence_ending: です・ます # です・ます / だ・である / 混合 vocabulary_level: general # general / technical / simple paragraph_length: medium # short / medium / long use_examples: true use_metaphors: false target_audience: "ビジネスパーソン" brand_voice: "信頼感があり、分かりやすい" avoid_words: - "要するに" - "ぶっちゃけ" preferred_expressions: - "具体的には" - "例えば"
Markdown形式の記事ファイル。以下の構成で出力されます。
markdown# 記事タイトル > リード文（記事の要約・導入） ## 目次 - [セクション1](#セクション1) - [セクション2](#セクション2) - ... ## セクション1 本文テキスト... <!-- illustration: type=diagram description="..." --> ## セクション2 本文テキスト... <!-- illustration: type=image description="..." --> ## まとめ 結論テキスト...
複数テーマの記事を同時に生成する場合、エージェントを複数起動して並列処理できます。
bash# 複数テーマを並列実行 python scripts/article_writer.py --theme "AI活用法" --output output/ai.md & python scripts/article_writer.py --theme "DX推進" --output output/dx.md & wait
| スキル | 連携内容 | |--------|---------| | style-analyzer | 参考文章から文体プロファイルを自動生成 → --style に渡す | | proofreading-agent | 生成記事の校正・推敲 | | fact-checker | 記事内の事実関係を検証 | | nanobanana | 挿絵マーカー（type=image）から実際の画像を生成 | | diagram-generator | 挿絵マーカー（type=diagram）からフロー図等を生成 |
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 14,032 | 3,969 | -72% | 1 | 1 | 0% | 2,118 | 1,988 | -6% | 0 | 0 | — |
case-02 | fail→pass | 18,649 | 15,410 | -17% | 1 | 1 | 0% | 2,670 | 3,709 | +39% | 0 | 0 | — |
case-03 | fail→pass | 21,111 | 3,557 | -83% | 1 | 1 | 0% | 2,005 | 1,876 | -6% | 0 | 0 | — |
case-04 | fail→pass | 12,641 | 5,390 | -57% | 1 | 1 | 0% | 1,968 | 2,155 | +10% | 0 | 0 | — |
case-05 | fail→fail | 15,949 | 13,157 | -18% | 1 | 1 | 0% | 2,792 | 3,326 | +19% | 0 | 0 | — |
case-06 | fail→pass | 14,563 | 6,527 | -55% | 1 | 1 | 0% | 2,107 | 2,405 | +14% | 0 | 0 | — |
case-07 | fail→pass | 9,995 | 2,480 | -75% | 1 | 1 | 0% | 1,395 | 1,601 | +15% | 0 | 0 | — |
case-08 | fail→pass | 12,679 | 3,431 | -73% | 1 | 1 | 0% | 2,025 | 1,823 | -10% | 0 | 0 | — |
case-09 | pass→pass | 14,712 | 3,256 | -78% | 1 | 1 | 0% | 2,367 | 1,906 | -19% | 0 | 0 | — |
case-10 | fail→pass | 17,280 | 3,564 | -79% | 1 | 1 | 0% | 2,728 | 1,906 | -30% | 0 | 0 | — |
case-11 | pass→pass | 11,732 | 2,606 | -78% | 1 | 1 | 0% | 1,893 | 1,731 | -9% | 0 | 0 | — |
case-12 | fail→pass | 16,134 | 2,175 | -87% | 1 | 1 | 0% | 2,413 | 1,665 | -31% | 0 | 0 | — |
case-13 | pass→pass | 16,518 | 3,233 | -80% | 1 | 1 | 0% | 1,757 | 1,879 | +7% | 0 | 0 | — |
case-14 | pass→pass | 7,854 | 1,791 | -77% | 1 | 1 | 0% | 1,125 | 1,636 | +45% | 0 | 0 | — |
case-15 | fail→pass | 7,753 | 2,207 | -72% | 1 | 1 | 0% | 1,294 | 1,649 | +27% | 0 | 0 | — |
case-16 | pass→pass | 9,668 | 4,439 | -54% | 1 | 1 | 0% | 1,581 | 2,066 | +31% | 0 | 0 | — |
case-17 | pass→pass | 18,710 | 2,234 | -88% | 1 | 1 | 0% | 2,305 | 1,606 | -30% | 0 | 0 | — |
case-18 | pass→pass | 12,544 | 3,119 | -75% | 1 | 1 | 0% | 2,102 | 1,800 | -14% | 0 | 0 | — |
case-19 | fail→pass | 10,321 | 3,177 | -69% | 1 | 1 | 0% | 1,517 | 1,836 | +21% | 0 | 0 | — |
case-20 | pass→pass | 6,957 | 3,225 | -54% | 1 | 1 | 0% | 1,161 | 1,667 | +44% | 0 | 0 | — |
case-21 | pass→pass | 8,693 | 2,291 | -74% | 1 | 1 | 0% | 1,380 | 1,736 | +26% | 0 | 0 | — |
case-22 | fail→pass | 10,089 | 3,842 | -62% | 1 | 1 | 0% | 1,494 | 1,718 | +15% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +55 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.