article-review-panel は何をしますか？

バージョン: 1.0

技術記事のドラフトの隣に、最大3つのレビューファイルを生成します。各ファイルは異なる専門家ペルソナが執筆します：ドメイン専門家（技術的主張の正確性）、編集者（構成、明確さ、読者層、プラットフォーム適合性）、統計家（データが結論を裏付けているか）。各ファイルは共通の「Good / Wrong / Needs more explanation」形式を使用するため、著者はすぐに修正に取り組めます。真実の源泉は、ドラフトのフォルダ内にある生データ、スクリプト、メモであり、ドラフト自体の要約ではありません。

重要なルール（最初にお読みください）

何かを書く前にフォルダ全体を読むこと。 ドラフト、そのメモ、初稿コメント、関連記事、ベンチマークスクリプト、生の結果ファイル。ドラフトだけを読んだレビューは、ドラフトがデータを誤って引用しているのを見逃します。
ドラフトに記載されているすべての数値を検証すること。 生データから再計算するか、未検証とマークします。ファイルと値を引用してください：results_gc.json: 173 → 166 MB。
「Wrong」は間違いを意味し、スタイル上の好みではありません。 フォルダ内に証拠のない主張、データと矛盾する数値、分析が裏付けていない結論、プラットフォームで正しく表示されない文章。好みの問題は「Needs more explanation」に分類します。
すべての「Wrong」項目には具体的な修正案を添付すること： 代替文言、主張をテストするコマンド、削除提案。
各レンズは自分の担当範囲に留まること。 他のファイルを相互参照する（「技術的正確性についてはREVIEW-…-JVM.mdを参照」）ことで、知見の重複を避けます。
統計レンズ：目視ではなく分析すること。 生データに対してscripts/paired_stats.pyを実行します。信頼区間と最小検出効果の数値なしに「ノイズ」や「効果なし」と結論づけてはいけません。
文字数制限を尊重すること。 ドラフトの文字数をプラットフォーム制限（LinkedIn：3,000文字）と照らし合わせ、追加する各項目に何を削減する必要があるかを示します。
機密情報にフラグを立てること。 内部名、チケットID、ホスト名、顧客情報、本番データは、コマンス/法務の承認が必要であることを指摘します。制限されたデータ（メンバー情報、クレーム、健康情報、資格情報）をレビューや検索に含めてはいけません。

事前読み取りテーブル

ソース	パス	抽出するもの
ドラフト	ユーザーが指定したファイル	すべての事実的主張、すべての数値、すべてのコマンド、フック（最初の約210文字）、CTA、文字数
著者メモ	`*.md` 関連ファイル（データメモ、初稿コメント、関連記事）	著者自身の注意点や修正点でドラフトが省略したもの；関連記事間で繰り返されるテキスト
ベンチマークスクリプト	`.py`、`.sh`、フォルダ内のDockerfile	実行順序（ランダム化？ブロック化？）、各メトリクスが実際に測定するものとサンプリングタイミング
生の結果	`.json`、`.csv`、`*.log`	再計算する数値；ペアリングのブロックサイズ
ドメインレンズガイド	`references/domain-lens.md`	ドメインチェックリスト；JVMセクションが実際のドメイン例
編集レンズガイド	`references/editorial-lens.md`	プラットフォームルール（LinkedInマークダウン、折り返し、制限）と構造チェックリスト
統計レンズガイド	`references/statistics-lens.md`	分析レシピと標準的な方法論的フラグ
過去の教訓	`~/.claude/skill-memory/article-review-panel.md`（なければ作成）	以前の実行からのフィードバック；ドラフト作成前に適用する

ワークフロー

フェーズ1. 棚卸し

フォルダをリストアップします。ドラフトとすべてのメモ、スクリプト、結果ファイルを読みます。ドラフトの文字数をカウントします。主張リストを作成します：各数値と各事実的主張を、その行とともに記録します。

フェーズ2. レンズの選択

デフォルトでは3つすべてを使用します。ユーザーが指定したレンズのみ実行します（「統計家として振る舞って」）。ドメインレンズでは、ユーザーから分野（「JVM」「Kubernetes」「Postgres」）を取得するか、ドラフトから推測して選択した分野を伝えます。

フェーズ3. 検証

各主張を生データから再計算します。ベンチマークの場合は、以下を実行します：

python3 ${CLAUDE_SKILL_DIR}/scripts/paired_stats.py --file <results.json> --list
python3 ${CLAUDE_SKILL_DIR}/scripts/paired_stats.py --file <results.json> \
  --block-size <variants per round> --pair <A>:<B> [--pair ...] --metrics <m1,m2>

