資料 — 意思決定グレードのエンティティ調査
移植性:
WebSearch+WebFetch、Node.js（docxパッケージ）、およびオプションでbash_tool+curl（無料API：SEC EDGAR、GitHub、ProPublica用）が必要です。BYOK MCP（LinkedIn、Crunchbase、Apollo、Pitchbook、SimilarWeb）はオプションの拡張機能です。Claude Code CLIでネイティブに動作します。
非汎用的なフレーミング — 差別化要因
このスキルは仮説検証型の意思決定グレードのエンティティ調査です。「Microsoftについて教えて」といったリクエストを拒否します。すべての呼び出しで、ユーザーは事前に仮説を明示する必要があるため（Q4）、資料は仮説を確認するのではなく検証します。
ユースケースの形状：
「来週Microsoftに提案します。私の仮説は、彼らがAI支出を自社のFoundryプラットフォームに統合しているというものです。これを検証または反証し、あなたが見つけたことに基づいた3つの会話のフックを提供してください。」
違います:
「Microsoftについて教えて。」
強制されるQ4 — 仮説の質問 — が非汎用的なアンカーです。これをスキップすると、スキルはWikipediaの要約を生成します。
規範についてはreferences/hypothesis_testing_discipline.mdを参照してください。
エージェント整合性ルール（リサーチパック規約）
PR #657監査によりそのまま固定されています。
- 実行規律. 逐次検索呼び出し。WebSearch + WebFetchはConsensusよりも緩いレート制限ですが、それでも1 q/秒のエチケットを適用します。次の呼び出しの前に応答を受信したことを確認します。
- ソース規律. このセッションのツール呼び出しによって返されたソースのみを引用します。Wikipedia/トレーニング知識は「[背景 — 引用前に確認]」とラベル付けし、主な調査結果のカウントから除外します。
- 3つのカウント追跡. 送信クエリ数 / 受信ソース数 / 引用ソース数。さらに、資料に固有の層別内訳（一次/二次/三次）を監査ログに表示します。
- リトライポリシー. 失敗時 → 3秒待機 → 1回リトライ → ログ記録。3回連続失敗後：停止し、ユーザーに警告します。
- ソース信頼性層. 各引用は、一次（公式、SEC、裁判所記録）/二次（主要ニュース、業界紙）/三次（ブログ、フォーラム）でタグ付けされます。DOCXはすべてのフラグに層を表示します。
フェーズ1: 問い詰めインテーク（6つの強制質問、一度に1つずつ）
Q1（ルート）— 対象の識別
対象は誰ですか？正確な名前を教えてください。企業の場合はWebサイトまたはLinkedIn URLを、人物の場合はLinkedIn URLまたは一意の識別子（所属企業 + 役割）を教えてください。
なぜこれを尋ねるのか: 曖昧性を排除するためです。ジョン・スミスは47人います。「Atlas」という名前の企業は3社あります。調査には特定のエンティティが必要です。
ユーザーが名前だけを入力した場合は、2番目の識別子を求めます。あいまいな名前では処理を進めません。
Q2（Q1に依存）— 対象のタイプ
これはどのような対象ですか？次から1つ選んでください: 人物 / 企業 / 非営利団体 / 政府機関 / その他。
なぜこれを尋ねるのか: 適用されるソースマトリックスが異なります。人物の場合はLinkedIn、GitHub、Scholar、ニュースを確認します。企業の場合はSEC EDGAR（公開企業の場合）、Crunchbase、ニュース、技術組織の場合はGitHubを確認します。非営利団体の場合はProPublicaでForm 990を確認します。
選択を強制します。「その他」の場合は1行の説明が必要です。
Q3（Q2に依存）— 目的
何の準備をしていますか？次から1つ選んでください:
- 営業ミーティング / パートナーシップ提案
- 投資デューデリジェンス
- 買収デューデリジェンス
- ジャーナリズム / デューデリジェンス
- 就職面接の準備
- 競合インテリジェンス
- 個人の身元調査（デート、採用、ビジネスパートナー）
- その他（具体的に）
なぜこれを尋ねるのか: 目的によって、視点、深さ、レッドフラグの感度が決まります。営業準備には会話のフックが必要です。投資デューデリジェンスにはトラクションシグナルが必要です。個人の身元調査には慎重な感度境界が必要です。
