=optimum and efficient, option and proficient with AI=AIと共に最適効率を選択し熟練させるSoftware Developer。 2005年~現在:プログラマー。 2009年~現在:システムエンジニア。 2026年~現在:仕事でもプロンプトを書き始める。 =仕組みから考え、明日を切り開く=
全26件
計画立案
推奨モデル - Gemini# MOT-PLANNER のご紹介 🎯 このような方・こんな課題をお持ちの方へおすすめ - 曖昧な資料や断片的なメモから、Excel/スプレッドシートにそのまま貼り付けられるWBSを素早く構築したい方 - プロジェクト初期の「決まっていないこと(不確実性)」を放置せず、明確な調査・検証タスクへと変換したい方 - 「仮説」と「現実」のギャップを構造的に管理し、プロジェクトの解像度を段階的に高めていきたい方 💡 なぜこのプロンプトが効くのか(核心とメカニズム) 本プロンプトは、不確実性を放置せず見通しとして構造化するMOT(仕組み思考)に基づいたWBS構築エンジンです。 1. **「わからない」のタスク化**: 仕様や実装方法の不明点を自動的に「調査・要件確定タスク」へ変換します。 2. **TSV構造化出力**: Excelやスプレッドシートへの貼り付けに特化したTSVフォーマットで即座に出力し、実務への移行をスムーズにします。 3. **安全なデータ処理**: タブ文字の自動置換や、ステータス([確定]/[仮説])によるフィルタリング性を完備しています。 🚀 導入・実践によって得られる未来(状態の変化) 混沌としたプロジェクトの初期構想から、実務で即座に使える高精度なタスク管理表を最短手数で創り上げることができます。 --- おすすめの活用シーン・一押しの一言 プロジェクト計画の立ち上げや、不確定要素の多い開発初期のタスク分解に絶大な効果を発揮する実務特化型エンジンです!00123資料作成
推奨モデル - Gemini# SBA-LOCAL-MASK のご紹介 🎯 このような方・こんな課題をお持ちの方へおすすめ - 外部APIやクラウド環境を使わず、完全ローカル(ローカルLLM)環境で安全にテキストを匿名化したい方 - 機密情報や個人情報のマスキング時に、元の文章の構造やロジックが勝手に要約・変更されて困っている方 - 正式名称、略称、別名、URLなど多様な表記ゆれを確実に同一視してプレースホルダーへ置換したい方 💡 なぜこのプロンプトが効くのか(核心とメカニズム) 本プロンプトは、外部通信を一切行わないローカルLLM(gemma4:e4b等)の動作特性に最適化された実務特化型エンジンです。 1. **不変条件の厳守**: 元文章の構成や段落、文脈、トーン、長さを100%維持し、機密ワードのみをピンポイントで置換します。 2. **OODAループ構造**: 「フラット抽出 ➔ インクリメンタル・プレフィックス照合 ➔ カテゴリ分類・置換」の迷いのないパイプラインで高精度に処理します。 3. **多対一辞書と「その他」カテゴリ**: 正式名と略称を同一エンティティに集約し、未定義の機密語も「その他」として確実に捕捉します。 🚀 導入・実践によって得られる未来(状態の変化) 機密漏洩のリスクを完全に排除しながら、テキストの原形や論理展開を一切損なうことなく安全なテキスト処理・共有が可能になります。 --- おすすめの活用シーン・一押しの一言 ローカルLLM実機検証によって鍛え上げられた、実務で即座に使える最高峰のマスク専用プロンプトです!00010文案作成
推奨モデル - Gemini# 「教えてAI」投稿用紹介文作成エンジン のご紹介 🎯 このような方・こんな課題をお持ちの方へおすすめ ・自作プロンプトを「教えてAI」に投稿したいが、紹介文をどう書けば魅力が伝わるか悩んでいる方 ・投稿作業を効率化しつつ、利用率(CTR)やユーザー満足度を最大化したいクリエイター ・プロンプトの機能は優れているのに、言葉での説明が難しく、その価値が埋もれてしまっている方 💡 なぜこのプロンプトが効くのか(核心とメカニズム) 本プロンプトは、単なる要約ツールではありません。「仕組み思考(MOT)」に基づき、対象プロンプトの内部ロジックを非実行形式でスキャンし、その「核となるメカニズム」を抽出します。