Community画像github.com

drawing-review

施工図PDFを対象に、重点的な審査を行い、審査レポートを生成します。まず、ローカルでPDFのテキスト層を抽出し、トレース情報(図枠、単位/人名/工事名など)をマスキングします。その後、審査チェックリストに従って、原文で証明可能な問題(設計説明内のパラメータの矛盾、部材と配筋の前後不一致、図面と計算書/地質調査報告書のパラメータ対応、計算式の再計算、規格/図集の引用バージョン、コンクリートの最低強度等級、説明番号、文字誤りなど)を特定します。スクリプトを使用して、各引用が原文の該当位置に一文字単位で存在することを検証し、オブジェクトの対応関係を確認して独立に再計算を行い、最後に位置情報、エビデンスレベル、未カバー範囲を含むMarkdown形式の審査レポートを出力します。モデルが画像を認識できる場合は、ローカルでマスキングされたページ画像を補助的に使用して注釈の帰属を判断します。画像を認識できない場合は、テキスト座標のみで同様のプロセスを実行します。

drawing-review とは?

このスキルは、施工図面(主に施工図PDF)のAI補助による自己チェック(校審)プロセスを自動化するためのものです。ユーザーが図面のPDFや計算書、地質調査報告書などをドラッグ&ドロップすると、まずローカル環境で `pdfplumber` を使用してPDFからテキスト層を抽出し、同時に図枠や個人名、プロジェクト名などの機密情報をマスキング(脱感作)します。これにより、プライバシーを保護しながらAIモデルによる解析を可能にします。 次に、抽出されたテキストデータと参照ファイル(`review-checklist.md` や `verified-rules.md`)に基づき、設計説明内の数値矛盾や、図面と計算書間のパラメータの不一致、計算式の転記ミスや計算誤り、引用されている規格・図集のバージョンの妥当性など、15項目にわたるチェックリストに沿って問題を特定します。特に、複数の問題が同じ原因に基づく場合は一つにまとめ、それぞれに根拠となる原文の引用(ブロックID付き)を添付します。 このスキルの大きな特長は、結果の信頼性を担保するための厳格なエビデンス管理と自己反論プロセスにあります。スクリプトを使用して各引用が原文に正確に存在するか(E1)、オブジェクトの対応が明確か(E2)、計算が正しいか(E3)を検証し、エビデンスレベルを付与します。また、AI自身が見つけた問題に対して「もしかしたらこれは…」と反論するプロセスを必須とし、不確かなものを排除することで、結果の質を高めます。最終的には、問題の位置、エビデンスレベル、未カバー範囲を含むMarkdownレポートを生成します。 主に、設計事務所や建設会社の設計者、チェック担当者が、設計図書の品質管理、特に出図前の自己チェックや、AIによる補助的な校審作業の効率化を目的として使用します。対応プラットフォームは多くのLLM(Claude Codeを含む)を想定しており、テキストモード(汎用的)と画像モード(指定された場合のみページ画像を参照可能)の両方をサポートします。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qiushanyueyue/drawing-review-skill/tree/HEAD/drawing-review

Installed? Explore more 画像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

施工図審査(drawing-review)

「図面をドラッグ → 自動解析 → チェックリストに沿って審査 → 結果を元図にトレース可能 → 人が確認」という審査フローをあなたに代わって実行します。生成されるのは設計者が確認するための候補問題リストであり、正式な審査意見やコンプライアンスの結論ではありません。

