fact-checker

ファクトチェック

ドキュメント内の事実に関する主張を検証し、信頼できる情報源に裏付けられた修正案を提示します。

使用するタイミング

ユーザーから次のような依頼があった場合に実行します。

• 「このドキュメントをファクトチェックしてください」
• 「この AI モデルの仕様を検証してください」
• 「この情報がまだ正確か確認してください」
• 「このファイルの古くなったデータを更新してください」
• 「このセクションの主張を検証してください」

ワークフロー

進捗を管理するため、次のチェックリストをコピーします。

Fact-checking Progress:
- [ ] Step 1: Identify factual claims
- [ ] Step 2: Search authoritative sources
- [ ] Step 3: Compare claims against sources
- [ ] Step 4: Generate correction report
- [ ] Step 5: Apply corrections with user approval

ステップ 1：事実に関する主張を特定する

ドキュメントをスキャンし、検証可能な記述を探します。

対象となる主張の種類：

• 技術仕様（コンテキストウィンドウ、価格、機能）
• バージョン番号とリリース日
• 統計データと指標
• API の機能と制限
• ベンチマークスコアとパフォーマンスデータ

主観的な内容は対象外です：

• 意見や推奨事項
• 解説文
• チュートリアルの手順
• アーキテクチャに関する議論

ステップ 2：信頼できる情報源を検索する

各主張について、公式情報源を検索します。

AI モデル：

• 公式発表ページ（anthropic.com/news、openai.com/index、blog.google）
• API ドキュメント（platform.claude.com/docs、platform.openai.com/docs）
• 開発者向けガイドとリリースノート

技術ライブラリ：

• 公式ドキュメントサイト
• GitHub リポジトリ（リリース、README）
• パッケージレジストリ（npm、PyPI、crates.io）

一般的な主張：

• 学術論文と研究
• 政府統計
• 業界標準化団体

検索方法：

• モデル名と仕様を組み合わせます（例：「Claude Opus 4.5 context window」）
• 最近の情報を調べる場合は、現在の年を含めます
• 可能であれば複数の情報源で検証します

ステップ 3：主張を情報源と照合する

比較表を作成します。

ドキュメント内の主張	情報源の情報	ステータス	信頼できる情報源
Claude 3.5 Sonnet：200K トークン	Claude Sonnet 4.5：200K トークン	❌ モデル名が古い	platform.claude.com/docs
GPT-4o：128K トークン	GPT-5.2：400K トークン	❌ バージョンと仕様が誤り	openai.com/index/gpt-5-2

ステータスコード：

• ✅ 正確 - 主張が情報源と一致しています
• ❌ 誤り - 主張が情報源と矛盾しています
• ⚠️ 古い - 以前は正しかったものの、更新されています
• ❓ 検証不能 - 信頼できる情報源が見つかりません

ステップ 4：修正レポートを作成する

調査結果を構造化された形式で提示します。

## Fact-Check Report

### Summary
- Total claims checked: X
- Accurate: Y
- Issues found: Z

### Issues Requiring Correction

#### Issue 1: Outdated AI Model Reference
**Location:** Line 77-80 in docs/file.md
**Current claim:** "Claude 3.5 Sonnet: 200K tokens"
**Correction:** "Claude Sonnet 4.5: 200K tokens"
**Source:** https://platform.claude.com/docs/en/build-with-claude/context-windows
**Rationale:** Claude 3.5 Sonnet has been superseded by Claude Sonnet 4.5 (released Sept 2025)

#### Issue 2: Incorrect Context Window
**Location:** Line 79 in docs/file.md
**Current claim:** "GPT-4o: 128K tokens"
**Correction:** "GPT-5.2: 400K tokens"
**Source:** https://openai.com/index/introducing-gpt-5-2/
**Rationale:** 128K was output limit; context window is 400K. Model also updated to GPT-5.2

ステップ 5：ユーザーの承認を得て修正を適用する

変更を加える前に：

1. 修正レポートをユーザーに提示します
2. 明示的な承認を待ちます：「これらの修正を適用しますか？」
3. 確認後にのみ作業を進めます

修正を適用する際：

# Use Edit tool to update document
# Example:
Edit(
    file_path="docs/03-写作规范/AI辅助写书方法论.md",
    old_string="- Claude 3.5 Sonnet: 200K tokens（约 15 万汉字）",
    new_string="- Claude Sonnet 4.5: 200K tokens（约 15 万汉字）"
)

修正後：

1. すべての編集が正しく適用されたことを確認します
2. 修正内容の概要を記載します（例：「セクション 2.1 の主張を 4 件更新しました」）
3. 変更をコミットするようユーザーに伝えます

