ja-natural-review
Skill0 starsChanged 6 months agoApache-2.0View on GitHub
日本語の報告書・調査結果・Slack 文案・README など、仕事の文章から機械的な書き癖(太字ラベルの箇条書き、翻訳調、冗長表現、型どおりの締め)を取り、人が書いたような自然な日本語に直す。文章を書き終えたとき、または「AIっぽい」「自然な日本語にして」「読みにくい」と言われたときに使う。事実・数値・結論は変えない。
In this repository33 other files it gives its agents.
- add-mesh-peerSkill
- adrSkill
- analyze-logsSkill
- codex-consultSkill
- codex-reviewSkill
- config-analyzerSkill
- cross-reviewSkill
- drawioSkill
- empirical-prompt-tuningSkill
- git-historySkill
- github-writingSkill
- hard-task-playbookSkill
- inherit-wipSkill
- interviewSkill
- mcp-smoke-via-claude-pSkill
- meeting-minutesSkill
- memoSkill
- nerfstudio-trainerSkill
- obsidian-work-loggerSkill
- plan-with-qaSkill
- poll-sonnet-workersSkill
- post-merge-cleanupSkill
- release-applySkill
- ros2-inspectorSkill
- ros2-launch-debugSkill
- ros-analyzeSkill
- safe-pathspec-commitSkill
- setup-claude-localSkill
- split-advisorSkill
- surveySkill
- work-logSkill
- write-specSkill
- zenn-interviewSkill
The file
Files
ja-natural-review — 仕事の日本語文書を自然に整える
書き終えた日本語の文章を、機械での検出と読み直しの2段で整える。目的は読み手が引っかからずに 読めること。言っている中身は変えない。文章の出自(AIか人か)を判定するためのものではない。
先行する取り組みを土台にしている。
- textlint-ja/textlint-rule-preset-ai-writing(MIT, azu):
AI が書いた文章に多い形(太字ラベルの箇条書き、述語のあとのコロン、誇張表現、太字の多用)を機械的に検出する。
scripts/check.pyは、このルールのうち正規表現で拾える分を移したもの - geonwoo-jeong/japanese-humanizer(MIT): 翻訳調・冗長表現・係り受けなどの分類と優先度(P1〜P3)。下の「読み直しの目印」はその quick-rules を 仕事の文書向けに絞ったもの。小説・翻訳・高リスク文書(法務・医療・契約)を直すときは、こちらを使う
手順
- 誰が何のために読む文章かをつかむ(会議資料、Slack、手順書、報告書など)
機械で検出する
python3 ~/.claude/skills/ja-natural-review/scripts/check.py <ファイル.md>標準ライブラリだけで動く。textlint の ai-writing のルールのうち正規表現で拾える分(太字ラベルの 箇条書き、箇条書きの先頭の絵文字、見出し・文中の太字、述語のあとのコロン、大げさな言葉)と、 japanese-humanizer の P1 のうち機械で拾える分(冗長な言い回し、100字を超える文)、型どおりの締め、 文中の矢印を見る。
npxで textlint を取ってくる方法は、依存パッケージの乗っ取りが怖いので使わない。 検出は「見直す候補」であって、全部直す義務ではない。表の中の ✅/❌ のように、意味を持たせて 使っているものは残してよい- 読み直す:下の「読み直しの目印」に当たる箇所を探す。P1 から順に直す
- 直す。直すときの決まり
- 事実・数値・日付・固有名詞・コマンド・パス・URL・結論・条件・否定を変えない。足さない、削らない
- 敬体/常体、硬さ、読み手との距離は元のまま
- 表・コードブロックは崩さない。構成(見出しの順番)は、読みにくさの主因でない限り変えない
- 局所的に直す。全体を書き直したくなったら、元の構成で済まないかを先に考える
- 直したあとに通して読み、元の文章と中身が同じかを確かめる。2 の検出をもう一度流して、残りが 意図して残したものだけかを見る