Q4（Q3に依存）— 仮説 — 必須
あなたの仮説は何ですか？この対象についてすでに何を知っていて、何を検証または反証したいですか？
なぜこれを尋ねるのか: これが重要な質問です。あなたの考えを確認するだけの資料は価値がありません。事前に仮説を述べることで、それを支持する証拠だけでなく、反証する証拠も検索し、実際に使用できる判定を提供できます。
例:
- 「MicrosoftはAI支出を自社のFoundryに統合していると思います。検証または反証してください。」
- 「CEOは力量不足だと思います — TAMの話ばかりで、トラクションがありません。それをテストしてください。」
- 「この非営利団体の間接費比率は怪しいと思います。990を確認してください。」
- 「この人物はCTOの役割をこなせるだけの技術力があると思います。検証してください。」
必須。 ユーザーが「仮説はありません」と言った場合は、一度だけ押し返します。「では、推測してください。後で更新できる立場にコミットしてください。資料にはテストする仮説が必要です。そうでなければ、汎用的なプロフィールになり、意思決定に役立ちません。」
それでも拒否された場合は、「見つけられる最も驚くべきことは何か？」という暗黙の仮説にフォールバックし、フォールバックを監査ログにフラグ付けします。
この質問は非汎用的なアンカーです。これをスキップすると、スキルはWikipediaの要約になります。
Q5（Q3に依存）— 深さ
時間枠: 5分の概要、または15分の意思決定グレードの資料？
なぜこれを尋ねるのか: 概要モードは約10回の検索に制限され、ネットワークと評判のパスをスキップします。意思決定グレードはすべてのセクションをより深く掘り下げます。この決定にどれだけの利害関係があるかに基づいて選択してください。
選択を強制します。
Q6（Q3がジャーナリズムまたは個人の身元調査の場合のみ質問）— センシティビティ
除外すべきセンシティブな情報はありますか？例: 個人の医療情報、家族の詳細、政治歴、または特定のトピックを禁止しますか？
なぜこれを尋ねるのか: 一部の調査コンテキストには倫理的制約があります。あなたが決して共有しないような情報を表面化するより、事前に把握しておきたいのです。
セールス/投資/買収/競合インテリジェンスの場合はスキップ（低感度）。ジャーナリズム/個人の身元調査の場合は質問（高感度）。
停止条件: Q6（または依存関係スキップによるそれ以前）の後、コミットしてフェーズ2を開始します。フェーズ2の開始後は、インテークを再度開かないでください。
フェーズ2: 対象の曖昧性解消
フェーズ3の前に、対象を特定のエンティティに解決します。
- 人物の場合: LinkedIn URL または（雇用主 + 役割 + 都市）を確認
- 企業の場合: ドメイン または（法人名 + 設立管轄区域）を確認
- 非営利団体の場合: EIN または（法人名 + 州）を確認
- 政府機関の場合: 公式 .gov URL を確認
Q1の押し返し後もまだあいまいな場合: 停止し、曖昧性解消識別子を付けてQ1を再質問します。 処理を進めないでください。
フェーズ3: ソースマトリックスの選択
Q2の対象タイプによってルーティングされます。完全な規範についてはreferences/subject_type_source_matrix.mdを参照してください。
人物
- LinkedIn（手動フェッチまたはBYOKの場合はLinkedIn MCP）
- 個人ウェブサイト
- Twitter/X（レート制限あり; グレースフルに劣化）
- GitHub（技術系の対象の場合）
- Google Scholar（学術系の場合）
- ニュース（WebSearch + WebFetch）
- カンファレンス講演のトランスクリプト、ポッドキャスト（WebSearch）
企業
- 公式ウェブサイト（概要、リーダーシップ、ニュース、キャリア）
- SEC EDGAR（無料API; 公開企業の10-K、10-Q、8-K）
- Crunchbase 無料ティア（またはBYOKの場合はCrunchbase MCP）
- ニュース（WebSearch + WebFetch）
- GitHub（技術組織向け）
- Glassdoor + Comparably（センチメント; スクレイピングがブロックされた場合はグレースフルに劣化）
