# 実験素材（personal-agent-skill-guide）

記事「毎回AIに同じ説明をしていませんか？」の第6章で使った、週報スキルの動作確認です。実施日は2026-10-21。

- 環境: macOS、Claude Code 2.1.305、モデル claude-sonnet-5-5（`--model` で固定）、`claude -p`。
- 条件: スキルなし（`--tools ""`）／スキル初版 v0.1（`.claude/skills/weekly-report/SKILL.md` に配置、`--tools Skill`）／修正版 v0.2。各12ケース×3回。合計108回。
- 入力はすべて架空の作業記録です（`input.txt` と `cases.py`）。実在の業務・人物は含みません。
- 採点は `rubric.py` の項目を、別の `claude -p`（同じモデル）が回答だけを見てtrue/falseで判定しています。判定の根拠は `results.json` の `judge.notes` にあります。失敗した回と、いくつかの合格した回は、筆者が出力を読んで照合しました。
- 実行ごとの設定の差: スキルなしは `--tools ""`、ありは `--tools Skill`。どちらも `--setting-sources project`、`--strict-mcp-config`、`CLAUDE_CODE_DISABLE_AUTO_MEMORY=1`。製品に同梱された標準スキル（deep-researchなど）は、スキルあり条件の一覧に並んでいます。

| ファイル | 内容 |
|---|---|
| `SKILL.md` | 修正版（v0.2）。記事で配布している完成形 |
| `SKILL.v0.1.md` | 初版。v0.2との違いは「基準日が無いとき」の段落だけ |
| `input.txt` | 基本の作業記録（T01の入力） |
| `cases.py` | 12ケースの入力の作り方 |
| `rubric.py` | ケースごとの採点項目 |
| `run.sh` | 1回分の実行（1回ごとに空のgitフォルダを作る） |
| `judge.py` / `collect.py` | 判定と集計（パスは `/tmp/pas/exp` 前提） |
| `results.json` | 108回の出力全文・スキル呼び出しの有無・費用・時間・判定 |

`cost_usd` はClaude Codeが出力した換算額で、請求額ではありません。スキルなしとスキルありの比較は、同じ環境で連続して取った相対値としてだけ読んでください。