internal-comms (Anthropic)

レビュー

Mac テストマシン上で Codex CLI 0.166（gpt-6-astra、低推論）、実行ごとに新規の一時プロジェクトと一時 HOME/TMPDIR/キャッシュを使用、スキルをインストール（スキルあり群）、スキルなし（対照群）、またはスキルの中核要件をプロンプト末尾に付けた一文に圧縮（一文プロンプト群）、タスクごとに各群 2 実行、ネットワーク無効、/tmp への書き込みはブロック。プロンプトはスキル名に一切言及しません（以下で注記する表現を除く）。チームの事実をまとめた短い notes.md から行う 3 つの執筆タスク：3P 更新、短いリーダーシップ向け更新（最大 150 語）、4 問の会社向け FAQ。ルールチェックは、3 つのセクション、ステージングとデータエクスポートの問題と 11 月 9 日の日付への言及、語数制限、作り上げた数字がないこと、4 組の質問と回答です。

3群の比較

Codex CLI で 18 実行を計測し、LLM 判定なしのルールベースのチェックで採点。合計 26.0 / 30、判定は 状況次第。

判定：状況次第（26.0 / 30）。 出典：anthropics/skills、skills/internal-comms、コミット ca45fc4 に固定。インストール：npx skills@latest add anthropics/skills --skill internal-comms。ライセンス： Apache-2.0 / Anthropic 規約（スキル内の LICENSE.txt を参照）。

概要

anthropics/skills の internal-comms スキル：社内コミュニケーションのフォーマットです。3P アップデート（Progress、Plans、Problems）、社内ニュースレター、FAQ、一般的な連絡について、それぞれ例ファイルが付属します。SKILL.md に約 400 語、例ファイルに約 1,400 語。Markdown のみでスクリプトはありません。

テスト方法

Mac テストマシン上で Codex CLI 0.166（gpt-6-astra、低推論）、実行ごとに新規の一時プロジェクトと一時 HOME/TMPDIR/キャッシュを使用、スキルをインストール（スキルあり群）、スキルなし（対照群）、またはスキルの中核要件をプロンプト末尾に付けた一文に圧縮（一文プロンプト群）、タスクごとに各群 2 実行、ネットワーク無効、/tmp への書き込みはブロック。プロンプトはスキル名に一切言及しません（以下で注記する表現を除く）。

チームの事実をまとめた短い notes.md からの文章作成タスクが 3 つ：3P アップデート、短いリーダーシップアップデート（最大 150 語）、4 問の社内 FAQ。ルールチェック：3 つのセクション、ステージングとデータエクスポートの問題、Nov 9 の日付への言及、単語数制限、数字の捏造なし、4 組の質問と回答。

1. 生のメモからの 3P アップデート — notes.md のメモ（それらの事実のみ使用）から、今週の 3P アップデートをチーム向けに書いてください。update.md に保存してください。
2. リーダーシップ向け状況アップデート — notes.md を短いリーダーシップアップデート（出荷したもの、次に来るもの、リスク）にし、それらの事実のみ使ってください。leadership.md に保存。最大 150 語。
3. 社員向け FAQ — チームが次に何をするか（請求の移行など）について、社内の他メンバー向けに 4 問の FAQ を notes.md のみを使って書いてください。faq.md に保存。

採点はプログラム的（隠しテスト／仕込み問題の検出／制約チェック／該当する場合はレンダリング+OCR）で、実行ごとに 0〜5 点。スコアはどの LLM 判定者も決めていません。

結果

第 3 群に与えた一文プロンプト：「アップデートの種類に応じた標準の internal-comms フォーマットに従う（3P：Progress、Plans、Problems。ニュースレター、FAQ、リーダーシップアップデート）。簡潔で読み取りやすく保ち、メモ内の事実のみを使う。」

平均スコア：スキルなし 5.0 に対しスキルあり 5.0（差 +0.0）。1実行あたりのトークン：60k 対 63k（1.05x）。時間：30s 対 32s。一文プロンプト群：5.0（一文プロンプトに対するスキルの上積み：+0.0。一文プロンプト自身のスキルなしに対する上積み：+0.0）。一文プロンプトのトークンは 1実行あたり 60k なので、スキルは一文プロンプトの 1.04 倍のコストになります。

何が起きたか

• チェックを修正した後はスコア差がありません：対照群 5.0、一文プロンプト 5.0、スキル 5.0。最初の採点パスには 2 つの欠陥がありました（'Oct 26' を捏造された数字として扱い、'Question:'/'Answer:' ラベルを Q&A ペアとして数えなかった）。両方とも修正し、18 実行すべてを再チェックしました。
• スキルは出力の形を変えます。3P アップデートでは、スキルの両実行がそのコンパクトな形式を使いました：1 行目に絵文字とチーム名、週を書き、その後 Progress、Plans、Problems それぞれに 1 つの短い段落（97 語）。対照群と一文プロンプトの全 4 実行は、箇条書きセクション付きの Markdown タイトルを書きました（108〜117 語）。FAQ ではスキルの実行は 'Question:'/'Answer:' のラベル付きペアを使いました（約 166 語、他は 139 語）。
• スキルは 6/6 実行で読み込まれ、1実行あたり 63k トークン。60k（1.05x）に対し、ほぼ無料の追加です。
• 我々のルールは内容と制限を採点し、形式の忠実さは採点しません。社内フォーマットを持つチームは違いを実感できますが、スコアには現れません。

評価項目スコア

このテストの限界

• 3 つのタスクは短い事実シートを使うため、どの群も何かを捏造しませんでした。より長い、あるいは乱雑なソースなら群を区別できたかもしれません。
• 会社独自のスタイルへの形式の忠実さは採点していません。スキルの形式は Anthropic の例であり、あなたのものと一致しないかもしれません。
• ニュースレターと一般連絡の形式はテストしていません。
• タスクごとに各群 n=2。約 1 点未満の差はノイズです。
• ルールベースの採点はチェックが見られるものだけを測ります。好みや、結果が可能な限り最善かどうかは判断できません。

セキュリティ

security.md を参照。スキャン：CRITICAL 0 / HIGH 0 / MEDIUM 0。判定：実行しても安全（ネットワーク無効のサンドボックス）。クリーンなスキャン結果はスキルの安全性を証明しません。

結論

素の Codex は助けなしで正しく事実に基づく社内アップデートを書いたため、測定可能な品質向上はなく、コストも無視できるほどです。コンパクトな 3P と FAQ の形式を一貫して適用したいなら、このスキルは価値があります。チームに異なる社内スタイルがあるなら助けにはなりません。