Melody Cary
砚耕-質的・グラウンデッドコーディング研究のスーパーメンター
生の質的データから発表可能なグラウンデッド・セオリー論文までの全プロセスを支援するAIメンター。 プログラム化グラウンデッド・セオリーに基づき、現在の段階を自動判定し、段階ごとにオープン/アクシャル/選択的コーディング、グラウンデッド・セオリーの執筆、6段階の精緻化、AI率の低減を調整します。全プロセスは厳格なステップ（ハードストップ）で進行し、各ステップで1つのことを確認し、1つの作業ユニットだけを実行します。研究者は常に理論的判断権を保持します。トリガーワード：グラウンデッド・コーディング / オープンコーディング / アクシャルコーディング / 選択的コーディング / グラウンデッド・セオリー / 質的コーディング / コアカテゴリー / ストーリーライン / AI率低減。
党建スタイル赤色系エレガントPPT生成ツール
党建スタイル赤色系エレガントPPT生成ツール 党建関連の作業内容 → 党政スタイルPPTへの全自動化エンジン 入力：スピーチ原稿 / 業務報告 / 学習ノート / 党建関連のあらゆるテキスト 出力：完成品として提供可能なプロフェッショナルで美しい赤色系党建スタイルのPPT ↓ ✓ スマート階層化：重要点・難点・注目点を自動認識 → 6種類の標準ページ（表紙、章、コンテンツ、ヒント、表、終了ページ）を生成 ✓ 党政カラーパレット：チャイナレッド、ゴールド、オフホワイトの3色体系、16以上のレイアウトパターン内蔵 ✓ リアルタイム画像検索エンジン：党建、思政、团委、紅色テーマの実例画像を自動検索・埋め込み ✓ シーン適応：党建学習講座 / 思政教育 / 团委報告 / 少先队活動 / 政策解説、ワンクリックで切り替え ✓ 分割生成＋自動組み立て：コンテンツが多い場合？自動でスライスし、ページごとに生成し、最後にシームレスに結合 原稿をコピー → 利用シーンを選択 → 配色を確認 → 画像出力 15分で、業務用デザインに匹敵するプロフェッショナルなPPTを提供します。
ゲームデザイン学習コーチ
プロのゲームデザイン構造化学習コーチ。5段階のパス（ゲームを読む→メカニクスからループへ→紙上プロトタイピングとテスト→システム、レベル、ナラティブ→ポートフォリオ用の小プロジェクト）に基づき、段階診断、概念説明、演習課題、課題評価、資料推薦を通じて、ユーザーをゼロからプレイ可能なプロトタイプの完成とポートフォリオ整理へ導きます。MDAフレームワーク、コア用語集、権威ある資料ライブラリ、付属ビデオリスト、トラブルシューティング診断ツールを内蔵。
研究教育成果賞申込・全自動エキスパートシステム
教育成果賞申込・全フロー自動化コンサルティングシステム 🎯 カバーする階層の自動適応認識： 教育タイプ：基礎教育 / 職業教育 / 高等教育 → 自動で申請体系にマッチング 賞の階層：国家級 / 省級 / 学校級 → 競争難易度と重点を自動認識 📊 4つの提供フェーズ（段階的クローズドループ）： 表 フェーズ 出力内容 核となる価値 1. 診断記録 7-8問のインテリジェント質問票 + 成果の位置づけレポート 申込レベルの特定、過大または過小申告を回避 2. テーマ選択方向 テーマ選択方向マトリックス + 3-5の類似成功事例 どの方向に変更すべきか、最も注目されやすいかを理解 3. タイトル孵化 5-8の候補タイトル（SCPAR命名） タイトルが正しければ、申請書の半分は完成したも同然 4. 本文作成 字数を厳守した申請書完全版 革新点、効果、普及価値にそれぞれ何文字割り当てるか——段落単位で正確に 5. 診断評価 三次元革新評価 + 専門家チェックリスト 修正後に自分で確認すれば、専門家によるレビューを受けたのと同等 🔧 内蔵標準化ツールライブラリ： ✓ SCPAR命名法則 — 教育成果タイトルの隠れた評価表 ✓ 字数ハード制約検証 — 5000～12000字の範囲を自動で調整 ✓ 三次元革新評価モデル — 教育成果審査員の採点ロジックを完全再現 ✓ タイトルテンプレートライブラリ — 国家級/省級/学校級成果の参考テンプレート ✓ 専門家チェックリスト — 修正済み申請書を項目ごとに自己点検 📈 期待される効果： 申請成功率がランダム30%から正確70%以上に 申請準備時間が2～3ヶ月から2～3週間に 一度の提出でのヒット率が向上（テーマ選択の方向性がより正確に）
人文社会科学系課題選定の神器AFP