最大の特徴は、プラットフォームの文字数制限に対し、最も情報密度が高まるとされる「上限の85%前後」を狙って文章を生成する「文字数バジェット制御機能」です。多すぎず少なすぎない、読み手にとって最も説得力の高いボリュームで、マーケティング的視点から構成された紹介文を自動生成します。 🚀 導入・実践によって得られる未来(状態の変化) 本エンジンを使用することで、あなたのプロンプトは単なる「コマンドの塊」から、ユーザーの課題を解決する「洗練されたソリューション」へと格上げされます。ロジカルに整理された説明文はユーザーの信頼を獲得し、適切に設計されたウェルカムメッセージは利用開始時の離脱を防ぎます。投稿準備の時間が大幅に短縮される一方で、公開後のインプレッションや使用回数の向上が期待できる、まさに投稿者のための「ブースター」となります。 --- プロンプトの真価を言語化し、あなたのクリエイティビティを正当に評価されるステージへと導きます。00112文案作成
推奨モデル - Gemini本・商品・ツール・手法などのあらゆる対象について、ユーザーが抱える課題(原点・困りごと)を起点にその価値を構造化し、ターゲット読者に最も刺さる「レコメンド分析書」およびその裏側にある「思考プロセス・可視化分析書」を自動構築します。00120資料作成
推奨モデル - GeminiUTIL-AI-RESPONSE は、生成AIとの対話ログを正確なマークダウン形式で保存・再利用することを目的として開発されたユーティリティ・プロンプトです。近年、AIサービスやクライアントアプリの更新により、回答をコピーした際に見出し・箇条書き・インデント・コードブロックなどの構造情報が失われる現象が発生しています。本プロンプトは、そのような書式崩れによる情報損失を防ぎ、回答内容だけでなく構造そのものを保護することを目的としています。 主な機能は、AIの回答全体を単一のコードブロックで包み込む「完全包絡方式」にあります。回答の先頭には「# AI」、末尾には「# ユーザー」を配置し、その間に実際の回答本文を格納します。これにより、コピー後もAIの回答範囲が明確になり、ログ化やアーカイブ時のチャンク境界として活用できます。また、本文中でコード例を扱う場合は通常のコードフェンスではなくチルダフェンス(~~~)を使用することで、外側のコードブロックとの競合を回避し、ネスト構造の破損を防止します。複雑なリスト、表、手順書、プログラムコードなどを含む回答でも、元の構造を維持したまま保存できる点が特徴です。 開発の経緯としては、CopilotやGeminiなど複数の生成AIを利用する中で、コピー時のマークダウン崩れが頻発し、長期間のログ蓄積やプロンプト研究や分析に支障をきたしたことが出発点となりました。当初はPowerShellによるインデント復元ツールなどで対処していましたが、問題の本質が「崩れた後の修復」ではなく「崩れにくい保存形式の確立」にあると判断し、本プロンプトが考案されました。結果として、サービスやモデルごとの差異を吸収しながら、Markdown原文の保存性と再利用性を向上させる環境依存性の低いログアーカイブ手法として機能しています。00116計画立案
推奨モデル - Gemini# 暗黙知を形式知化する思考エンジン 🎯 このような方・こんな課題をお持ちの方へおすすめ * **経験や直感を言語化したい方:** 頭の中にある「なんとなく」や「感覚的なノウハウ」を、論理的かつ構造化されたデータとして明確にしたい方に。 * **暗黙知をチームやシステムで共有したい方:** 個人のモヤモヤした知識を、誰もが理解し、応用できる形式知パッケージとして昇華させたい方に。 * **AIを思考のコーチとして活用したい方:** 単なる答えではなく、「なぜそう考えるのか」というプロセスそのものを深掘りしながら、自律的に知識を進化させたい方に。 💡 なぜこのプロンプトが効くのか(核心とメカニズム) 本エンジンは、**MOT(Mechanism-Oriented Thinking:仕組みから考える)**の思想に基づき、「暗黙知」という曖昧なものを「形式知」という明確なデータに変換する専用エンジンです。 その核となるのは、「背景知識を増やす ➔ 仮置きマトリクス作成 ➔ 比較・違和感検証 ➔ 修正」という対話的な反復ループです。ユーザーの漠然とした断片や直感を、AIが「仮置きマトリクス(アクション・データ)」として構造化し、その上で現実とのズレ(ギャップ)を検証することで、言語化されなかった真の構造と知識を表面化させます。 