絶対に守るべきルール

  1. 図枠と個人情報は審査せず、外部に漏らさない。 図枠(設計/照査/審査/決定などの署名欄、設計者、発注者、工事名称、日付、出図印、登録印、証明書番号、電話番号)はマスキングデータであり、審査範囲外です。「署名漏れ」「会社名の表記方法」「図枠の日付」などの問題を報告してはいけません。
  2. 元の図面を直接開かない。 extract で生成された review_input.md / blocks.jsonl / coverage.json のみを読み取ります。画像モードでは images.json にリストアップされた、ローカルで既にマスキングされた画像のみを参照します。mapping.local.json には原文の対照表が含まれていますが、これを読み取ったり、参照したり、アップロードしたりしてはいけません。レポートではプレースホルダー(例:[事業者1])を保持し、復元しようとしないでください。
  3. 図面の原文で証明できる問題のみを報告する。 各問題には、最低でも一つの逐次引用とブロックID(例:F1-P3-B12)を添付してください。与えられたテキストで証明できない問題は報告してはいけません。PDF抽出順による「隣接テキスト」を同一部材とみなしてはいけません。
  4. オブジェクトの対応関係は証明できるもののみ報告する。 2つのテキストを比較する前に、それらが同一の部材/断面/部位/ケース(同一の番号で階層・エリアが明確、明確な詳細図の参照、同じ条項のコンテキスト内)であることを確認してください。ページをまたぐ比較やファイルをまたぐ比較には object_match: "explicit" と記述し、basis にその根拠を説明してください。推測に過ぎない場合は inferred と記述し、スクリプトにより「条件補充が必要」に格下げされます。
  5. 規格に基づく結論には検証可能な根拠が必要。 記憶だけで「規格では○○値であるべき」と断言したり、条文番号を捏造したりしてはいけません。references/verified-rules.md にある検証済みルールのみが「規格未達」の結論を出すことができます。それ以外の規格に関するものは「関連条文は未検証」または needs_context と記述してください。規格が現行有効かどうかは、オンラインの公式ソースで確認し、確認できない場合は「未検証」と明記してください。
  6. 数値計算はスクリプトに任せる。 計算書の数式、鉄筋断面積、鉄筋比の再計算には calc コマンドを使用するか、findings に calculation と記述し、暗算は行わないでください。パラメータが不足している場合は needs_context と記述し、決してパラメータを補完しないでください。
  7. 画像の読み取りは補助としてのみ使用する。 画像から読み取った寸法や配筋情報がテキスト層で裏付けられない場合は、「条件補充が必要」とし、元図での確認を促す注記を付けてください。はっきり読めない径、ピッチ、本数を想像して記述してはいけません。
  8. 質より量。 この作業の価値は、少なく正確な問題を報告することにあります。同じ問題が複数箇所で見つかった場合は1つに統合し、全ての位置をリストアップしてください。「問題なし」と報告する場合は、あくまで今回のチェック項目と読み取り可能範囲において該当しなかったことを意味し、「審査合格」「規格適合」などと記述してはいけません。

フロー

ステップ 0:範囲とモードの確認(1~2文で。ユーザーにフォームを記入させないこと)

  • ユーザーが審査の重点(例:「防水のみ」「梁の配筋を重点的に」「ある断面と計算書の対応」)を指定した場合はそれに従う。指定がない場合は references/review-checklist.md の全チェック項目を対象とする。
  • 専門分野が不明な場合は推測せず、「専門分野不明」とマークし、汎用チェック項目のみを行う。地方基準の適用地域については、ユーザーに直接都道府県を尋ねる。工事名称は既にマスキングされているため、プレースホルダーから推測しない。
  • モードを選択する:
    • テキストモード(デフォルト。あらゆるモデルで使用可能):テキスト層のみを読み取り、ブロック座標と near コマンドを使用して注釈の帰属を判断する。
    • 画像モード(オプション):あなたが実際に画像を閲覧でき、かつユーザーがローカルでマスキングされたページ画像を現在のモデルに提供することに明示的に同意した場合のみ使用する。ステップ1の後、「図面主体」のページがある場合や、ユーザーが配筋/寸法の確認を求めた場合は、一文で尋ねることができる:「これらのページは図面主体です。図枠と機密情報をマスキングしたページ画像を私に見せて、注釈の帰属判断を補助してもらえますか?」。画像を見られないのであれば尋ねず、テキストモードを使用する。

