---
title: GitHub Copilot Chat でブログ記事を執筆する技術
tags:  #github copilot  
author: [Junya Yamaguchi](https://docswell.com/user/openjny)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/K74WV8N5E1.jpg?width=480
description: GitHub Copilot Chat (VS Code の GitHub Copilot) でブログを執筆するエージェントを作成するための TIPS をまとめています
published: April 02, 26
canonical: https://docswell.com/s/openjny/5272LR-write-blog-articles-with-github-copilot-chat
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/K74WV8N5E1.jpg)

GitHub Copilot Chat で
ブログ記事を執筆する技術
日本マイクロソフト株式会社
山口順也
2026/4/2


# Page. 2

![Page Image](https://bcdn.docswell.com/page/LJ1Y3252EG.jpg)

ブログ記事執筆のフローを考える
スタート
書きたい内容が明確にある場合
Ideate
役割 (Role)
ネタ探し
入力 (Input)
なし or 気になってるトピック
出力 (Output)
記事案 (概要や見出しなど) x 3
制約
• 話題になっているトピックから探
す
• 過去の記事に関連するトピック
から探す
• ・・・
ゴール
Plan
Edit
役割 (Role)
記事ネタからアジェンダと TODO
を作成
役割 (Role)
記事のコンセプトに沿って執筆す
る・調査を行う
入力 (Input)
記事ネタ
入力 (Input)
企画書、TODO
出力 (Output)
• 企画書 (想定読者、ゴール、
目次・アジェンダ、背景など)
• TODO
出力 (Output)
ブログ記事
制約
良い記事のベストプラクティスに従
う
Review
役割 (Role)
記事の内容をレビューする
入力 (Input)
企画書、ブログ記事
出力 (Output)
修正項目
制約
良い記事のベストプラクティスに従
う
制約
企画書とブログ記事が整合してい
る
修正項目がある場合


# Page. 3

![Page Image](https://bcdn.docswell.com/page/GJWGPR5272.jpg)

作ったフローを入力する
image.png という名前でフローの画像を保存
#viewImage ツールで
image.png を読み取る


# Page. 4

![Page Image](https://bcdn.docswell.com/page/4EZLKRN473.jpg)

Plan モードでエージェントを計画する
Plan モードにする


# Page. 5

![Page Image](https://bcdn.docswell.com/page/Y76WQR8G7V.jpg)

Plan モードがヒアリングしてくれたこと
Autopilot モードでエージェント間を自動で移
動できるので、サブエージェントでオーケストレー
ションするよりも handoffs 活用がおすすめ
血が通った文章を書くにはペルソナが大事


# Page. 6

![Page Image](https://bcdn.docswell.com/page/G75MR89X74.jpg)

Plan モードが提案してくれたもの
⇒ なんかよさそうなので Start Implementation


# Page. 7

![Page Image](https://bcdn.docswell.com/page/9J29DK2QER.jpg)

Agent モードでエージェントを実装する
自動生成されたペルソナ定義テンプレート (persona.instructions.md)
プロフィール
•専門領域:
•経験年数:
•立ち位置:
•所属の文脈:
文体の特徴
•一人称:
•語尾:
•文の長さ:
•比喩の傾向:
•抽象⇔具体のリズム:
•脱線の仕方:
•ユーモア:
価値観
•何を面白いと感じるか:
•何を重要視するか:
•技術選定の判断基準:
読者への姿勢
•想定読者レベル:
•語りかけ方:
•前提知識の扱い:
書かないこと
意見の出し方
•意見を述べるタイミング:
•不確実さの表現:
•批判のスタイル:


# Page. 8

![Page Image](https://bcdn.docswell.com/page/DEY42NYYJM.jpg)

ペルソナに命を吹き込む
自分の過去の執筆文書から
ペルソナの特徴を抽出する


# Page. 9

![Page Image](https://bcdn.docswell.com/page/VJNY8XPR78.jpg)

エージェントを使って記事を執筆する


# Page. 10

![Page Image](https://bcdn.docswell.com/page/YE9PK83ZJ3.jpg)

おしまい


# Page. 11

![Page Image](https://bcdn.docswell.com/page/GE8DR8LYED.jpg)

本当にこれでおしまい？
 エージェントも作れた、指示書もいい感じ、すべてベストプラクティスに則っている
 なのに、生成される記事が面白くない…
 これはなぜ？


# Page. 12

![Page Image](https://bcdn.docswell.com/page/LELMKRL97R.jpg)

