experiment-story-writer
機械学習やAIの実験結果(表、図、評価指標など)を、主張を明確にした自然言語の文章に変換するSkill。
📜 元の英語説明(参考)
Turn ML/AI tables, figures, ablations, and metrics into claim-aware results prose. Use for result paragraphs, figure/table narrative, and provisional metrics.
🇯🇵 日本人クリエイター向け解説
機械学習やAIの実験結果(表、図、評価指標など)を、主張を明確にした自然言語の文章に変換するSkill。
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-17
- 取得日時
- 2026-05-17
- 同梱ファイル
- 1
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
[Skill 名] experiment-story-writer
実験ストーリーライター
実験と結果のセクションをエビデンスストーリーとして記述します。このスキルは、主張を図、表、アブレーション、メトリクス、段落にマッピングし、そのエビデンスが何を裏付けているかを説明する結果の散文を作成または修正します。
このスキルは以下の用途に使用します。
- 実験セクションの順序を決定する
- 表や図から結果の段落を作成する
- 主な結果、アブレーション、診断、効率性の結果、定性的な例を解釈する
- 主張を損なうことなく、混合、否定的、または驚くべき結果を処理する
- 実験実行中に暫定的な結果のプレースホルダーをマークする
- 結果の散文を論文の主張とエビデンスのステータスに合わせる
このスキルをゼロから新しい実験を設計するために使用しないでください。結果の散文の依存関係、古い主張の場所、および未解決の結果作成スレッドを記録するには、paper-writing-memory-manager を使用してください。生の CSV 結果を論文に掲載する表や図にする必要がある場合は、paper-result-asset-builder を使用してください。結果のストーリーが不足している主張のサポートを露呈し、新しい計算を行う前に既存の結果を検索する必要がある場合は、paper-evidence-gap-miner を使用してください。真に新しい実験計画には experiment-design-planner を、ベースラインの公平性には baseline-selection-audit を、視覚的な監査には figure-results-review を、表の監査には table-results-review を、主張とエビデンスのインベントリには paper-evidence-board を使用してください。
スキルディレクトリのレイアウト
<installed-skill-dir>/
├── SKILL.md
├── references/
│ ├── result-narrative-patterns.md
│ └── mixed-results-and-placeholders.md
└── templates/
└── experiment-story-plan.md
段階的読み込み
- 常に
references/result-narrative-patterns.mdを読みます。 - 結果が否定的、混合、不安定、暫定的、またはまだ実行中の場合は、
references/mixed-results-and-placeholders.mdを読みます。 paper/.agent/experiment-story-plan.mdを作成する際には、templates/experiment-story-plan.mdを使用します。- ローカルの
paper/.agent/writing-contract.md、paper/.agent/writing-memory/、paper/.agent/paper-evidence-board.md、paper/.agent/evidence-completion-plan.md、paper/.agent/result-inventory.md、paper/.agent/result-asset-provenance.md、paper/.agent/provisional-results.md、paper/.agent/visual-style.md、および図/表のレビューレポートが存在する場合は読みます。 sections/experiments.tex、sections/results.tex、figures/*.tex、tables/*.texなどの論文ファイル、およびdocs/results/、docs/reports/、またはdocs/runs/の下の実験ログまたはレポートが存在する場合は読みます。
コア原則
- 結果の散文は、単に表を記述するだけでなく、主張の問いに答えるべきです。
- 実験の順序は、論文の貢献階層と一致すべきです。
- 主な結果は主張を確立し、アブレーションはその理由を説明し、診断はいつかを限定し、効率性の結果はコストを説明し、定性的な結果は挙動を具体化します。
- すべての結果の段落は、比較、メトリクス、設定、結論を明記すべきです。
- 混合された結果を隠してはいけません。それらが主張をどのように絞り込み、限定し、または動機づけるかを説明してください。
- 最終的な数値を捏造してはいけません。マークされた暫定的なプレースホルダーは、執筆の足場としてのみ使用してください。
- 結果が主張と矛盾する場合は、強力な散文を作成する前に
result-diagnosisにルーティングするか、主張を絞り込んでください。
ステップ 1 - 結果のスナップショットを構築する
以下を抽出します。
## Experiment Story Snapshot
- Target venue:
- Paper archetype:
- Primary claims:
- Figures:
- Tables:
- Main metrics:
- Baselines:
- Ablations:
- Verified results:
- User-stated results:
- Provisional or missing results:
- Mixed or negative results:
- Claims at risk:
利用可能な場合は主張 ID を使用します。ID が存在しない場合は、ローカルの CLM-TMP-* ID を割り当て、paper-evidence-board への同期を提案します。
ステップ 2 - セクションのストーリーを選択する
references/result-narrative-patterns.md を読み、セクションの順序を選択します。
- 主張優先の主な結果
- ベンチマークリーダーボードと分析
- 研究結果のシーケンス
- メカニズム優先のアブレーション
- システムパフォーマンススタック
- 診断または故障モードのシーケンス
セクションの順序は、実験が実行された時系列ではなく、論文の主な主張に従うべきです。
ステップ 3 - 実験ストーリープランを作成する
以下を作成または更新します。
paper/.agent/experiment-story-plan.md
paper/ ディレクトリがなく、現在のディレクトリが論文リポジトリである場合は、以下に保存します。
.agent/experiment-story-plan.md
templates/experiment-story-plan.md を使用します。
各図、表、および結果の段落について、以下を記録します。
- エビデンスジョブ
- サポートされる主張
- 結果のステータス
- 必要な解釈
- リスクまたは注意点
ステップ 4 - 結果の散文を作成する
各段落について:
- 主張の問いまたは実験の目的で開始します
- 解釈に必要な分だけ設定を述べます
- 最も関連性の高い比較を記述します
- 結果が主張をどのように支持し、絞り込み、または複雑にするかを解釈します
- 次の実験または論文の主張への影響で締めくくります
解釈なしに数値を羅列することは避けてください。
ステップ 5 - 暫定的な結果と混合された結果を処理する
結果が最終的でない場合:
[[PROVISIONAL_RESULT:...]]のような検索可能なプレースホルダーを使用します- それらをプレースホルダー台帳に追加します
- 最終的な最上級表現は避けます
- 周囲の散文を作成し、置換が局所的になるようにします
結果が混合されている場合:
- その方法がどこで機能するかを述べます
- どこで機能しないかを述べます
- その制限が主な主張、範囲、または将来の作業に影響するかどうかを説明します
- 深刻な矛盾は
result-diagnosisにルーティングします
ステップ 6 - 最終チェック
最終決定する前に:
- 各主要な主張には少なくとも1つの結果の段落があること
- 各主要な表/図には物語上の役割があること
- アブレーションがメカニズムまたは設計の選択肢を説明していること
- キャプションと散文が矛盾しないこと
- 数値が検証済みの情報源と一致しているか、暫定的にマークされていること
- 混合された結果が隠されるのではなく、範囲が定められていること
- 不足しているブロッカーエビデンスは、まず
paper-evidence-gap-minerにルーティングされ、既存の CSV 結果でギャップを埋められない場合にのみexperiment-design-plannerにルーティングされること - 結果と主張の依存関係および古い場所が
paper-writing-memory-managerを通じて書き戻されること
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
Experiment Story Writer
Write experiment and results sections as evidence stories. This skill maps claims to figures, tables, ablations, metrics, and paragraphs, then drafts or revises result prose that explains what the evidence supports.
Use this skill for:
- deciding experiment section order
- writing result paragraphs from tables and figures
- interpreting main results, ablations, diagnostics, efficiency results, and qualitative examples
- handling mixed, negative, or surprising results without undermining the main claim
- marking provisional result placeholders while experiments are running
- aligning result prose with paper claims and evidence status
Do not use this skill to design new experiments from scratch. Use paper-writing-memory-manager to record result-prose dependencies, stale claim locations, and open result-writing threads. Use paper-result-asset-builder when raw CSV results still need to become paper-facing tables or figures. Use paper-evidence-gap-miner when the result story exposes a missing claim support and existing results should be searched before new compute. Use experiment-design-planner for truly new experiment planning, baseline-selection-audit for baseline fairness, figure-results-review for visual audit, table-results-review for table audit, and paper-evidence-board for claim/evidence inventory.