ステップ 1:ローカルでの抽出とマスキング

pip install pdfplumber              # 初回使用時;国内の場合は -i https://pypi.tuna.tsinghua.edu.cn/simple を追加可
python scripts/drawing_review.py extract <図面1.pdf> [計算書.pdf 地質調査報告書.pdf ...] --out review_pack [--extra-terms 機密語.txt]
  • PDFのみ対応(テキスト層が必要。CADから直接エクスポートされたベクターPDFが最適)。ユーザーがDWG/DXFを渡してきた場合は、CADからPDFにエクスポートするよう依頼する。スキャンページやフォントがデコードできないページは「未審査」とマークし、自分でOCRしたり内容を推測したりしない。
  • 複数ファイルを同時に抽出し、ブロックIDはファイルの通し番号(F1、F2...)を持ち、ファイル間での比較が混同されることはない。coverage.json には各ファイルのSHA-256と推定タイプ(図面/計算書/地質調査報告書)が含まれている。
  • --extra-terms:ユーザーが追加で指定する機密語(工事略称、地名、人名)。1行に1つずつ記述する。
  • 最初にユーザーに知らせる:総ページ数、審査済み/図面主体(テキストが少ない)/未審査の各ページ数、削除した図枠テキストの数、置き換えた機密情報の数。「図枠認識のヒント」や「人名残存の疑い」がある場合は併せて説明する。

ステップ 2:審査資料を読み、チェックリストに従って審査する

review_pack/review_input.md(長すぎる場合はページごとに分割して読む)と references/review-checklist.md を読む。必要に応じて references/verified-rules.md も読む。

  • チェックリストを1項目ずつ確認する。各バッチのページで、通常は0~2件の確実な問題が見つかる。
  • 設計説明ページ:C1~C9を確認する。同時に主要パラメータ(オブジェクト + パラメータ + 値 + 引用)を抽出し、ページ間・ファイル間の比較(C8、C12、C13)に使用する。
  • 図面ページ(配筋図、断面図、平面図):短い注釈には @x,y 座標が付与されている。ある注釈がどの部材に属するかを判断するには、以下を実行する: python scripts/drawing_review.py near --pack review_pack --block F1-P3-B12(周囲のテキスト、方向、距離を表示)、または near --page F1-P3 --region x0,y0,x1,y1 で領域内のテキストを表示する。近いことと関連があることは異なり、帰属が不明な場合は比較しない。
  • 計算書:数式と結果は python scripts/drawing_review.py calc "式" で再計算する(As(d,n)、As_s(d,s)、rho(As,b,h0)、sqrt、sind などをサポート)。転記ミス、代入ミス、計算ミスのみを報告し(C14)、計算モデルの選択を評価しない。
  • 画像モード(ステップ0で同意を得ている場合):
    1. python scripts/drawing_review.py render <同じPDF ...> --pack review_pack [--pages F1-P3,F1-P5] を実行し、images.json にリストアップされた全ページ画像を確認する(黒枠はマスキング、青いグリッドの数字はページ座標)。
    2. 詳細が必要な場合:python scripts/drawing_review.py zoom <PDF> --pack review_pack --page F1-P3 --region x0,y0,x1,y1(座標はグリッドの数字を読む)。出力にはその領域内のテキストブロックがリストアップされ、引用が容易になる。
    3. 画像は、注釈、切断記号、参照記号と部材の対応関係を判断するために使用する。結論は引き続きテキストブロックを引用する。図面の証拠は visual_evidence(ページ、領域座標、読み取ったテキスト)に記述する。
    4. スキャンページ、文字化けページはデフォルトでレンダリングしない。ユーザーが明示的に同意し、これらのページがページ周辺のみの保守的なマスキングしかされていないことを理解している場合を除き、--allow-unmasked-pages を追加しない。
  • 各候補は references/report-format.md で定義されたJSON構造で記述し、review_pack/findings.json に保存する(check_method、object、object_match を明記し、再計算が必要な場合は calculation も記述する)。