人文社会科学系課題選定のエンジニアリングシステム 🎯 適応型カバレッジシステム： | 課題タイプ | システム適応 | 採択難易度 | | --- | --- | --- | | 国家社会科学基金 | ✅ 核心アプリケーション | ★★★★★ | | 教育部人文社会科学計画 | ✅ 完全適応 | ★★★★☆ | | 全国教育科学計画重点課題 | ✅ 完全適応 | ★★★★☆ | | 省級社会科学計画 | ✅ 完全適応 | ★★★☆☆ | | 職業教育/教育改革課題 | ✅ 完全適応 | ★★★☆☆ | 📊 6段階デリバリープロセス（P0-P5強制ステップ）： | フェーズ | プロセス | 主要アウトプット | キーアクション | | --- | --- | --- | --- | | P0 | リソースの把握 | 個人リソースとポジション評価 | あなたの学術的蓄積、既存の成果、チームリソースを把握する | | P1 | 政策解読と真の問題抽出 | 政策分析表と問題リスト | 最新の政策文書をスキャンし、審査委員会が本当に関心を持つ問題を掘り出す | | P2 | 原子的対象次元削減 | 最小粒度の対象テーブル | 壮大な命題を最も核心的な研究対象に分解する | | P3 | 9マステーマ爆発 | 9つのテーマ方向マトリックス | 1つの対象に9つの切り口、最適な方向を選別 | | P4 | 辛口監査による定型化 | 修正提案書とリスクリスト | 二役の対抗：申請者 vs ブラインドレビュー専門家、繰り返し鍛える | | P5 | アセットパッケージング | 「テーマ選定コアアセットメモ」 | 最終テーマ+論証ロジック+申請書作成に直接接続可能 | 🔧 組み込み標準化ツールライブラリ： ✓ 二役対抗システム — 課題プランナー ↔ 会議審査専門家（自分自身と対戦） ✓ 命名ルールチェック — コロン/ダッシュ/サブタイトル禁止、「研究」で終了必須 ✓ 三位一体の法則 — 限定詞 + 対象 + 問題（隠れた評価シート） ✓ ポリシーライブラリのリアルタイム更新 — 国家社会科学基金、教育部、教育科学計画の最新ガイドラインを同期 ✓ 9マステーママトリックス — 9つの切り口を系統的に展開、革新性を視覚的に比較 ✓ ブラインドレビューリスク評価 — 審査におけるテーマの弱点を予測 📈 期待される効果： 📌 採択成功率 — 平均20-30% → 60-70%+（事前の蓄積による） ⏱️ テーマ選定期間 — 3-6ヶ月の調整 → 2-3週間の系統的定型化 🎯 的中精度 — 「広く網を張る」→ ターゲット委員会の審査ロジックに正確に狙いを定める 📦 継続性 — 「テーマ選定メモ」は「課題申請書作成AFP」に直接接続可能、完全なクローズドループ
AFP エンジニアリングプロンプト生成器（マスター級）
AFP エンジニアリングプロンプト生成器 · マスター級システムアーキテクチャ 🎯 コアポジショニング： メタレベルのプロンプトエンジニアリングシステム — 他のAFPドメインスキルの基盤アーキテクチャを生成するために使用されます。本体は独立した製品であると同時に、各ドメインのAFPスキルのコアでもあります。 📊 コア機能マトリックス： テーブル 機能次元 システムサポート 適用シナリオ タスク適応認識 ✅ 分類、生成、分析、意思決定など8以上のタスクを自動認識 手動でタスクタイプを指定する必要なし 複雑度自動調整 ✅ タスクの複雑さ（1層/多層/条件分岐）に応じてコンポーネントを自動調整 過剰設計せず、重要な要素を見逃さない AFP設計遺伝子のカプセル化 ✅ エンジニアリングプロンプト標準（入力仕様→処理フロー→出力検証）に準拠 生成されたプロンプトは本質的に高品質 マルチモードサポート ✅ 単独使用 + 呼び出しの2モードをシームレスに切り替え 単独でデプロイ可能、またベースとして他のスキルから呼び出し可能 クロスドメイン再利用性 ✅ 汎用部分とドメイン固有部分を自動分割 同一フレームワークで5以上のドメインに適用可能 大規模モデル互換性 ✅ ChatGPT/Claude/GPT-4/国産大規模モデル対応 生成されたプロンプトは単一モデルに依存しない 🔧 テクニカルアーキテクチャ： 第一層 · タスク分析エンジン ユーザー入力のタスク記述を自然言語で理解 タスクタイプを自動分類（生成型/分析型/意思決定型/クリエイティブ型など） タスク複雑度スコアを計算 第二層 · コンポーネントライブラリ管理 内蔵50+のエンジニアリングプロンプトコンポーネント（役割設定、入力仕様、フローデザイン、例外処理など） 複雑度レベルでマーク（L0簡単/L1中級/L2上級/L3エキスパート） コンポーネントの選択的組み立てとカスタム拡張をサポート 第三層 · AFPフレームワーク生成 AFP設計遺伝子（機能階層化→フロー編成→出力フォーマット）に従ってプロンプト構造を編成 完全な命令チェーンを自動生成 品質チェック内蔵（カバレッジ、冗長性、一貫性チェック） 第四層 · 出力と統合 プレーンテキストプロンプトを生成（すぐに使用可能） 構造化設定ファイルを生成（プログラムから呼び出し可能） バージョン管理と反復最適化をサポート 📈 期待効果指標： テーブル 指標 改善幅 説明 プロンプト設計サイクル 1-2週間 → 10-30分 手動設計から自動生成へ 出力品質の安定性 70-80% → 85-92% エンジニアリング設計は本来より安定 クロスドメイン再利用率 30% → 80%+ 汎用部分と特殊部分を自動分離 チーム学習コスト 3-6ヶ月から1-2週間で習熟 新人が優れたフレームワークを迅速に再利用可能 大規模モデル移行コスト 全量書き換えから部分微調整へ フレームワーク安定、モデルアップグレードに大幅変更不要