- LinkedIn企業ページ
非営利団体
- ProPublica Nonprofit Explorer（無料; Form 990）
- 公式ウェブサイト
- ニュース
- GuideStar（アクセス可能な場合）
政府機関
- 公式 .gov サイト
- ニュース
- ProPublica（連邦機関向け）
有料MCP（Apollo、Pitchbook、SimilarWeb）が接続されている場合はそれを使用しますが、監査ログで調査結果をBYKソースとしてマークします。
フェーズ4: 仮説駆動型検索
フェーズ4のすべての検索は、次のいずれかに分類される必要があります。
- 支持証拠（仮説を確認する）、または
- 反証証拠（仮説を反証する）
検索予算の30%以上を反証クエリに割り当てます。 scripts/disconfirming_evidence_balance.pyによって強制されます。
仮説「MicrosoftはAI支出をFoundryに統合している」の例:
- 支持: 「Microsoft Foundry adoption 2026」、「Microsoft AI infrastructure consolidation」
- 反証: 「Microsoft OpenAI deal renegotiation」、「Microsoft AI vendor diversification」、「Microsoft third-party model partnerships 2026」
これこそが、資料を確認バイアスではなく意思決定グレードにするものです。
各検索について:
- 分類（支持/反証）を付けて
citation_tracker.pyを介して記録 - 各結果URLに
source_tier_classifier.pyからソース層を適用
フェーズ5: 12か月の活動タイムライン
アクティビティタイムラインのデフォルトは12か月ウィンドウ。基本的なアイデンティティについてはより深く掘り下げます。
カテゴリ:
- ニュース（買収、採用、退任、製品ローンチ）
- 資金調達ラウンド / 財務イベント
- 論争 / 法的イベント
- 公式発表 / 戦略転換
逆時系列。各エントリはハイパーリンク付きで層別化されます。
フェーズ6: ネットワーク + 評判シグナル
ネットワーク
- 企業: 投資家（参入/退出）、顧客（指名）、パートナー
- 人物: 共同創業者、アドバイザー、メンター、雇用主、取締役会での役割
- 非営利団体: 資金提供者、理事会、リーダーシップ
5～10のエントリ。仮説との関連性でランク付け。
評判
- ニュースからのセンチメント（最近12か月）
- 企業向けGlassdoor（総合評価 + 代表的なレビュー3件）
- 人物向けピアメンション
- 注意: 評判データはノイズが多いため、それに応じて層別化します
フェーズ7: レッドフラグパス
表面化しますが、センセーショナルにはしません:
- 訴訟（裁判所記録 → 一次層）
- 規制措置（SEC、DOJ、機関の措置 → 一次）
- 異例の退任（90日以内の主要人事の退職）
- 財務シグナル（10-K内のゴーイングコンサーンノート → 一次）
- 評判への打撃（持続的な否定的な報道 → 二次）
各フラグは層別化されています。 層はDOCXのすべてのフラグの横に表示されます。
フェーズ8: 会話フックの生成
汎用的なトークポイントではなく、実際の調査結果に結びついた3～5の具体的なフック。
規範についてはreferences/conversation_hook_quality.mdを参照してください。
| ❌ 汎用的 | ✅ 調査結果に結びついた |
|---|---|
| 「ロードマップについて尋ねる」 | 「最近の[X]の買収について言及する — これは垂直Yへの投資を示唆しています。提案フレーミング: '[X]の発表を見ました — それはYのロードマップにどのような変化をもたらしますか？'」 |
| 「採用について尋ねる」 | 「VPエンジニアリングが3週間前に退任しました（LinkedIn）。提案フレーミング: '[名前]が去られたようですが — エンジニアリングリーダーシップの計画は？'」 |
| 「価値観について話す」 | 「先週、価格ページを更新しました（公式サイト）。提案フレーミング: '価格改定を見ました — 何がきっかけでしたか？'」 |
各フック:
- フック（1文）
- それが結びついている調査結果（ハイパーリンク + 層付き）
