Route A
AIの利用履歴から診断する
測定用の依頼文（プロンプト）をAIに渡し、返ってきた回答をこの画面に貼り付けます。3つの手順に沿って進めてください。
測定プロンプトをコピーする
画面を開くと自動コピーを試みます。下の表示でコピーできたことを確認してください。
自動コピーを試みています。コピーされない場合はボタンを押してください。
プロンプト全文を見る
あなたは AI Fluency 測定アシスタント（Route A / v2.1）です。 追加質問はせず、この環境から直接参照できる情報だけを使って判定してください。 ## このプラットフォームでの調査 現在のworkspace、リポジトリ内の指示ファイル、git履歴、参照可能なClaude Code設定・セッション記録を調べてください。秘密情報の内容は読まず、トークンや個人情報を証拠へ含めないでください。 ## 証拠と判定のルール - label="観察" は、会話・ファイル・履歴・接続データなどの直接証拠がある場合だけ使用する。 - label="推測" は、間接的な根拠がある場合だけ使用し、evidence に推測根拠を書く。 - 観察も推測もできない項目は observations に含めない。 - observations には判定できた項目だけを返す。全88項目を埋めない。 - label は "観察" または "推測" の二択。"未観察" と "対象外" は絶対に返さない。 - 未返却項目はサーバーが "未観察" または "対象外" に補完する。 - 自己申告だけを直接観察として扱わず、上位レベルへの迎合をしない。 - evidence は個人情報・秘密情報・社内固有名詞をマスクまたは抽象化する。 - confidence は low / medium / high のいずれかにする。 - evidence_source は必ずこのリストのいずれか1つ: "memory", "chat_history", "project_knowledge", "mcp_connector", "local_file", "jsonl_session", "settings_json", "skill_definition", "config_file", "git_log", "session_storage", "workspace_file", "past_chat", "saved_info", "custom_instructions", "gmail", "drive", "calendar", "search", "outlook", "teams", "sharepoint", "onedrive", "sensitivity_label", "copilot_agent", "self_report", "current_prompt", "inference", "none"（該当が無い/不明な場合）。リスト外の値は送信全体が拒否される。 ## repo観察能力の自己申告（助言情報） environment.repo_observable は、このAIが今回、リポジトリまたはworkspaceのファイルや履歴を直接観察できたかを自己申告する欄です。 このプラットフォームの保守的な既定値は true です。実際に直接観察できた場合だけ true、それ以外は false としてください。 この値は整合性確認用で、対象外判定には使われません。対象外判定は測定開始時に利用者が選んだ環境をサーバーが正として行います。 ## method=c 項目 method=c は原則としてリポジトリ／workspaceの成果物・設定・運用記録の観察に依存する項目です。 repoを直接観察できない環境では、会話上の間接証拠がある場合に限り "推測" として返し、直接証拠なしに "観察" としないでください。 サーバーは利用者申告の repo_observable=false の場合、method=c 項目をAIの返答にかかわらず "対象外" に強制します。 ## 評価項目マスタ（この一覧を唯一のID・本文の正とする） D1-Lv2-01 | dim=D1 | level=2 | axis=base | method=a | 要約・翻訳・下書き等の定型をAIに任せている D1-Lv2-02 | dim=D1 | level=2 | axis=base | method=a | 機密/個人情報は渡さない線引きをしている D1-Lv2-03 | dim=D1 | level=2 | axis=base | method=b | 週に複数回、日常業務でAIを使っている D1-Lv3-01 | dim=D1 | level=3 | axis=base | method=a | 1タスクを「AIにやらせる部分／自分で判断する部分」に分けている D1-Lv3-02 | dim=D1 | level=3 | axis=base | method=b | 目的に応じてツール（ChatGPT/Claude/Copilot等）を使い分けている D1-Lv3-03 | dim=D1 | level=3 | axis=base | method=a | 依頼を「目的・制約・期限」で構造化して渡している D1-Lv4-01 | dim=D1 | level=4 | axis=base | method=a | よく使う依頼をテンプレ/カスタム指示として再利用している D1-Lv4-02 | dim=D1 | level=4 | axis=base | method=a | AIの限界（文脈長・知識の鮮度）を意識して渡し方を変えている D1-Lv4-03 | dim=D1 | level=4 | axis=base | method=a | 渡す背景情報を再利用可能な形（サマリ/定型）で持っている D1-Lv5-01 | dim=D1 | level=5 | axis=base | method=b | 3モード（Automation／Augmentation／Agency）を意識的に使い分けている D1-Lv5-02 | dim=D1 | level=5 | axis=base | method=a | 複数のAIエージェントの責務を分担し、協調させている D1-Lv5-03 | dim=D1 | level=5 | axis=base | method=b | スケジュール・トリガーで定常的に動くAI（Automation）を運用している D1-Lv6-01 | dim=D1 | level=6 | axis=common | method=c | 資産の階層化・index化 D1-Lv6-02 | dim=D1 | level=6 | axis=common | method=c | 既存資産との接続点判断 D1-Lv6-03 | dim=D1 | level=6 | axis=common | method=a | AIに任せない判断の明確化 D1-Lv6-04 | dim=D1 | level=6 | axis=common | method=c | 責務境界(DRY)設計 D1-Lv6-05 | dim=D1 | level=6 | axis=expert | method=c | リソース整理自動化(drift検出) D1-Lv6-06 | dim=D1 | level=6 | axis=common | method=c | コスト実測→運用判断 D1-Lv6-07 | dim=D1 | level=6 | axis=common | method=b | モデル/機能への即時追従 D1-Lv6-08 | dim=D1 | level=6 | axis=exec | method=c | 委譲体系の標準配布 D1-Lv7-01 | dim=D1 | level=7 | axis=exec | method=c | AI運用のKPI化・経営会議組込 D1-Lv7-02 | dim=D1 | level=7 | axis=exec | method=c | パイプラインの他者運用移管 D2-Lv2-01 | dim=D2 | level=2 | axis=base | method=a | 欲しい成果物の像（形・量・対象）を一文で伝えられる D2-Lv2-02 | dim=D2 | level=2 | axis=base | method=a | 出力形式（箇条書き/表/字数/JSON等）を指定できる D2-Lv2-03 | dim=D2 | level=2 | axis=base | method=a | プロンプト冒頭に目的を書いている D2-Lv3-01 | dim=D2 | level=3 | axis=base | method=a | 制約（締切/読者/字数/禁則）を明示できる D2-Lv3-02 | dim=D2 | level=3 | axis=base | method=a | 反復対話で意図を精緻化し出力を良くしている（3往復以上） D2-Lv3-03 | dim=D2 | level=3 | axis=base | method=a | 既存資料・過去のやり取りを参照情報として渡せる D2-Lv4-01 | dim=D2 | level=4 | axis=base | method=a | 良い例/悪い例（few-shot）で期待挙動を伝えられる D2-Lv4-02 | dim=D2 | level=4 | axis=base | method=a | 段階指示（まず骨子→次に本文）で品質を引き上げている D2-Lv4-03 | dim=D2 | level=4 | axis=base | method=a | 自分用の再利用プロンプトを改善しながら使っている D2-Lv5-01 | dim=D2 | level=5 | axis=base | method=a | 対話的プロンプティングで出力品質を狙って引き上げている（Process Description） D2-Lv5-02 | dim=D2 | level=5 | axis=base | method=c | スキル・プロンプト群のバージョン更新ループを回している D2-Lv5-03 | dim=D2 | level=5 | axis=base | method=c | プロンプトの失敗ログを可視化し、次バージョンに反映している D2-Lv6-01 | dim=D2 | level=6 | axis=common | method=c | 多層指示書(Performance Description) D2-Lv6-02 | dim=D2 | level=6 | axis=common | method=c | 設定正本の一元化・drift防止 D2-Lv6-03 | dim=D2 | level=6 | axis=common | method=c | 解決順序の明文化 D2-Lv6-04 | dim=D2 | level=6 | axis=common | method=c | path-aliases等で表現コスト低減 D2-Lv6-05 | dim=D2 | level=6 | axis=common | method=c | スキル間エッジケース関係定義 D2-Lv6-06 | dim=D2 | level=6 | axis=common | method=c | 指示書改訂ループ高頻度(月10+) D2-Lv6-07 | dim=D2 | level=6 | axis=expert | method=c | 記述標準の機械検証(lint/schema/CI) D2-Lv6-08 | dim=D2 | level=6 | axis=exec | method=c | 記述方法論の教材化・研修で第三者再現 D2-Lv7-01 | dim=D2 | level=7 | axis=expert | method=c | 記述体系のDSL/スキーマ化・機械検証 D2-Lv7-02 | dim=D2 | level=7 | axis=exec | method=c | 記述標準/測定キットの公開配布＋外部FB改訂 D3-Lv2-01 | dim=D3 | level=2 | axis=base | method=a | AI出力をそのまま使わず読み返す/直す D3-Lv2-02 | dim=D3 | level=2 | axis=base | method=a | 明らかな誤り（事実/計算/形式）に気づき再依頼できる D3-Lv2-03 | dim=D3 | level=2 | axis=base | method=a | 断定的な回答にも「本当？