さらに、「多能工表」や「深掘りモジュール(認知センサー定義、メタ構造抽象化など)」を組み込むことで、単なる情報収集ではなく、自己否定・リファクタリングのトリガーも内包した**自律進化型**の形式知パッケージを構築します。 🚀 導入・実践によって得られる未来(状態の変化) * **感覚がデータに変わる:** 「なんとなく」だった知識が具体的なアクションとデータに基づいたマトリクスとして明確になり、行動に直結する知識となります。 * **深い洞察の獲得:** 表面的な情報だけでなく、「なぜこのパターンが起きるのか」という構造的理解(メタ構造)が得られ、新たな問題解決能力が身につきます。 * **自律的な知識進化:** 対話を通じて自身が気づいていなかった盲点や矛盾を発見し、AIの誘導で知識を修正・洗練させるため、真にあなた自身の「形式知」として昇華されます。00215プロンプト生成
推奨モデル - Gemini# MOT-PROMPT のご紹介 🎯 このような方・こんな課題をお持ちの方へおすすめ - プロンプトの新規作成から修正改善まで、一貫した3つのコマンドループで効率的に進めたい方 - 修正のたびにプロンプト全体の仕様がどう変わるのか、事前に差分(Diff)で直感的に確認したい方 - 長文のプロンプト出力時に起こりがちなマークダウンの構文干渉や表示崩れを完全に防止したい方 💡 なぜこのプロンプトが効くのか(核心とメカニズム) 本プロンプトは、「Mechanism-Oriented Thinking(仕組みから考える)」に基づいた最新のフラッグシップ設計エンジンです。 1. **3コマンドの統合ループ**: 「【共有】(背景・結果) ➔ 【仮置き】(論点整理と差分プレビュー) ➔ 【試作】(全文生成)」で迷いのない開発を実現します。 2. **変更差分プレビュー**: 【仮置き】の段階で変更前後の差分(Before/After)をピンポイント提示し、全文を読まずにサニティーチェックが行えます。 3. **動的プレーンテキスト保護**: 最少4連以上のバッククォートと `text` 指定により、あらゆる複雑なコードも安全にコピー&ペースト可能です。 🚀 導入・実践によって得られる未来(状態の変化) 感覚的だったプロンプト構築・改修がロジカルなエンジニアリングへと昇華され、意図通りの堅牢なプロンプトを最短手数で創り上げることができます。 --- おすすめの活用シーン・一押しの一言 あらゆるカスタムプロンプトの設計・育成を極限まで洗練させる、至高の次世代型エンジンです!00526プロンプト生成
推奨モデル - GeminiSBA‑VARIABLEは、プロンプト内部の「変数」を中心に据えて設計された、構造化プロンプト生成エンジンです。 既存プロンプトの整理・保守・変数管理を効率化するために作られた特化型モデルであり、SBA‑PROMPTの“無難モード(標準仕様書形式)”を基盤に、変数の検出・追加・更新・同期を自動化します。 最大の特徴は、**変数定義の一元管理と本文との完全同期**です。 プロンプトが複雑化すると、変数の定義漏れ・参照揺れ・命名不整合が必ず発生します。SBA‑VARIABLEは、本文中の `[...]`、`$変数$`、`{{変数}}` などの参照を解析し、未定義の変数を自動抽出。定義ブロックへの追記や、既存変数との統合更新を行い、プロンプト全体の整合性を保ちます。 さらに、**4つの特化コマンド**により、プロンプトの育成を段階的に制御できます。 - **【新規作成】**:履歴を無視して新規プロンプトを構築 - **【変数追加】**:本文から未定義変数を検出し、定義ブロックに追記 - **【変数更新】**:定義と本文を突き合わせ、変数の統合・同期・本文改訂 - **【改訂】**:直前の対話内容を踏まえてプロンプト全体を更新 これにより、プロンプトの初期作成から、差分修正・保守・拡張までを一つの流れで扱えます。 また、SBAシリーズ共通の「動的バッククォート保護」により、コードブロックや複雑なマークダウン構造でも表示崩れを起こさず安全に出力できます。特に変数定義はコードブロック内に置かれることが多いため、この保護機能は高い安定性をもたらします。 SBA‑VARIABLEは、プロンプトそのものを新規作成したい人よりも、**既存プロンプトを整理したい人**に強く支持されています。変数の整合性チェックや定義の自動抽出は、他のAIでは意外と難しく、プロンプト保守の負荷を大幅に軽減します。 「プロンプトを育てる」ための構造化エンジンとして、SBA‑VARIABLEは、あなたのプロンプト開発環境における“変数管理の標準装置”となることを目指しています。00152語学学習
