workflow-score-to-target

ワークフロー：目標スコアに到達する

ユーザーは品質基準を数値で設定します。

• 「10点満点で採点して。8点にして」
• 「6点未満のものは、6点以上にして」
• 「10点満点で採点して。最低でも8点にして」
• 「8点か9点にして」

作業は採点するだけではありません。基準に到達し、その証拠を示し、基準に届かなかった点を率直に伝えることが大切です。

1. 目標と対象を明確にする

• 基準を言い直します。目標（6、8、9）と、すべての項目に適用するのか、平均に適用するのかを確認します。「8点にして」は、すべての項目が8点に達することを意味します。
• 採点対象をすべて列挙します。各スキル、各武器、各画面要素、各オブジェクトを、一つずつ採点します。ひとまとめにして採点してはいけません。
• ユーザーが比較対象としているゲームやサイトなど、評価の基準を明示します。比較対象がなければ、7点に意味はありません。
• ユーザーが一度設定した基準は、その種類の作業に継続して適用するルールです。 プロジェクトの指示、メモリ、テストなど、今後の作業で確認できる場所に記録します。

2. 採点の前に評価基準を定める

スコアの意味が毎回変わらないように、尺度を明記します。標準的な基準は次のとおりです。

スコア	意味
10	最高水準で、参考にすべきもの
9	非常に優れており、熟練者が見てもほとんど指摘する点がない
8	洗練され、意図が明確で、細かな指摘点しかない
7	良いが、目立つ欠点がある
6	許容範囲。問題なく機能し、明確に伝わるが、目につく粗さがある
5	平凡。アイデアは伝わるが、実行の粗さが気になる
3–4	明らかな不具合や誤りがある
1–2	ほとんど機能しない、または別のものに見える

次に、各項目を3～5個の評価基準に分けます。各基準を0～2点で採点し、合計を10点満点にします。すべての点数に理由を付けます。たとえば、次のようになります。

• アニメーション： 重みとタイミング、身体の動き、最後のポーズ、小道具、状況やバリエーション。
• スキルまたは呪文： ルール（明確な独自の役割があること）、ホバー表示（着弾位置と数値がわかること）、発動時（独自のポーズ、エフェクト、効果音があること）、使用後に目で確認できる変化が残ること。
• オブジェクト： プレイ中の距離から見たシルエット、材質とディテール、設定との適合性、視認性。

測定できる評価基準は、必ず測定します。たとえば、次のとおりです。

• 足の滑りを移動速度の10％未満にする。
• 武器のめり込みをミリメートル単位で測る。
• 40個のシードで勝率48％を達成する。
• ダウンロードサイズを28 MBにする。

数値を使えば、気分によるスコアのぶれを防げます。

3. 実際の証拠に基づいて正直に採点する

• 実物のレンダリング、録画、測定結果に基づいて採点します。コードや記憶を根拠にしてはいけません。まず状態を記録します。workflow-progress-screenshots スキルを参照してください。
• 変更を加える前に、ベースラインを採点します。変更前から変更後への変化が証拠になります。
• 重要な場合は、独立して評価します。 作業に関わっていない新しいサブエージェントに記録を渡します。評価基準と比較対象は伝えますが、期待や以前のスコアは伝えません。可能であれば、各項目を2人の評価者がブラインドで採点し、低い方のスコアを採用するか、差異を調整します。
• 基準に届かせるために切り上げてはいけません。目標が8点の場合、7.5点は基準未達です。

4. ラウンドごとに改善する

1. 最も低い項目から着手し、それぞれで最も多くの点を失っている評価基準を修正します。
2. 再度記録し、同じ評価基準と評価者の構成でのみ再採点します。
3. 各ラウンドの画像を1枚ずつ送ります（開始時と結果）。スコアの推移も示します。例：「Hollow Keeper 3 → 6 → 8」。
4. すべての項目が基準を満たすまで続けます。ただし、モデルの限界、アートアセット、パフォーマンス予算など、タスク外の要因で改善が止まった場合は、その項目が基準未達であること、理由、達成に必要なことを報告します。
5. 改善中もガードレールを守ります。1つのスコアを上げるために、パフォーマンス予算、テスト、ほかの項目のスコアを犠牲にしてはいけません。トレードオフを行った場合は記録します。

5. 状態を固定する

• 機械で確認できる基準にはテストを追加し、気付かないうちに基準未達へ戻らないようにします。例：7種類のポーズで武器が身体にめり込まないこと、スキルに専用のポーズとカードがあること、勝率が90％以上であること。
• 評価基準、各項目の変更前後のスコア、証拠、日付を含むスコアカードをプロジェクトに保存します（例：qa/<area>/README.md）。以降のラウンドは、これを基準に始めます。

レポート

まず結果を示します。「49件すべてが8以上になりました。うち38件は8未満から始まり、平均スコアは6.7から8.1に上がりました。」

次に、以下を記載します。

• 表： 項目、修正前 → 修正後、修正した主な問題（または、まだ基準に届いていない理由）。templates/scorecard.md を参照してください。
• 採点方法： 評価基準、ベンチマーク、評価者（あなた、独立したサブエージェント、またはブラインド評価者）、および評価の根拠となった証拠。
• 完璧ではない点： 基準点ちょうど、またはわずかに上回る項目に残っている既知の細かな問題と、基準未達の項目。
• 画像： 項目ごと、またはラウンドごとの修正前と修正後。
• スコアは評価者の判断であることを明記してください。評価した基準を示し、キャプチャ画像には正確なラベルを付けてください。