EXP008強化学習歩容実験のルール準拠

ナビゲーション設定（navigation.ts）とルーティング（App.tsx）を自動で追加し、新しい教材ページを作成できます。手作業の設定漏れを防げます。 CodeBlock、CodePreview、CodingChallenge（プレビュー付き）、Quiz、InfoBox など教材に必要なコンポーネントを含めたページテンプレートを自動生成できます。 ページ作成後、自動的にテスト（navigation.test.ts のページ数期待値更新）を実行し、ビルド検証までを一貫して行えます。 既存ページのパターンに準拠した統一的なページ構造を保ちながら、新規教材を効率的に追加できます。 React ベースの教材サイトで新しいコース・セクションを頻繁に追加する教育プラットフォーム運営者 ページ作成時の設定漏れやテスト漏れを減らしたい開発チーム CodeBlock やプレビュー機能を活用した対話的な教材を数多く作成したいコンテンツ制作者 統一されたコンポーネント構成を保ちながら教材を増やしたい教育サービス ページ作成6ステップ：(1) client/src/lib/navigation.ts にセクション（必要なら）とページ定義追加。(2) client/src/App.tsx に lazy import + Route 追加。(3) client/src/pages/{manual}/{section}/{PageName}.tsx ファイル作成（既存ページパターン準拠、step-badge と PageNavigation 含める）。(4) CodeBlock / CodePreview / CodingChallenge（preview=true で有効なJSX initialCode）/ Quiz / InfoBox / PageNavigation 要素を含める。(5) navigation.test.ts のページ数期待値更新。(6) ビルド + テスト通過確認。禁止パターン：CodingChallenge initialCode 内で /* */ コメント非使用、text-black / bg-white 直接使用禁止（CSS変数使用）、ポエム調コピー回避。

curriculum.md からレッスン番号を指定して、JavaScriptの詳細な学習教材を自動生成できます。 そのレッスンまでに学んだ概念だけを使用し、まだ習っていない関数やループなどは絶対に含めない、厳密なカリキュラム追従を実現します。 身近なサービス（YouTube、Amazon、Twitter等）を例に、初学者への共感と励ましを含めた十分な文章量（1レッスン300-400行程度）の教材を生成できます。 YAMLフロントマター、セクション構成、練習問題まで含めた投稿可能な学習教材を自動作成し、exercises/lesson-XXX/ に保存できます。 JavaScriptの初学者向けカリキュラムを構築・運営している教育プラットフォーム レッスン毎に統一されたスタイルの学習教材を効率的に生成したい講師・教材作成者 既習概念のみで解ける練習問題を自動生成し、学習者の混乱を防ぎたい人 ですます調・日常例・丁寧な解説など、初心者向けの教材品質を一貫して保ちたい教育者 curriculum.md からレッスン番号指定して JavaScript 学習教材を生成するスキル。ステップ1でレッスン情報抽出：レッスン番号・タイトル・□ステップ・【知識】・✅成果物を取得し、前レッスン情報も抽出して「前回の復習」に使用。ステップ1.5で既習概念を確認（レッスン12以前は console.log/alert/ブラウザ操作のみ、レッスン13-24は DOM 操作、レッスン20以降で関数登場等）。ステップ2で教材生成：レッスン1ははじめに→学習→概念説明→実践→練習問題→まとめ構成、レッスン2以降は学習（前回復習+目標）→概念→実践→練習→まとめ構成。YAMLフロントマター title:「Lesson XXX: [タイトル]」(3桁ゼロ埋め)。概念説明は【知識】から詳細説明+日常例+複数サンプルコード+各行コメント+実行結果記載。練習問題は ✅成果物を課題化、詳細手順+複数視点ヒント+解答例+追加チャレンジ。ですます調厳守、感嘆符なし、行末に「：」なし（単語説明は可）、十分な文章量で初学者への配慮。

実験の出力ディレクトリをそのままKaggle Datasetに変換・アップロード：複雑な変換やメタデータ作成なしで、フォルダ構造を保ったまま（fold0/fold1/など）Kaggle上に公開できます。 学習済みモデルを研究コミュニティと簡単に共有：チェックポイントファイルをKaggleの標準形式でホストし、他の研究者が即座に利用・引用できる環境を整えます。 実験メタデータを自動管理・更新：Dataset IDやタイトル、ライセンス情報をYAML形式で一元管理し、新バージョンの追加も自動化します。 複数実験の並列管理と版管理：異なる実験や複数のrun（小実験）を整理して管理し、バージョン更新メッセージで変更内容を明確に記録できます。 機械学習の研究結果をオープンソース化・公開したい研究者・学生 Kaggleコンペで学習済みモデルをチームメンバーや審査員と共有する必要があるデータサイエンティスト 複数の前処理パイプラインやモデルチェックポイントを体系的に管理したいML エンジニア 過去の実験結果を再現・参照可能な形で記録・公開したい機械学習プロジェクト管理者 4フェーズで実行：(1)対象実験・run・チェックポイントの特定：src/exp*/をGlobで検索し、config/config.yamlのrun_nameを確認、ls -lhRでチェックポイント一覧表示。(2)Kaggle Datasetメタデータ準備：既存のdataset-metadata.jsonを確認、なければユーザーからKaggleユーザー名とコンペティションslugを取得し、{kaggle_user}/{comp_slug}-{exp_name}形式のslugで新規作成。(3)アップロード実行：初回はkaggle datasets create -p src/{exp_name}/output/{run_name}/、更新はkaggle datasets versionでメッセージ付き。(4)完了報告：アップロード情報・fold数・ファイル一覧・Notebookから参照するパス例を提示します。