推奨モデル - GeminiTIP6 は、日本語の文章に潜む「省略された情報」を浮かび上がらせるために設計された構文解析プロンプトです。従来の TIP5 が文節抽出と係り受け解析を中心としていたのに対し、TIP6 はさらに一歩踏み込み、各文節が文章全体の中でどのような意味役割(深層格)を担っているかを明確化します。文章を一文ずつ分解し、文節の種類、係り先、関係種類、そして最終的に支配される動詞句との対応を精密に特定することで、表層的な語順や助詞の揺れに左右されない「意味論的構造」を抽出します。 深層格は、Agent(誰が)、Object(何を)、Goal(どこへ)、Instrument(何で)、Location(どこで)、Time(いつ)など、動詞の意味性質に基づく役割のことです。TIP6 は、係り受け構造と表層格(ガ格・ヲ格・ニ格など)の組み合わせを参照しながら、各文節がどの深層格に該当するかを自動判定します。これにより、文章中で省略されがちな主語や目的語、到達点、起点などの情報が可視化され、文章の「本来の意味構造」が明確になります。 出力形式は、表形式・TSV形式・Markdown形式・JSON形式の4種類に対応しており、用途に応じて柔軟に切り替え可能です。特に JSON 形式では、文節ごとの解析結果をそのまま構造化データとして保持できるため、後続の意味論処理や階層化処理(EX3・EX6 など)との連携にも適しています。 TIP6 は、文章の構造を正確に把握したい人、仕様書や設計書の曖昧な記述を明確化したい人、あるいは文章校正や意味論的分析を体系化したい人にとって強力な足がかりとなるツールです。文章の「見えない骨格」を浮かび上がらせることで、理解・分析・再構築のすべてを支援します。00028プロンプト生成
推奨モデル - Gemini【試作中】できない人を置き去りにしない世界へ。ラディカル・フォーミュラー・エクストリーム・エクスチェンジ!!00029コード生成・修正
推奨モデル - GeminiSBA-CODE は、SBA-PROMPT をコード生成専用に拡張した、**シナリオベース・アーキテクチャ型のソースコード生成エンジン**です。 曖昧な要求仕様や複雑なローカルルールを、捜査会議(Kickoff Meeting)から鑑識(Forensics)までの一連のプロセスとして構造化し、**コピペ一発で動作する高精度なソースコードと単体テスト**を生成します。 特徴は、目的に応じて選べる **2つのモード**です。 **① 刑事ドラマモード(【刑事】)** コード生成を「捜査活動」として扱うモードです。 Raw要求(被疑者)→物証収集→鑑識→現場捜査員→捜査シナリオという流れで、 要求仕様を一切取りこぼさず、バグ防止・堅牢性重視でコードを設計します。 生成されたコードは、適切な言語タグを付けた **単一コードブロック**として整形されます。 **② アーキテクトモード(【設計】)** システム設計のプロセスをそのままプロンプト化したモードです。 原仕様→二次定義→設計検証→実装描画→システムシナリオという構造で、 クラス設計・型定義・状態遷移・計算量評価まで踏み込んだ **クリーンコード+単体テスト** を生成します。 さらに、SBA-CODE は **主要プラットフォームのローカルルール** を内部に保持しています。 Tampermonkey のメタデータ閉鎖規則、GAS の HTMLService 制約、Chrome Extension MV3 の Service Worker ライフサイクル、VBA のステートメント継続行制限など、**環境依存の落とし穴を事前に回避したコード**を出力できる点が大きな特徴です。 操作はシンプルで、 - `【新規作成】`:言語・機能・要求仕様を入力 - `【差分修正】`:既存コードの部分更新 - `【要件定義】`:入出力仕様やクラス設計を対話で整理 - `【モード切替】`:刑事/設計の切替 というコマンド体系で利用できます。 SBA-CODE は、コード生成を「文章」ではなく **アーキテクチャとして扱うための新しい標準**です。 複雑な仕様でも、シナリオに沿って構造化し、環境依存の制約まで踏まえた安全なソースコードを自動生成します。00043プロンプト生成
