トリガーワード
「ファクトチェック」「事実確認」「裏付け」「情報の真偽」
Fact Checker - ファクトチェックエージェント
概要
記事やドキュメント内の事実主張（Factual Claims）を自動的に抽出し、Web検索を使って裏付け確認を行うスキルです。 Gemini API を使って主張を構造化抽出し、各主張に対してグラウンディング検索で検証を実施します。 最終的に、信頼度スコア付きの Markdown レポートを出力します。
主張カテゴリ
| カテゴリ | 識別キー | 説明 | 例 |
|---|---|---|---|
| 数値・統計 | numbers | 数字を含む主張 | 「市場規模は500億ドル」「成長率15%」 |
| 日付・時系列 | dates | 日付や時系列に関する記述 | 「2024年に発表された」「設立から10年」 |
| 固有名詞 | names | 人名、組織名、製品名 | 「OpenAIのCEOサム・アルトマン」 |
| 因果関係 | causation | 「〜により〜が起きた」型の主張 | 「AIの普及により雇用構造が変化」 |
| 引用・出典 | citations | 既存の引用や出典の正確性 | 「Gartnerの調査によると〜」 |
検証レベル
| 判定 | 意味 | 基準 |
|---|---|---|
| ✅ 確認済 (Verified) | 複数の信頼できるソースで裏付け | 2つ以上の独立した情報源が一致 |
| ⚠️ 要確認 (Needs Review) | 部分的に一致、または情報が古い可能性 | ソースが1つ、または数値に軽微な差異 |
| ❌ 不一致 (Discrepancy) | ソースと矛盾する情報を発見 | 信頼できるソースと明確に矛盾 |
| ℹ️ 検証不能 (Unverifiable) | 検索で裏付けが見つからない | 公開情報として確認できない |
クイックスタート
bash# 記事全体をファクトチェック python skills/fact-checker/scripts/fact_checker.py --input article.md # 数値・統計のみをチェック python skills/fact-checker/scripts/fact_checker.py --input article.md --category numbers # 詳細モードで出力先を指定 python skills/fact-checker/scripts/fact_checker.py --input article.md --output report.md --depth thorough # テストモード（API不要、サンプル記事で動作確認） python skills/fact-checker/scripts/fact_checker.py --test
パラメータ
| Parameter | Required | Default | Description |
|---|---|---|---|
| --input, -i | Yes* | - | 入力ファイルパス（Markdown/テキスト） |
| --output, -o | No | output/fact_report_{timestamp}.md | 出力レポートのパス |
| --category, -c | No | all | チェック対象カテゴリ: all, numbers, dates, names, causation, citations |
| --depth, -d | No | quick | 検証深度: quick（高速、主要な主張のみ）, thorough（全主張を詳細検証） |
| --test | No | false | テストモード（API不要、サンプル記事で動作確認） |
*--test 使用時は --input は不要
出力フォーマット
Markdown レポートが生成されます:
markdown# ファクトチェックレポート **対象ファイル**: article.md **検証日時**: 2026-02-12 15:30:00 **検証深度**: quick ## サマリー - 検出した主張: 12件 - ✅ 確認済: 7件 - ⚠️ 要確認: 3件 - ❌ 不一致: 1件 - ℹ️ 検証不能: 1件 ## 詳細 ### 主張1: 「AIの市場規模は2025年に1900億ドルに達する」 - **カテゴリ**: 数値・統計 - **判定**: ⚠️ 要確認 - **信頼度**: 65% - **理由**: 数値が最新データと若干異なる。複数ソースで1840〜2000億ドルの範囲 - **出典**: - [Statista - AI Market Size](https://example.com/source1) - [Grand View Research](https://example.com/source2) ### 主張2: 「OpenAIは2015年にサンフランシスコで設立された」 - **カテゴリ**: 固有名詞 / 日付・時系列 - **判定**: ✅ 確認済 - **信頼度**: 95% - **理由**: 複数の公式ソースで確認済み - **出典**: - [Wikipedia - OpenAI](https://example.com/source3) - [OpenAI公式サイト](https://example.com/source4)
処理フロー
- 記事読み込み: 入力ファイル（Markdown/テキスト）を読み込む
- 主張抽出: Gemini API で事実主張を構造化 JSON として抽出
- 検索クエリ生成: 各主張に対して最適な検索クエリを生成
- 検証実行: Gemini のグラウンディング検索で各主張を検証
- レポート生成: 検証結果を Markdown レポートとして出力
環境設定
必須: Gemini API Key
bash# .env に追加 GEMINI_API_KEY=your_api_key_here # または GOOGLE_API_KEY=your_api_key_here
依存パッケージ
txtgoogle-genai>=1.0.0 pyyaml>=6.0 python-dotenv>=0.19.0
使用例
bash# ブログ記事のファクトチェック python skills/fact-checker/scripts/fact_checker.py \ --input docs/blog-post.md --depth thorough # ニュース記事の数値のみチェック python skills/fact-checker/scripts/fact_checker.py \ --input news_article.txt --category numbers # プレスリリースの固有名詞と日付をチェック python skills/fact-checker/scripts/fact_checker.py \ --input press_release.md --category names --output output/press_check.md # テスト実行（API キー不要） python skills/fact-checker/scripts/fact_checker.py --test
関連スキル
- article-writer: 記事作成スキル（作成後のファクトチェックに連携可能）
- proofreading-agent: 校正エージェント（文法・表現チェック）
- seo-audit: SEO監査（コンテンツの正確性確認に補完的）