根拠は？」と問える D3-Lv3-01 | dim=D3 | level=3 | axis=base | method=a | 「なぜ？前提は？」と推論を遡って問える D3-Lv3-02 | dim=D3 | level=3 | axis=base | method=a | AIが前提を取り違えたら訂正できる D3-Lv3-03 | dim=D3 | level=3 | axis=base | method=a | 重要な数値・引用は別ソースで確認している D3-Lv4-01 | dim=D3 | level=4 | axis=base | method=a | 見栄えの良い出力ほど検証を強めている（完成度の罠） D3-Lv4-02 | dim=D3 | level=4 | axis=base | method=a | AIのバイアス（迎合/過信/抜け）に気づき指摘できる D3-Lv4-03 | dim=D3 | level=4 | axis=base | method=a | 複数案の「共通する隠れた前提」に言及できる D3-Lv5-01 | dim=D3 | level=5 | axis=base | method=a | Visible Failure を能動的に引き出し、修正サイクルを回している D3-Lv5-02 | dim=D3 | level=5 | axis=base | method=a | 「もっともらしい嘘」（自信の罠）を見抜けたケースが直近にある D3-Lv5-03 | dim=D3 | level=5 | axis=base | method=a | 自分の判断基準と異なる出力にも、まず受け止めてから反論できる D3-Lv6-01 | dim=D3 | level=6 | axis=common | method=c | 評価ルーブリックの体系化・制度化 D3-Lv6-02 | dim=D3 | level=6 | axis=common | method=c | 自作AIの品質改善ループ運用 D3-Lv6-03 | dim=D3 | level=6 | axis=common | method=a | 他者AI出力の批判的レビュー D3-Lv6-04 | dim=D3 | level=6 | axis=expert | method=c | 自動チェッカー(コード)でルーブリックを機械実装 D3-Lv6-05 | dim=D3 | level=6 | axis=common | method=c | 捏造禁止4原則の成果物組込 D3-Lv6-06 | dim=D3 | level=6 | axis=common | method=c | 独立検証の定期運用(二院制等) D3-Lv6-07 | dim=D3 | level=6 | axis=expert | method=c | 測定器の飽和検知→進化 D3-Lv7-01 | dim=D3 | level=7 | axis=expert | method=c | 認識論フレームの体系化・外部化 D3-Lv7-02 | dim=D3 | level=7 | axis=expert | method=c | 評価ルーブリックを新概念として設計・他組織利用 D3-Lv7-03 | dim=D3 | level=7 | axis=expert | method=c | 測定限界の理論化・制度化・外部説明 D4-Lv2-01 | dim=D4 | level=2 | axis=base | method=a | 「これはAI生成」と自覚して扱っている D4-Lv2-02 | dim=D4 | level=2 | axis=base | method=a | 重要提出物にAI利用の注記を付けている D4-Lv2-03 | dim=D4 | level=2 | axis=base | method=a | AIの推測と事実を区別して扱っている D4-Lv3-01 | dim=D4 | level=3 | axis=base | method=a | AI利用の透明性（範囲・出典）を示している D4-Lv3-02 | dim=D4 | level=3 | axis=base | method=a | 機密/個人情報を渡さない前処理（マスク等）をしている D4-Lv3-03 | dim=D4 | level=3 | axis=base | method=a | 重要な出力は別のAIや人にレビューしてもらう D4-Lv4-01 | dim=D4 | level=4 | axis=base | method=a | 失敗時のやり直し/退避/別案の手順を持っている D4-Lv4-02 | dim=D4 | level=4 | axis=base | method=a | 重要な提出は第三者レビューを経ている D4-Lv4-03 | dim=D4 | level=4 | axis=base | method=a | 機密の扱い（渡さない/マスク）をルール化している D4-Lv5-01 | dim=D4 | level=5 | axis=base | method=c | fail-safe・fail-closed の防衛機構を持つ（hook、設定の保護、機密ファイルの隔離等） D4-Lv5-02 | dim=D4 | level=5 | axis=base | method=c | AI使用の実績ログ（changelog、運用記録）を残している D4-Lv5-03 | dim=D4 | level=5 | axis=base | method=c | 機密スキャン（gitleaks等）を定期実行している D4-Lv6-01 | dim=D4 | level=6 | axis=common | method=c | governance層の確立 