- 報告は短く。目立つ直しを3〜5例だけ「前 → 後」で示す
頼まれたのがレビューだけなら、4 を飛ばして「場所・前・後・理由」の一覧を返す。
読み直しの目印
ID は japanese-humanizer の分類。P1 ほど先に直す。
形(textlint でも多くは拾える)
| 目印 | 優先度 | 直し方 |
- **ラベル**:説明 の箇条が延々と続く(JA-AI-13) | P2 | 手順や比較なら表にする。説明なら普通の文にする。本当に見出しの役なら見出しにする |
| 文中の太字、見出しの中の太字 | P2 | 太字は1画面に数か所まで。強調しなくても読める文にする |
| 述語のあとのコロン(「次のとおりです:」「実行します:」)でリストや表につなぐ | P2 | 「次のとおりです。」と句点で終える |
| 1文で言えることを箇条に細切れにしている/並列でないものを箇条にしている | P2 | 文に戻す |
→ で文をつなぐ | P2 | 流れ図・手順の中だけにする。文では「〜して、〜する」 |
| 数行しかない節に見出し | P3 | 見出しを外して前後の段落に入れる |
言い回し
| 目印 | 優先度 | 直し方 |
| 「〜することができる」「〜することが可能」(JA-TL-05) | P1 | 「〜できる」、または現在形 |
| 「検討を行う」「実施を行う」(JA-TL-04) | P1 | 「検討する」「実施する」 |
| 「〜について」「〜に関して」「〜における」の連発(JA-RB-19) | P1 | 「〜を」「〜で」「〜では」「〜の」 |
| 「〜することとする」「〜ということになる」、二重否定(JA-RB-19) | P1 | 「〜する」。慎重さが要る文脈なら残す |
| 「〜を可能にする」「〜を実現する」「〜を提供する」「〜を活用する」(JA-TL-02) | P3 | 「〜できる」「〜を作る」「〜を出す」「〜を使う」 |
| 「重要」「鍵となる」「包括的」「不可欠」「大幅に」が根拠なく多い(JA-AI-12) | P3 | 強調語を削り、対象・条件・理由を前に出す。根拠や数字は作らない |
| 読み手に定着していないカタカナ語(JA-TL-06) | P3 | 日本語で言えるなら日本語に。現場で普通に使う技術用語はそのまま |
| 「〜させていただきます」「〜いただけますと幸いです」の連発 | P2 | 1か所に絞るか、「〜します」「〜してください」 |
流れ・締め
| 目印 | 優先度 | 直し方 |
| 文の長さが均一、または100字を超える文が続く(JA-WR-09) | P1 | 意味の切れ目で分ける |
| 主語と述語が遠い、1文に論点が複数(JA-WR-09) | P1 | 主述を近づける。1文1論点を目安に分ける |
| 「の」の連続、同じ助詞の近接(JA-WR-08) | P1 | 語順を変えるか、動詞にしてほどく |
| です・ます/だ・である、全角/半角の混在(JA-WR-21, JA-SP-23) | P1 | 文書内でそろえる。表・UIラベル・引用は除く |
| 「まず」「さらに」「一方で」「最後に」の型どおりの並び(JA-AI-11) | P2 | 1〜2個だけ残し、ほかは文の流れに溶かす |
| 「このように」「まとめると」「〜が期待されます」で締める(JA-AI-14) | P2 | 締めの段落を削るか、本文にある判断・条件・次の行動だけで終える |
| 冒頭の要約・本文・最後のまとめで同じことを3回言う | P2 | 要約か本文のどちらかに寄せる |
| 自分の作業を実況する(「まず〜を確認しました。次に〜しました」) | P2 | 読み手に要る結果だけ書く |
| 「と考えられます」「可能性があります」が続く(JA-MT-22) | P2 | 分かっていることは言い切る。分からないことは「未確認」と一度だけ書く。確信度そのものは変えない |
直し方の例
| 前 | 後 |
| 本Skillを活用することで、PDFからのテキスト抽出を可能にします。 | この Skill を使うと、PDF の本文を取り出せます。 |
- 結論:直接読ませる方式を推奨します。<br>- 理由:高速かつ低コストであるため。 | 直接読ませるのがよいと思います。速くて安いからです。 |
| 問いかけリスト生成 → 品質チェック → 承認という流れになります。 | 問いかけリストを作り、品質チェックをして、承認を受けます。 |
| 品質の大幅な向上を実現しました。 | 品質がよくなりました。(具体的な数字が原文にあれば、それを前に出す) |
やらないこと
- 敬語の度合い・文体を元の文章から変える
- 専門用語を一般語に置き換えて意味をずらす
- 受け身・カタカナ語・抽象語を機械的に全部消す
- 原文にない例・数字・根拠を足す
- 検出ツールの指摘を全部つぶすことを目的にする
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