ステップ 3:自己反論による検証(必須)

各候補問題について、厳格な検証者の立場で反論を試みる:抽出順による誤配置ではないか?異なる部位/ケース/施工段階でそもそも値が異なるのではないか?2つの記述が同じオブジェクトであると確認できるか?業界慣習的な記述ではないか?外部知識に依存して初めて成立する主張ではないか?再計算に図面にないパラメータを使用していないか?不確かなものは削除するか、needs_context に格下げする。JSON に basis(判断根拠)と uncertainties(確認できない条件)を明記する。

ステップ 4:検証とレポート生成

python scripts/drawing_review.py verify --pack review_pack --findings review_pack/findings.json
python scripts/drawing_review.py evidence <同じPDF ...> --pack review_pack     # オプション:各問題に対して、マスキング後の原図のスクリーンショットを生成
python scripts/drawing_review.py report --pack review_pack --title "XX 審査レポート(AI 補助自己チェック)"
  • verify は各問題にエビデンスレベルを付与する:E1 引用が指定されたブロック(またはその後の連続するブロック)に一字一句存在するか;E2 ページ間/ファイル間の比較が宣言され、オブジェクトの対応が説明されているか;E3 再計算により数値の不一致が確認されたか。引用が別のページ/ファイルでのみ見つかった場合は位置特定不可(relocated_candidate)となり、問題は「調査中」に格下げされる。オブジェクトの対応が未確認で、視覚認識のみの場合は「条件補充が必要」に格下げされる。計算の再計算がファイルと一致した場合は「調査中」に格下げされる。
  • 格下げが多い場合はステップ2に戻り、引用、ブロックID、オブジェクトの対応を確認し、修正して再実行する。検証を通すために引用を書き換えたり捏造したりしない。
  • evidence はローカルでのみスクリーンショットを生成し、証拠位置を赤枠、マスキング部分を黒枠で示す。テキストモードではこれらの画像を確認する必要はない。
  • report は review_pack/審査レポート.md を生成する。Word/PDFが必要な場合はこれをベースに変換し、結論を追加したり削除したりしない。

ステップ 5:ユーザーへの報告

3~6行で報告する:疑わしい問題の件数(最も重要な1~3件のタイトルと位置)、条件補充が必要な件数、審査されなかったページ/コンテンツ、画像モードを使用したかどうか、レポートファイルのパス。レポート内の問題は1つずつ人が確認する必要があることを注意喚起する。ユーザーが特定の問題を確認または排除した場合、その後の再審査ではユーザーの判断を継承し(review_status)、再審査で上書きしない。

再審査(修正後の再確認)

ユーザーが新版の図面を提供した場合:新しいディレクトリに再度 extract を実行し(SHA-256が異なれば新バージョン)、審査後に前バージョンの verified.json と比較する。前バージョンにあったが今回の審査で見つからなかったものは「今回出現せず」と記述し(修正された可能性があるが、認識の違いにより検出されなかった可能性もある)、「修正済み」とは言わない。前バージョンでユーザーが既に排除した同じ問題は、排除したままにする。

参照ファイル

  • references/review-checklist.md:審査チェック項目(C1~C15。図面の幾何、配筋、計算書と地質調査パラメータの対応、計算式の再計算、施工段階を含む)、各専門分野の注目点、報告してはいけない内容。
  • references/verified-rules.md:検証済みで実行可能な規格ルール(コンクリートの最低強度等級など)と確認済みの標準代替関係。
  • references/desensitization.md:マスキング範囲、プレースホルダーの意味、図枠認識と画像マスキングの方法と限界。
  • references/report-format.md:findings.json のフィールド、結論のレベル分け、エビデンスレベル、レポート構造。

関連スキル