- 提案フレーミング（ユーザーが適応できる逐語的なフレージング）
フェーズ9: DOCX生成（9セクション）
Node.js + docxライブラリを介して。
- エグゼクティブサマリー — 1段落: 対象の概要 + 重要な理由 + 仮説の判定（SUPPORTED / PARTIALLY SUPPORTED / DISPROVEN / INCONCLUSIVE）+ 知っておくべき3つのポイントの箇条書き。
- 基本情報テーブル — 設立/生年月日、所在地、規模/ステージ、現在の役割、主要な所属。全セルに出典あり。ホバーテキストで層表示。
- 仮説テスト — ユーザーの仮説をそのまま記載。支持証拠（ハイパーリンク付き引用の3～5箇条書き）。反証証拠（ハイパーリンク付き引用の3～5箇条書き）。判定段落（重みを説明する2～3文）。
- 12か月の活動タイムライン — ニュース、資金調達、採用、退任、製品ローンチ、論争。逆時系列。各エントリはハイパーリンク付き。
- ネットワークシグナル — 協力者 / 投資家 / 関連者。5～10エントリ。仮説との関連性でランク付け。
- 評判シグナル — ニュースからのセンチメント、企業向けGlassdoor、人物向けピアメンション。注意: 評判データはノイズが多い。
- レッドフラグ + 隠れたパターン — 訴訟、規制措置、異例の退任、財務シグナル、評判への打撃。層別化。
- 会話フック — 調査結果に結びついた3～5の具体的なフック。各: フック + 調査結果 + 提案フレーミング。
- ソースの出所 + 監査ログ — 層付きのソースごとのリスト。検索サマリーテーブル（番号、クエリ、分類、返されたソース、引用されたソース）。3つのカウント + 層別カウント。失敗した検索。BYOK-MCP使用フラグ。
スタイリング
本文Arial 12pt、ネイビーの見出し（#1a3a5c）、薄い青のテーブルヘッダー（#e8f0f8）、赤のレッドフラグコールアウト、緑の会話フックコールアウト。
ハイパーリンクパターン
new ExternalHyperlink({
link: "https://...",
children: [new TextRun({ text: title, style: "Hyperlink" })],
});
フェーズ10: 納品
- 保存:
<output-dir>/dossier_<entity-slug>_<YYYY-MM-DD>.docx - チャットサマリー: ファイルパス + 仮説の判定 + 監査カウント + 層別内訳 + 使用されたBYOK MCP（ある場合）
- 検証:
python3 -c "import zipfile,sys; zipfile.ZipFile(sys.argv[1]).testzip()" <docx>でzipの整合性を確認（出力なし = 無傷）、その後、必要なセクションが存在することを確認
ツール
| スクリプト | 役割 |
|---|---|
scripts/citation_tracker.py | 3カウント監査 + 支持/反証分類 + ソース層タグ付けを~/.dossier_sessions/<session>.jsonに保存 |
scripts/disconfirming_evidence_balance.py | 検索予算の30%以上が反証クエリに割り当てられていることを検証。バイアスがある場合は警告 |
scripts/source_tier_classifier.py | URL → ドメインヒューリスティックによる一次/二次/三次分類 |
参考文献
references/hypothesis_testing_discipline.md— 30%ルール + 意思決定グレード vs 百科事典的（7+ソース）references/subject_type_source_matrix.md— 人物/企業/非営利団体/政府のソースマトリックス（7+ソース）references/conversation_hook_quality.md— 調査結果に結びついたフックの規律（7+ソース）
エラーハンドリング
| 障害 | 動作 |
|---|---|
| 対象名があいまい | 処理を進めない。曖昧性解消識別子を付けてQ1を再質問。 |
| ユーザーが仮説の提示を拒否 | 一度だけ押し返す。それでも拒否された場合は、「見つけられる最も驚くべきことは何か？」という暗黙の仮説にフォールバック。監査にフラグ。 |
| 対象に公開情報がゼロ |
...
[翻訳のため省略]