LLM が生成したテキストは「低品質」なのか？
 ブラインドテストで AI 生成テキストが人間をわずかに上回って好まれた
 大学講師 63 名による AI 生成判定の成功率はわずか 57% ≒ コイントス
 文法・論理・流暢さでは AI が優位に優位
品質では負けていない。「面白くない」は品質の問題ではない
"Examining Human Judgment Against Text Labeled as AI Generated", arXiv:2410.03723, 2024
"Exploring the difference and quality of AI-generated versus human texts", Springer, 2025
"Do humans identify AI-generated text better than machines? Evidence based on excerpts from German theses", Fiedler & Döpke, International
Review of Economics Education, 2025


# Page. 13

![Page Image](https://bcdn.docswell.com/page/4JMY2RMVJW.jpg)

生成 AI 文章はなぜ面白くないのか
面白い文章
部分的な予測の裏切り
• 読者が「こう来るだろう」と思った場所で別のものがくる
• ただし、完全にランダムではなく事後的に解釈が可能なストーリー
異化 (defamiliarization)
• 見慣れたものを見慣れない形で提示し、知覚を更新すること
• Viktor Shklovsky (1917)
読者の参加余地
• テキストには意図的な空所（gap）があり、読者はそれを創造で埋め
ることで意味を共同生成する
AI で生成した文章あるある
予測可能
• LLM は出現確率の高い単語（トークン）列を生成する
• 皆が同じベストプラクティスに従うほど、分布が狭まり、驚きが減る
異化の不在
• AI はわかりやすい文章を生成する = 退屈の正体
• “比喩を使え” という指示では、流通した死んだ比喩しか生成されない
説明的
• LLM は空所を埋めすぎる（例：この手法のメリット・デメリットは…、A
という意見もあり一方で B では…）
AI 生成文は、わかりきったことを、くどくどと説明してくる、均質的な文章になりがち。


# Page. 14

![Page Image](https://bcdn.docswell.com/page/PJR9MRVW79.jpg)

コンビニおにぎり問題
 AI の文章はコンビニのおにぎりに似ている
 品質は安定、美味しい
 品ぞろえも豊富で梅、鮭、ツナマヨ、・・・全部ある
 でもどのコンビニで買っても同じ味がする
 研究データもこれを裏付けている
 AIは人間より多くの種類の単語を使う。なのに 文章のバリエーションは人間より少ない (ACM 2025)
 22 種類のモデルで同じテーマを書かせると、AI 同士の文章はとても似通う (Wenger & Kenett 2026)
 しかも新しいモデルになったからと言って改善するわけではなく、むしろ悪化する現象がみられる
 これは事後学習 (RLHF) で似た模範解答を目指すように訓練されている結果
"Stylometric Insights into Human and LLM-Generated Text", Agrahari, ACM, 2025
"We're Different, We're the Same: Creative Homogeneity Across LLMs", Wenger & Kenett, PNAS Nexus, 2026
"New study reveals that AI cannot fully write like a human", O'Sullivan, Humanities and Social Sciences Communications (Nature), 2025


# Page. 15

![Page Image](https://bcdn.docswell.com/page/PEXQVRZVJX.jpg)

“手作りのおにぎり” を機械で作るために
 まずは、機械で作ったことをバレないようにするのが重要
 27,000 人を対象に、同一のテキストに対する評価を行うタスクによる実験 (Berg, et al., 2025)
 同じテキストでも「AI生成」というラベルがあると一貫して低く評価
 受賞歴のある人間の作品ですら「AI生成」ラベルだと同様のペナルティが発生
 「だれが作ったのか」という帰属の認知が評価に大きく影響を与える
 工業製品感の一例
 エムダッシュ（─）の多用
 強調（**, *）の多用
最近AIに書かせたなって文章が分かるようになってきた→特徴を掴んだ人達が
こぞってAIっぽい文章を真似し始める大喜利に「あ、それめっちゃわかるやつ」 - Togetter
 コロン（：）の多用
 絵文字の多用
 過度な構造化
 …
"AI Disclosure Penalty“, Berg, Raj & Seamans, Journal of Experimental Psychology: General, 2025


# Page. 16

![Page Image](https://bcdn.docswell.com/page/3EK9QR85ED.jpg)

