document-extraction

ドキュメント抽出スキル

既存のドキュメントソースから要件を抽出し、体系的に要件を洗い出します。

このスキルを使用するタイミング

キーワード： 要件の抽出、ドキュメントのマイニング、PDF の要件、トランスクリプトの分析、ドキュメントの解析、既存ドキュメント、レガシー要件、競合分析

次の場合にこのスキルを呼び出します。

• 既存のドキュメントから要件を洗い出す
• 会議のトランスクリプトから要件を処理する
• 競合製品から要件を抽出する
• 規制関連ドキュメントを分析し、コンプライアンス要件を特定する
• レガシードキュメントを構造化された要件に変換する

対応するドキュメントの種類

種類	拡張子	抽出方法
Markdown	.md	直接読み取り
テキスト	.txt	直接読み取り
PDF	.pdf	Read ツール（PDF 対応）
Word	.docx	Read ツール
ウェブページ	URL	WebFetch ツール
会議メモ	.md, .txt	トランスクリプトパターン
仕様書	.md, .docx	要件パターン

抽出ワークフロー

ステップ 1：ドキュメントの評価

抽出方針を決定するため、ドキュメントを分析します。

document_assessment:
  path: "{file path or URL}"
  type: "{detected document type}"
  size: "{approximate size}"
  structure:
    has_sections: true|false
    has_lists: true|false
    has_tables: true|false
  quality:
    formal_language: true|false
    clear_requirements: true|false
    needs_interpretation: true|false

ステップ 2：パターンマッチング

要件の検出パターンを適用します。

明示的な要件を示すマーカー：

- "The system shall..."
- "The system must..."
- "Users should be able to..."
- "REQ-XXX:"
- Numbered requirements (1.1, 1.2, etc.)

EARS パターン：

- "When [trigger], the [system] shall [response]"
- "While [state], the [system] shall [behavior]"
- "Where [feature], the [system] shall [behavior]"
- "If [condition], then the [system] shall [response]"

暗黙的な要件を示す指標：

- "It is important that..."
- "We need..."
- "The goal is to..."
- "Users expect..."
- "Performance should..."

ステップ 3：要件の抽出

特定した各要件について、以下を行います。

extracted_requirement:
  id: REQ-{sequence}
  text: "{cleaned requirement statement}"
  source: document
  source_file: "{file path}"
  source_location: "{section/page/line}"
  original_text: "{exact text from document}"
  type: functional|non-functional|constraint|assumption
  confidence: high|medium|low
  extraction_method: explicit|pattern|inferred
  needs_review: true|false
  review_notes: "{why review needed}"

ステップ 4：分類

抽出した要件を分類します。

categories:
  functional:
    - features
    - behaviors
    - interactions
  non_functional:
    - performance
    - security
    - usability
    - reliability
    - scalability
  constraints:
    - technical
    - business
    - regulatory
  assumptions:
    - environmental
    - user_behavior
    - dependencies

ステップ 5：重複排除

重複する要件を特定し、統合します。

deduplication:
  strategy: semantic_similarity
  threshold: 0.8
  action: merge|flag_for_review
  merged_requirements:
    - id: REQ-merged-001
      sources: [REQ-001, REQ-015]
      text: "{consolidated requirement}"

ドキュメントの種類に応じた方針

会議のトランスクリプト

transcript_extraction:
  focus_on:
    - Action items
    - Decisions made
    - Requirements discussed
    - Concerns raised
  patterns:
    - "We decided that..."
    - "The requirement is..."
    - "Action item:"
    - "TODO:"
    - "Need to..."
  speaker_context:
    - Note who said what
    - Weight by speaker role

規制関連ドキュメント

regulatory_extraction:
  focus_on:
    - Mandatory requirements ("shall", "must")
    - Prohibited actions ("shall not", "must not")
    - Conditional requirements ("if...then")
  compliance_mapping:
    - Reference section numbers
    - Note effective dates
    - Track version/revision

競合分析

competitor_extraction:
  focus_on:
    - Feature descriptions
    - User capabilities
    - Unique selling points
  output:
    - Feature requirements
    - Differentiation opportunities
    - Gap identification
  confidence: low  # Based on external observation

レガシー仕様書

legacy_extraction:
  focus_on:
    - Existing requirements
    - System behaviors
    - Integration points
  modernization:
    - Update terminology
    - Convert to EARS format
    - Flag deprecated requirements

出力形式

ドキュメントごとの出力

extraction_result:
  source:
    file: "{path or URL}"
    type: "{document type}"
    extraction_date: "{ISO-8601}"
    confidence: high|medium|low

  statistics:
    total_candidates: {number}
    extracted: {number}
    filtered: {number}
    needs_review: {number}

  requirements:
    - id: REQ-{number}
      text: "{requirement}"
      type: functional|non-functional|constraint
      source_location: "{section/page}"
      confidence: high|medium|low
      original_text: "{exact source text}"

  review_items:
    - requirement_id: REQ-{number}
      reason: "{why review needed}"
      suggestion: "{proposed action}"

  metadata:
    sections_processed: {number}
    extraction_patterns_used: ["{pattern names}"]

自律性のレベル

ガイド付きモード

guided_behavior:
  document_selection: Human selects
  extraction_strategy: AI suggests, human approves
  each_requirement: AI highlights, human confirms
  categorization: AI suggests, human validates

半自律モード

semi_auto_behavior:
  document_selection: AI suggests priority, human approves list
  extraction_strategy: AI chooses autonomously
  requirements: AI extracts all, human reviews in batches
  categorization: AI categorizes, human spot-checks

完全自律モード

full_auto_behavior:
  document_selection: AI processes all relevant
  extraction_strategy: AI optimizes per document
  requirements: AI extracts, deduplicates, categorizes
  output: Full extraction report for final review

品質指標

信頼度の高い抽出

• 明示的な要件マーカー（「shall」、「must」）
• EARS パターンとの一致
• 番号付き要件リスト
• 明確な命令文

信頼度が中程度の抽出

• 暗黙的な指標（「should」、「needs to」）
• 文脈に応じた解釈
• 部分的なパターン一致
• ドメイン知識が必要

信頼度の低い抽出

• 説明からの推測
• 物語形式のテキストの解釈
• 競合分析
• 文脈に基づく仮定

委任

関連タスクは、以下に委任します。

• gap-analysis：抽出した要件の網羅性を確認する
• domain-research：なじみのない用語や概念を調査する
• elicitation-methodology：手法の選定に戻る

出力先

抽出結果を以下に保存します。

.requirements/{domain}/documents/DOC-{filename}-{timestamp}.yaml

関連項目

• elicitation-methodology - 親ハブスキル
• gap-analysis - 抽出後の網羅性チェック
• interview-conducting - ステークホルダーに抽出した要件を確認する