最近はAIを使って多くの人が記事を書いていると思う。ただ、AIはおそらく専門的な文献などから文章を引っ張ってきているため、超ハイコンテキストな文章が出来上がることが多い。ハイコンテキストとは、読み手が多くの前提知識を持っていることを当てにした書き方のことだ。つまり、前提知識のない読者にとっては、そのままだと意味不明な文章ということだ。
それを改善するためのClaudeのスキル「low-context-writing」を、Claude自身に作ってもらったので紹介する。
どんなスキルか
Claudeのスキルは、作業のやり方を書いた指示書をClaudeに持たせておく仕組みである。一度入れておけば、毎回同じ注意を書かなくてもその手順で作業してくれる。
low-context-writingは、Claudeに一般書の校正者の視点を持たせるスキルだ。基準は「前提知識のない読者が、前を読み返さずに意味をたどれるか」の1つで、読者がつまずく箇所を、書き手の主張や文体は変えずに補う。具体的には、説明のない専門用語、省かれた理由、出どころの分からない引用、因果関係を隠してしまっている箇条書きなどを見つけて直す。名前の「low-context」は、前提を共有していない相手にも伝わるように、必要なことをすべて言葉にする伝え方を指す。冒頭で書いた「ハイコンテキスト」の反対である。
文章はどう変わるか
実際にこのスキルで直した例を三つ挙げる。いずれも、筆者がClaudeと一緒に書いた「ソフトウェアファクトリー」についての記事で、実際に直した箇所である。
用語だけ置いて、中身を説明していない
前：機械学習のホールドアウトセットと同じ考え方である。
後：機械学習では、データの一部を学習に使わずに取っておき、最後の評価にだけ使う。これを「ホールドアウトセット」と呼ぶ。学習で見たデータで評価すると、答えを丸暗記しただけでも高得点になってしまうからだ。
出どころが「名無し」
前：解説記事は、うまくいっている理由をAIモデルの性能には求めていない。
後：この仕組みを分析した技術ニューズレターのByteByteGoは、うまくいっている理由をAIモデルの性能には求めていない。
番号だけで、前を読み返さないと分からない
元の記事では、人間の判断を置く場所を1〜5の番号で整理していた。その表から離れた節で番号だけを使っていたため、読者は表まで戻らないと意味が分からなかった。
前：4をなくした分、1・2・5を厚くしている。
後：4（マージ前の承認）をなくした分、1（意図・仕様）・2（検証の設計）・5（事後の観測）を厚くしている。
どれも書いた本人には意味が分かるので、自分で読み返しても気づきにくい。スキルを使うと、こうした箇所を修正案として一つずつ示してくれるので、採用するかどうかを自分で選べる。
こんな人に向いている
- AIに下書きを書かせて、QiitaやZenn、noteに記事を公開している人
- 提案書や社内向けの資料、READMEを、その分野に詳しくない人にも読んでほしい人
- 「文章が分かりにくい」と言われるが、どこを直せばいいか分からない人
導入手順
スキルの中身は、low-context-writing/SKILL.md というMarkdownファイル1つだけである。GitHubのリポジトリ（high-tech-r/low-context-writing）からフォルダごと取得し、使っているClaudeに合わせて次のどちらかで入れる。
claude.ai（Web・アプリ版のClaude）で使う場合
- GitHubのリポジトリ（high-tech-r/low-context-writing）からlow-context-writing.zipをダウンロードする
- claude.aiの設定を開き、スキルの画面からzipをアップロードする
- スキルが有効になっていることを確かめる
Claude Codeで使う場合
どのプロジェクトでも使いたいなら、ホームディレクトリに置く。
mkdir -p ~/.claude/skills
cp -r low-context-writing ~/.claude/skills/
特定のプロジェクトだけで使いたいなら、そのプロジェクトの .claude/skills/ の下に置く。リポジトリにコミットすれば、チームの全員が同じスキルを使える。
使い方
入れたあとは、文章を渡して「読者目線で校正して」「前提知識なしで読めるか見て」などと頼むだけでよい。Claudeが自分でスキルを読み込んで点検する。確実に使わせたいときは、/low-context-writing のようにスキル名を指定して呼び出す。
修正案は「元の表現 → 修正案（理由）」の形で一つずつ出てくるので、納得できるものだけを取り入れればよい。