“手作りのおにぎり” を機械で作るために
 その上で、手作りっぽいおにぎりを量産する
 手作りおにぎりの具（ネタ） ＝ レアな具、よく見る具だけど品質が抜群
 手作りおにぎりの米（構成）＝たまに玄米混じっててジャリジャリするけどそれが良い
 何ができるか
 ブログ記事のネタを面白くする（最初にインプットする入力をちゃんと考える）
 あるあるネタだけど、深いところまで調査する（GitHub Copilot を活用してネタ作りする）
 時間をかけて構成を練る（Ideate、Plan エージェントを改良する）
 ペルソナを改良する（persona.instructions.md の作りこみ）
 最終的に、一部は自分で書く・構成する


# Page. 17

![Page Image](https://bcdn.docswell.com/page/L73WP82175.jpg)

GitHub Copilot はタスクの自動化ツールでもあり、
あなた自身を定義するツールでもあります。


# Page. 18

![Page Image](https://bcdn.docswell.com/page/87DKLMZKJG.jpg)

本当のおしまい


# Page. 19

![Page Image](https://bcdn.docswell.com/page/VJPK2RD3E8.jpg)

Appendix


# Page. 20

![Page Image](https://bcdn.docswell.com/page/2EVVDR1NEQ.jpg)

そもそも文章が面白い必要はあるのか？
トレンド類型
説明
タイトル例
件数
教科書
事実を整理する
「ログ設計：基礎から応用まで」
「○○入門」
実験ノート
いいね数
中央値
平均値
11
77
124
やってみた系
「AIに20年分の日記を読ませたら人格が生まれた」
7
「12のLLMを計測してわかった3つのこと」
144
140
主張
立場を取る
「Rustを採用する必要ってほぼないよね」
「RAGは罠だった」
13
106
115
冒険談
歴史を物語る
「○○を導入して半年の所感」
「全社導入までの意思決定と歴史」
20
85
89
※ Zenn 2026 年 Q1 トレンド記事の全件分類（n=51）
教科書型でもトレンドになれる。文章の面白さ自体は、読まれるための必要条件ではない。


# Page. 21

![Page Image](https://bcdn.docswell.com/page/57GLYM25EL.jpg)

なぜスクショを文字起こし (OCR) 出来るのか？
• VS Code Copilot Chat に、画像読み
取り用のツール (viewImage) があるから
• 2026/3/15 に追加された新しめのツール
• 対話中のマルチモーダル LLM (LVLM) に
dataUrl 形式で画像を入力することで、
内容を解釈させることができる
• 最大 20 MB の png/jpeg/gif/webp に
対応している


# Page. 22

![Page Image](https://bcdn.docswell.com/page/4EQYMRPLJP.jpg)

なぜ “良い感じ” のエージェントシステムが作れるのか
• VS Code Copilot Chat にビルトインで入っている
agent-customization スキルがあるから
• GitHub Copilot のカスタマイズに関する現在のベストプ
ラクティスが詰め込まれている
• カスタマイズは多岐に渡る (指示ファイル、カスタムエージェ
ント、Skill、Hook、・・・) 上に、プラクティスの変化も激し
いので、トレンドを追うのではなくこのスキルに頼るのがい
い
内容
1.VS Code のエージェントカスタマイズ用ワークフロースキル, .instructions.md、.prompt.md、.agent.md、SKILL.md 等のファイルの作成・修正・デバッグを支援する。
2.7つのプリミティブ（Workspace Instructions / File Instructions / MCP / Hooks / Custom Agents / Prompts / Skills）を用途に応じて使い分ける判断フローを提供。
3.作成プロセスはスコープ決定→プリミティブ選択→ファイル作成→バリデーションの4ステップで、ワークスペース(.github)かユーザープロファイルかを最初に決める。
4.description フィールドがエージェントの発見面であり、トリガーフレーズを含めないとスキル/インストラクションが呼ばれない点が最重要の落とし穴。
5.YAML フロントマターのサイレント失敗（コロン未エスケープ、タブ混入）や applyTo: "**" によるコンテキスト浪費にも注意が必要。


# Page. 23

![Page Image](https://bcdn.docswell.com/page/KJ4WV8Y571.jpg)

なぜ Plan モードは丁寧にヒアリングしてくれるのか？
• Plan モードの実装で、askQuestions ツー
ルを利用してヒアリングをするように指示さ
れているから
• Plan モードの定義をみるとよくわかる
大きな仮定を置かず、要件を明確にするために
askQuestions ツールを使用してください
Plan の定義ファイルをチラ見


# Page. 24

![Page Image](https://bcdn.docswell.com/page/LE1Y32627G.jpg)