検索のベストプラクティス

クエリの作成

良いクエリ（具体的で最新）：

• 「Claude Opus 4.5 context window 2026」
• 「GPT-5.2 official release announcement」
• 「Gemini 3 Pro token limit specifications」

悪いクエリ（曖昧で一般的）：

• 「Claude context」
• 「AI models」
• 「Latest version」

情報源の評価

公式情報源を優先します：

1. 製品の公式ページ（最も信頼性が高い）
2. API ドキュメント
3. 公式ブログの発表
4. GitHub のリリース（オープンソースの場合）

注意して使用します：

• サードパーティの集約サイト（llm-stats.com など）- 公式情報源で照合します
• ブログ記事や記事 - 主張を相互参照します
• ソーシャルメディア - 発表の確認にのみ使用し、ほかの情報源でも検証します

避けるもの：

• 古くなったドキュメント
• 出典のない非公式 Wiki
• 推測や噂

曖昧さへの対処

情報源が食い違う場合：

1. 最も新しい公式ドキュメントを優先します
2. レポートに食い違いを記載します
3. 両方の情報源をユーザーに提示します
4. 重要な場合は、ベンダーへの問い合わせを推奨します

情報源が見つからない場合：

1. ❓ 検証不能と記録します
2. 代替表現を提案します：「[日付]時点での[情報源]によると……」
3. 「およそ」「〜と報告されています」などの限定表現を加えるよう推奨します

特別な考慮事項

時間に敏感な情報

常に時間的なコンテキストを含めてください：

良い修正例：

• 「截至 2026 年 1 月」（2026 年 1 月時点）
• 「Claude Sonnet 4.5（2025 年 9 月リリース）」

悪い修正例：

• 「最新バージョン」（すぐに古くなる）
• 「現在のモデル」（時間枠が曖昧）

数値の精度

ソースの精度に合わせてください：

ソースの記載：「約 100 万トークン」 記載：「1M トークン（約）」

ソースの記載：「200,000 トークンのコンテキストウィンドウ」 記載：「200K トークン」（正確）

引用形式

修正には引用を含めてください：

> **注**：具体上下文窗口以模型官方文档为准，本书写作时使用 Claude Sonnet 4.5 为主要工具。

可能な場合はソースへのリンクを記載してください。

例

例 1：技術仕様の更新

ユーザーのリクエスト：「セクション 2.1 の AI モデルのコンテキストウィンドウをファクトチェックしてください」

プロセス：

1. 主張を特定：Claude 3.5 Sonnet（200K）、GPT-4o（128K）、Gemini 1.5 Pro（2M）
2. 現在のモデルについて公式ドキュメントを検索
3. 発見：Claude Sonnet 4.5、GPT-5.2、Gemini 3 Pro
4. 不一致を示すレポートを生成
5. 承認後に修正を適用

例 2：統計データの検証

ユーザーのリクエスト：「第 5 章のベンチマークスコアを検証してください」

プロセス：

1. 数値の主張を抽出
2. 公式のベンチマーク公開情報を検索
3. 報告値とソース値を比較
4. ソースリンクとともに不一致を指摘
5. 検証済みの数値で更新

例 3：バージョン番号の検証

ユーザーのリクエスト：「これらのライブラリのバージョンがまだ最新か確認してください」

プロセス：

1. 言及されているすべてのバージョン番号をリストアップ
2. パッケージレジストリ（npm、PyPI など）を確認
3. 古いバージョンを特定
4. 変更履歴の参照とともに更新を提案
5. ユーザーの確認後に更新

品質チェックリスト

ファクトチェックを完了する前に：

• すべての事実に関する主張を特定し分類した
• 各主張を公式ソースに対して検証した
• ソースが権威あるものであり最新である
• 修正レポートが明確で実行可能である
• 関連する箇所に時間的なコンテキストを含めた
• 変更前にユーザーの承認を得た
• すべての編集が成功したことを確認した
• ユーザーにサマリーを提供した

制限事項

このスキルではできないこと：

• 主観的な意見や判断を検証する
• ペイウォールや制限されたソースにアクセスする
• 係争中の主張における「真実」を判断する
• 将来の仕様や機能を予測する

そのような場合：

• レポートに制限事項を記載する
• 留保表現を提案する
• ユーザーによる調査や専門家への相談を推奨する

次のステップ：検証済みコンテンツのエクスポート

ファクトチェック後、検証済みドキュメントのエクスポートを提案してください：

Fact-check complete: [N] claims verified, [M] corrections proposed.

Options:
A) Export as PDF — run /daymade-docs:pdf-creator (Recommended for formal documents)
B) Create slides — run /daymade-docs:ppt-creator from verified content
C) No thanks — I'll use the corrected document directly