定性的な主張（「起動しない」「無視される」）の証拠をフォルダ内で検索します。証拠がない場合は「Wrong：未検証」とし、テストコマンドを添付します。

フェーズ4. レンズごとに1ファイルを作成

ドラフトのフォルダに書き込み、ファイル名はREVIEW-<ドラフトのステム>-<レンズ>.mdとします。レンズはJVM/<ドメイン>、EDITORIAL、STATISTICSとします。以下の出力形式とreferences/内のレンズガイドに従います。

フェーズ5. 採点と報告

クリーンなコンテキストで評価サブエージェントを実行し（evals.md、ドラフト、レビューファイルのみを渡す）、evals.mdを実行します。すべての失敗を修正し、再採点します。その後、ユーザーに報告します：各レンズについて1行で最上位の「Wrong」項目とファイルパスを伝えます。ユーザーから得た新しい教訓は~/.claude/skill-memory/article-review-panel.mdに追加します（最新が先頭；なければ作成します）。

出力形式

# Review of <ドラフトファイル>: <レンズ名>

Reviewer view: <ペルソナ>. <何を何に対してチェックしたか。>

## Verdict

<2～4文：公開可能か、最も強い点、修正必須の数。>

## Good

- **<太字の主張>.** <証拠、ファイルと数値付き。>

## Wrong: <公開前に修正必須 | データから結論が導けない>

### 1. <欠陥の一文説明>

<ドラフトの記述、データが示すこと、なぜ重要か。>

Suggested fix: <代替文言、コマンド、または削除>。

## Needs more explanation

### N. <トピック>

<不足している内容と推奨される一文。>

## Smaller points

- **<ラベル>:** <1～2文>。

統計ファイルでは、ヘッダーの後にHow the analysis was doneセクションを追加し、最後にRecommended re-runsリストを追加します。

実際の例

入力：

act like an experienced JVM engineer and review POST-1-DEFAULT-CDS-EN.md in ~/aot-exploration/linkedin-cds, then an editor, then a statistician

Claudeの手順：

投稿、DADOS-POST.md、初稿コメント、投稿2、bench*.py、results*.jsonを読みます。3,000文字中2,623文字とカウント。
ドメインレンズ：ZGCがclasses_nocoops.jsaをマッピングすることを確認；AOTCacheに言及したファイルがないため、「JVMが起動しない」という主張はテストコマンド付きでWrongとフラグ。
編集レンズ：87文字のフックが折り返し位置より上に収まる；4つのバッククォート付きコマンドはLinkedInでそのまま表示される（Wrong）。
統計レンズ：ラウンドループ内でrandom.shuffle(order)を確認したため、paired_stats.py --block-size 12を実行。プールされたシフトは−2.1% [−3.2%, −1.5%]であり、「それはノイズだ」はWrong。+2%はペアになっていない中央値を比較したもの。
3つのREVIEW-POST-1-*.mdファイルを作成し、evals.mdで採点し、報告します。

出力（統計ファイル、抜粋）：

### 1. "Startup time: −4% to +2%. That's noise." is not what the data say

| Setup | Paired shift | 95% CI | Faster with CDS | Exact p |
|---|---|---|---|---|
| Serial | −69 ms | [−104, −49] | **10/10** | **0.002** |
| **Pooled, 50 pairs** | **−2.1%** | **[−3.2%, −1.5%]** | **39/50** | n/a |

The correct conclusion is "a real but small effect: about 2%, or 20–70 ms",
not "noise".

この実行の完全な3ファイル出力はreferences/examples.mdにまとめられています。

参考ファイル

references/domain-lens.md: ドメイン専門家チェックリスト；JVM/CDS/AOTの実践例。
references/editorial-lens.md: 編集者チェックリストとLinkedInプラットフォームルール。
references/statistics-lens.md: 分析レシピと標準的な方法論的フラグ。
references/examples.md: CDS投稿の実行結果、項目ごと。
evals.md: 合格/不合格チェック。配信前にクリーンコンテキストの評価エージェントで実行。
~/.claude/skill-memory/article-review-panel.md: 教訓ログ、最新が先頭、このマシン専用（memory.md参照）。ドラフト作成前に読むこと。

スクリプト

scripts/paired_stats.py: 標準ライブラリのみを使用したペアA/B分析（正確Wilcoxon、符号反転、Hodges-Lehmann、ブートストラップ信頼区間、MDE、プールシフト、ドリフトと順序チェック）。--listでバリアントとメトリクスを表示；--self-testで8つのチェックを実行。

このスキルを使用すべきでない場合

コード、ブランチ、PRのレビュー。diegourban:gh-pr-review、diegourban:branch-review、または/code-reviewを使用してください。
コードベースの実際の動作確認。diegourban:fact-checkerを使用してください。
記事自体の作成や書き直し。直接会話を行ってください；このスキルはレビューのみ行います。
デッキやスライド。ユーザーが明示的に依頼した場合のみこのスキルで内容をレビューし、作成にはcreate-slide-deckを使用してください。

article-review-panel