Skill Directory Layout
<installed-skill-dir>/
├── SKILL.md
├── references/
│ ├── result-narrative-patterns.md
│ └── mixed-results-and-placeholders.md
└── templates/
└── experiment-story-plan.md
Progressive Loading
- Always read
references/result-narrative-patterns.md. - Read
references/mixed-results-and-placeholders.mdwhen results are negative, mixed, unstable, provisional, or still running. - Use
templates/experiment-story-plan.mdwhen creatingpaper/.agent/experiment-story-plan.md. - Read local
paper/.agent/writing-contract.md,paper/.agent/writing-memory/,paper/.agent/paper-evidence-board.md,paper/.agent/evidence-completion-plan.md,paper/.agent/result-inventory.md,paper/.agent/result-asset-provenance.md,paper/.agent/provisional-results.md,paper/.agent/visual-style.md, and figure/table review reports when present. - Read paper files such as
sections/experiments.tex,sections/results.tex,figures/*.tex,tables/*.tex, and experiment logs or reports underdocs/results/,docs/reports/, ordocs/runs/when present.
Core Principles
- Result prose should answer a claim question, not merely describe a table.
- The order of experiments should match the paper's contribution hierarchy.
- Main results establish the claim; ablations explain why; diagnostics bound when; efficiency results explain cost; qualitative results make behavior concrete.
- Every result paragraph should name the comparison, metric, setting, and conclusion.
- Do not hide mixed results. Explain how they narrow, qualify, or motivate the claim.
- Do not invent final numbers. Use marked provisional placeholders only as writing scaffolds.
- If a result contradicts a claim, route to
result-diagnosisor narrow the claim before writing strong prose.
Step 1 - Build Results Snapshot
Extract:
## Experiment Story Snapshot
- Target venue:
- Paper archetype:
- Primary claims:
- Figures:
- Tables:
- Main metrics:
- Baselines:
- Ablations:
- Verified results:
- User-stated results:
- Provisional or missing results:
- Mixed or negative results:
- Claims at risk:
Use claim IDs when available. If no IDs exist, assign local CLM-TMP-* IDs and suggest syncing to paper-evidence-board.
Step 2 - Choose Section Story
Read references/result-narrative-patterns.md and choose a section order:
- claim-first main results
- benchmark leaderboard plus analysis
- study findings sequence
- mechanism-first ablations
- systems performance stack
- diagnostic or failure-mode sequence
The section order should follow the paper's main claim, not the chronological order in which experiments were run.
Step 3 - Create Experiment Story Plan
Create or update:
paper/.agent/experiment-story-plan.md
If there is no paper/ directory and the current directory is the paper repo, save to:
.agent/experiment-story-plan.md
Use templates/experiment-story-plan.md.
For each figure, table, and result paragraph, record:
- evidence job
- claim supported
- result status
- required interpretation
- risk or caveat
Step 4 - Draft Result Prose
For each paragraph:
- open with the claim question or experiment purpose
- state the setup only as much as needed for interpretation
- describe the most relevant comparison
- interpret why the result supports, narrows, or complicates the claim
- close with the implication for the next experiment or paper claim
Avoid listing numbers without interpretation.
Step 5 - Handle Provisional and Mixed Results
When results are not final:
- use searchable placeholders such as
[[PROVISIONAL_RESULT:...]] - add them to the placeholder ledger
- avoid final superlatives
- write surrounding prose so replacement is localized
When results are mixed:
- say where the method works
- say where it does not
- explain whether the limitation affects the main claim, scope, or future work
- route serious contradictions to
result-diagnosis
Step 6 - Final Checks
Before finalizing:
- each main claim has at least one result paragraph
- each main table/figure has a narrative job
- ablations explain mechanism or design choices
- captions and prose do not disagree
- numbers match verified sources or are marked provisional
- mixed results are scoped rather than hidden
- missing blocker evidence is routed first to
paper-evidence-gap-miner, then toexperiment-design-planneronly if existing CSV results cannot fill the gap - result-claim dependencies and stale locations are written back through
paper-writing-memory-manager