AI教育

Claude Code + 再利用できるSkillsで「市場調査AI Agents」を作る

リレキショAI編集部2026年2月25日7分で読める

ゴール

1つの問い（例：日本のペット玩具市場）を入れるだけで、Data → Quant → Risk の3つのSkillを順番に動かし、最後にMarkdownレポート1本を出す。

0. 用意するもの

VS Code（Windows / macOS）
Claudeアカウント（サブスク or API Key）
ターミナル（Windows Terminal / PowerShell / macOS Terminal）
（おすすめ）Git：Skillテンプレのバージョン管理

1. VS Codeを入れる

Windows：Microsoft Storeで「Visual Studio Code」
macOS：App Store または公式サイトから .dmg

2. Claude Code を入れる（CLI）

環境によって表示が変わります。Claude Codeのインストール案内に従えばOK。

macOS

# ターミナルで確認
claude --version

Windows

# PowerShellで確認
claude --version

Claudeにログイン

claude

サブスク：ブラウザ連携でOK
API：案内に従ってAPI Key設定（環境変数 or 設定ファイル）

3. Claude Codeモード + Bypass dangerous permission

3.1 Claude Codeモードに入る

VS Codeのターミナルで：

claude

表示されるUI/選択肢で Code モードへ。

3.2 Bypass dangerous permission（注意してON）

Claude Codeの設定/権限ダイアログで Bypass dangerous permission をON。

信頼できる作業フォルダでだけ使うこと。常時ONはおすすめしません。

4. プロジェクト構成

Skillsは別ファイルにして再利用できるようにします。

mkdir jp-pet-toy-research-agents
cd jp-pet-toy-research-agents
mkdir -p skills reports templates
touch orchestrator.md
touch skills/data_skill.md skills/quant_skill.md skills/risk_skill.md
touch templates/report_template.md

完成イメージ：

jp-pet-toy-research-agents/
  orchestrator.md
  skills/
    data_skill.md
    quant_skill.md
    risk_skill.md
  templates/
    report_template.md
  reports/
    (出力先)

5. Skillテンプレ

5.1 Data Skill — 市場データ収集

skills/data_skill.md に貼る：

# DATA_SKILL — Market Data Collector (Structured Only)

## Role
市場情報の収集と構造化だけを担当。利益計算もリスク判断もしない。

## Input
- market_question
- region: Japan
- time_range: last 12-24 months
- currency: JPY

## Hard Rules
1) 出力は構造化Markdown（固定見出し + 表/箇条書き）
2) 重要データは必ず根拠（リンク or 出典タイプ）を付ける
3) 数字を捏造しない。無ければ Unknown + 取得方法を書く
4) 優先：公式/協会/大手調査 > EC公開情報 > メディア > 掲示板

## Output Format

### 1) 市場概要
- 定義：
- ターゲット：
- 購買シーン：
- ドライバー：

### 2) 需要・トレンド（表）
| テーマ | 観察 | 根拠/出典 | 確度(高/中/低) |

### 3) 競合・価格帯（表）
| カテゴリ | 代表商品/ブランド | 価格帯(JPY) | チャネル | 出典 |

### 4) チャネル
- Amazon / Rakuten / Yahoo / 実店舗

### 5) 検証すべきデータTo-Do
- 定量データを取る手段を5〜10個

5.2 Quant Skill — 利益モデル

skills/quant_skill.md に貼る：

# QUANT_SKILL — Profit Model Builder

## Role
価格・原価・送料・手数料などから利益を計算。市場調査とリスク判断はしない。

## Inputs
- price_range_jpy
- cogs_jpy
- shipping_jpy
- platform_fee_rate
- ad_cost_rate
- return_rate
- other_cost_jpy

## Requirements
1) Base / Best / Worst の3シナリオ
2) 感度分析：価格、COGS、手数料、送料、返品率
3) 構造化Markdown + 表
4) 不確定はAssumptionsとして明記

## Output Format

### 1) Assumptions

### 2) 1個あたりの利益分解（表）
| 項目 | 金額(JPY) | メモ |

### 3) 3シナリオ
| シナリオ | 価格 | コスト | 費用 | 粗利 | 純利 | 純利率 |

### 4) 感度分析（表）
| 変数 | -10% | Base | +10% | 解釈 |

5.3 Risk Skill — 反例・合規・信頼度

skills/risk_skill.md に貼る：

# RISK_SKILL — Counterexamples, Compliance, Confidence

## Role
反例/リスク/不確実性を出し、最後にConfidence(0-100)を付ける。調査と計算はしない。

## Inputs
- data_summary
- quant_summary
- market_question

## Requirements
1) 反例を最低8個
2) 日本の合規/プラットフォームリスク（安全・表示・規約など）
3) データの弱点と検証方法
4) Confidence Score + 理由

## Output Format

### 1) 反例（8+）

### 2) 合規/規約/炎上リスク（表）
| 種類 | 内容 | 影響 | 対策 |

### 3) 不確実性と検証プラン

### 4) 置信度
- Score: XX/100
- Why:

6. Orchestrator

orchestrator.md に貼る：

# ORCHESTRATOR — Team Agents Runner (Data → Quant → Risk)

You are the orchestrator. Use team agents. Ultra think.

Run in order:
1) DATA_SKILL (skills/data_skill.md)
2) QUANT_SKILL (skills/quant_skill.md)
3) RISK_SKILL (skills/risk_skill.md)

Rules:
- Data → Quant → Risk に結果を渡す
- 最終出力はMarkdownレポート1本
- 数値が無ければQuantはAssumptionsを明示
- Riskは反例 + Confidenceを必ず出す

User Input:
market_question = "{{PUT_QUESTION_HERE}}"
region = "Japan"
time_range = "last 12-24 months"

7. レポートテンプレ

templates/report_template.md に貼る：

# 市場調査レポート：{{market_question}}

## A. Data Findings
{{DATA_OUTPUT}}

## B. Quant Model
{{QUANT_OUTPUT}}

## C. Risk Review
{{RISK_OUTPUT}}

## D. Next Actions
- 次に検証するデータ
- 最小の試し方（小さく売る/テスト）

8. 実行手順

Claude Codeのチャットで順番にやります。

skills/data_skill.md を読ませてData実行
Data結果 + 前提で skills/quant_skill.md 実行
Data+Quant要約で skills/risk_skill.md 実行
templates/report_template.md で統合して、レポート1本にする

コピペ用の総指令

Use team agents. Ultra think.
Question: 日本のペット玩具市場
Step 1: Execute DATA_SKILL from skills/data_skill.md.
Step 2: Execute QUANT_SKILL from skills/quant_skill.md with explicit assumptions.
Step 3: Execute RISK_SKILL from skills/risk_skill.md.
Finally: Merge into templates/report_template.md and output ONE Markdown report.

9. 出力ファイル名の例

reports/
  jp_pet_toy_market_20260225.md

10. 使い回しのコツ

業界を変えてもSkillsは基本そのまま使えます。変えるのは market_question だけ。

日本の防災グッズ市場
東京のコーヒー豆サブスク市場
日本の一人家電市場

Skillを部品化しておくことで、どんな市場調査にも同じ手順で再現性のあるレポートが作れます。