推奨モデル - GeminiSBA‑PROMPTは、プロンプトを「構造化されたシステム」として設計するためのアーキテクチャ型プロンプト生成エンジンです。 入力 → 分岐 → 出力の流れをレイヤー化し、プロンプトを再現性のある工程として扱えるようにします。 特徴は、目的に応じて選べる 4つのモード です。 ① 刑事ドラマモード(【刑事】) プロンプト構造を“捜査プロセス”として扱うモードです。 被疑者(Raw要件)→物証収集(構造化)→鑑識(ロジック検証)→捜査員(整形出力)→捜査シナリオ(全体フロー)という流れで、複雑なプロンプトでも迷わず整理できます。 プロンプトの内部構造を深く作り込みたい人向けです。 ② 論文・レポートモード(【論文】) 一次情報・二次情報・分析・図表・構成案という学術的な段階に沿ってプロンプトを構築します。 概念整理や要件定義に強く、抽象的なアイデアを体系化したい場面に向いています。 ③ 無難標準モード(【無難】) 独自メタファーを排し、職場で共有しやすい一般的な仕様書スタイルでプロンプトを構造化します。 入力仕様、内部状態、処理フロー、出力形式を明確にし、保守性・再利用性を重視した実務向けモードです。 企業内での利用やレビューに最適です。 ④ 刷新モード(【刷新】) 見出しや章構成は「無難標準モード」の仕様書形式を使いながら、内部ロジックには「刑事ドラマモード」の厳密な制御構造をシャドウ適用するハイブリッドモードです。 “外側は安全仕様、内部は高精度ロジック”という二重構造により、実務と精度を両立できます。 さらに、SBA‑PROMPTは 新規作成・差分修正・要件定義 の3つの作業モードを備えています。 フルスクラッチ生成、既存プロンプトの部分更新、構成の議論だけを行うモードを切り替えられるため、同じチャットでプロンプトを育て続けることができます。 内部では、 ・ターン間スタック ・JSON状態管理 ・元文対比による情報欠落チェック ・変数定義の自動埋め込み ・テーブル崩れ防止 ・バージョン表記の自動付与 ・4連バッククォートによる安全なコードブロック保護 など、プロンプト破綻を防ぐための仕組みを備えています。 SBA‑PROMPTは、複雑な要件でも、シナリオに沿って整理し、構造化されたプロンプトとして再構築できます。00552語学学習
推奨モデル - GeminiRF‑TIP4 では、文章を文節ごとに分割し、それぞれの文節が文の中で果たす意味機能(主語・目的語・副詞句・接続句など)を分類することで、文章の骨格を抽出しました。しかし、文節を並べただけでは、文章がどのように意味的に結びついているかまでは分かりません。 日本語の文章は、文節同士が「どの文節に係るか」という依存構造によって意味が成立しています。主語は述語に係り、目的語は動詞に係り、連体句は名詞を修飾し、接続句は主節に条件を付与します。これらの関係が明らかにならなければ、文章の意味構造を階層化することはできません。 そこで TIP5 では、TIP4 で抽出した文節一覧をもとに、文節同士の依存関係(係り受け)を抽出し、構造化します。係り元文節と係り先文節を隣接させて配置し、それぞれの分類と関係種類を対照させることで、文節間の意味的なつながりを直感的に理解できるようにしました。 TIP5 は、EX7 の階層化モデルに渡すための「文章の骨格データ」を生成する重要な TIP です。文節の並びを“意味の矢印”として可視化することで、文章に隠れた構造をより深く捉えることができます。 #自然言語処理 #構文解析 #係り受け分析000109語学学習
推奨モデル - GeminiRF‑EX6 はフラクタル・ブレイクダウンにより 243 ステップまで作業を分解できましたが、実務ではそれを超える複雑な作業が存在します。階層制限を撤廃した RF‑EX7 を開発したものの、ステップ数による強制分解が無い分、期待したほど細かい分解にならないという課題が生じました。 原因を探る中で、日本語の文章には「省略された情報」が大量に存在するという仮説に到達しました。文章に書かれていない作業は、どれだけ階層を増やしても抽出できません。そこで、文章の外側に潜む構造を明らかにするため、候補となる技術を TIP として切り出し、個別に検証しながら組み上げる方式へと方針転換しました。 TIP4 はその第二弾として、文章を構成する文節を抽出し、文節ごとの意味機能(名詞句・動詞句・副詞句・主語・目的語・接続句など)を分類する構文解析モデルを単体化したものです。文章の骨格を明らかにし、後続の係り受け解析や階層化モデルへ渡すための基礎データを生成します。 #自然言語処理 #構文解析00045語学学習