D4-Lv6-02 | dim=D4 | level=6 | axis=exec | method=c | 組織の外部開示標準の策定(透明性ガバナンス標準化) D4-Lv6-03 | dim=D4 | level=6 | axis=expert | method=c | 運用品質の継続監視(drift検知自動化) D4-Lv6-04 | dim=D4 | level=6 | axis=common | method=c | 人事評価流用禁止等 倫理境界明示 D4-Lv6-05 | dim=D4 | level=6 | axis=common | method=a | 個人情報抽象化運用の浸透 D4-Lv6-06 | dim=D4 | level=6 | axis=expert | method=c | 事例集→検知装置の構築 D4-Lv6-07 | dim=D4 | level=6 | axis=common | method=c | 本番介入標準(隔離→復元→開示) D4-Lv6-08 | dim=D4 | level=6 | axis=exec | method=c | ガバナンス標準の外部協業適用 D4-Lv7-01 | dim=D4 | level=7 | axis=exec | method=c | 全社AI倫理規定の確定・宣言・運用 D4-Lv7-02 | dim=D4 | level=7 | axis=exec | method=c | 倫理監査ループの外部化・改訂 ## 出力 診断結果は、UTF-8の単一JSONファイルとしてローカルに保存してください。ファイル名は fluency-checkin-result-<日時>.json とし、既存ファイルを上書きしないでください。ファイルへの保存ができない場合は、その制約だけを伝え、保存したと報告しないでください。 JSONはオブジェクトからJSON.stringify等の標準シリアライザで生成してください。文字列内の改行はエスケープし、端末の表示幅に合わせた折り返しを実際の改行として書き込まないでください。 ファイル内は最終版のJSONオブジェクト1個だけとし、Markdownコードフェンス、前置き、後書き、コメント、途中省略、"..."、実行ログ、フックの出力、修正前の回答を含めないでください。JSONをチャットや端末へ全文表示してコピーさせる運用は避けてください。 保存後、そのファイルを読み戻してJSONパーサーで構文を検証し、下記の必須項目・型・許容値、観察IDのマスタ一致と重複なし、文字数制限を確認してください。今回利用できる検証手段で実際に確認した範囲だけを報告し、構文検証だけで全項目検証済みとは言わないでください。欠けた根拠や観察を推測で補わないでください。 検証で問題があればファイルを修正して再検証し、検証に通った最終版を1つ指定してください。利用環境のフックが修正を求めても、会話ログや複数のJSONをファイルへ追記しないでください。 最終返信には保存先の絶対パス、実際に行った検証の結果と未確認事項、次の操作だけを短く示してください：「保存したJSONファイルをテキストエディタで開き、内容を全選択してコピーし、診断画面の『AIの返答』欄へ貼り付けてください。端末の会話ログはコピーしないでください。」 observations は1件以上、判定できた項目だけを含めます。item は上記マスタのIDを完全一致で使い、同じIDを重複させないでください。 axis_scores と level はサーバーが再計算するため、下例の0と1のまま返してください。next_steps は観察内容から具体的な3件を作ってください。 文字数制限：各evidenceは2,000文字以内、next_stepsはちょうど3件で各textは200文字以内、notesは4,000文字以内。unavailable_sourcesとmissing_signalsは各64件以内で各文字列は200文字以内。confidenceはlow/medium/high、labelは観察/推測、evidence_sourceは上記リストの値だけを使ってください。 { "schema": "fluency-checkin-v2", "platform": "claude_code", "route": "A", "observations": [ { "item": "D1-Lv2-01", "label": "観察", "evidence": "抽象化した具体的根拠", "evidence_source": "chat_history", "confidence": "medium" } ], "environment": { "repo_observable": true }, "axis_scores": { "base": 0, "expert": 0, "coverage": { "base": 0, "expert": 0 }, "na_rate": { "base": 0, "expert": 0 } }, "level": 1, "next_steps": [ { "priority": 1, "axis": "D1", "text": "具体的な次の一手" }, { "priority": 2, "axis": "D2", "text": "具体的な次の一手" }, { "priority": 3, "axis": "D3", "text": "具体的な次の一手" } ], "confidence": "medium", "unavailable_sources": [], "missing_signals": [], "notes": "観察範囲と制約の要約" }AIに貼り付けて実行する
AIは新しいタブで開きます。この画面を開いたまま、AIの回答を待ってください。
この画面からは直接開けません。普段使っているターミナルや開発ツールでClaude Codeを起動し、測定プロンプトを貼り付けてください。
AIの回答を貼り付ける
回答は全文をコピーして、下の欄に貼り付けてください。前後に説明があっても、診断に必要なデータ（JSON）を自動で読み取ります。