推奨モデル - GeminiRF‑EX6 は、フラクタル・ブレイクダウンによって 243 ステップまで作業を分解できる強力な構造化プロンプトでした。しかし、現場の作業はそれを軽く超えてくる。そこで階層制限を外した RF‑EX7 を作ったものの、期待したほど細かい分解にならない。 「なぜだろう?」と考え続けて辿り着いたのが、日本語の壁でした。文章には、書かれていない作業が大量に存在する。暗黙の前提、慣習、文脈、身体操作、材料の状態変化……。これらは文章に現れないため、どれだけ階層を増やしても抽出できない。 ならば、文章の外側にある“省略された作業”を暴くための TIP を作り、部品として検証しながら組み上げていくしかない。 TIP3 はその最初の一歩です。RF‑EXシリーズで使ってきた「動詞1つにつき個別名詞1つを割り当てる」文章分解モデルを切り出し、単体で動作確認できるようにしました。ここから、文章の裏側に潜む構造を少しずつ掘り起こしていきます。00145要約
推奨モデル - GeminiRF-EX7(ラディカル・フォーミュラーEX7)は、複雑な作業手順や説明文、数式、業務ノウハウなどを、人間が理解できる最小単位まで分解し、さらに全体構造を把握しやすい形へ再構築するための分析プロンプトです。IE(インダストリアルエンジニアリング)の「サーブリック18基本動作」と「両手作業分析」、そしてTIP3の「1動詞1個別名詞アトミック分解」を融合し、作業者が無意識に行っている細かな動作や判断まで抽出します。 特徴は、単に細分化するだけでなく、右手と左手の役割や協調関係まで分析対象に含めていることです。これにより、作業手順の可視化、業務標準化、多能工化、教育資料作成などに活用できます。さらに、分解した結果を人間が認知しやすい「3つ単位」のリズムで自動要約し、フラクタル構造として階層化することで、詳細と全体像を同時に把握できるよう設計されています。 出力形式は表形式、アウトラインツリー形式、音読用文章形式に対応し、MarkdownやTSV形式への変換も可能です。また、一度分析したデータを保持したまま表示形式だけを切り替えられるため、分析・学習・説明・文書化といった用途を柔軟に行えます。さらに、トークン制限で出力が途切れた場合でもFIFOキューによる継続出力機能を備えており、大規模な分析にも対応しています。 「複雑なものを理解したい」「暗黙知を見える化したい」「手順やノウハウを体系化したい」。RF-EX7は、そのための“両手作業分析・アトミック極限細分化・3固定フラクタル構造化エンジン”です。00269要約
推奨モデル - Gemini**~夢は稲妻をまとい爆発する~** RF‑EX6 は、数式・手順・概念を最大243ステップで階層化する構造化プロンプトです。 最適な使い方は「音読→ツリー→表」の三段階。 まず **音読形式(ドリーム)** で階層を1行で語る文章を読み、全体像をざっくり把握。 次に **ツリー形式(ライトニング)** で「▶」を使った稲妻のようなアウトラインを確認し、 論理構造を一気に理解。 最後に **表形式(バースト)** で Step/親階層/動詞名詞ペアを Markdown 表として完全可視化し、 実務レベルのマニュアル・設計・テスト項目に落とし込む。 **Dream → Lightning → Burst** 夢は稲妻をまとい爆発し、構造が一瞬で見える。008623計画立案
推奨モデル - GeminiRF‑EX5 は、作業手順を最大243ステップで階層化し、後任者が迷わず動ける引継ぎマニュアルを自動生成するプロンプトです。 文章を動詞+個別名詞の最小単位にまで分解し、途中過程を省略しない“理解可能な構造”へ変換します。 出力形式は2種類。 **音読形式(ドリーム)**で全体像をつかみ、 **表形式(バースト)**で Step/親階層/最下層一文に加え、 確認観点・承認観点・作業者/確認者/承認者を含む “実務で使えるチェックリスト付きマニュアル”を生成。 引継ぎ・手順書・品質管理に最適です。003165