Skip to main content ホーム クリエイター nyxfoundation Skills narrative-heat-engineering
narrative-heat-engineering Narrative Heat Engineering (NHE) — a framework for engineering the "expectation heat" that sequential content builds in its audience as they move through it unit by unit. Works on ANY audience-facing narrative — slide decks (pitch, research talk, sales, recruiting, fundraising, vision keynote), articles, landing pages, papers, proposals, recruitment pages, announcements, video scripts. Use when shaping the SOUL and emotional arc of content: picking the single core proposition, defining the enemy as a STRUCTURE not a person, turning track record into a payoff (伏線回収), choosing the heat-curve shape (log / S / quadratic / exponential), and rewriting flat sections into ones that raise heat without overclaiming. Pairs with emotion-curve-feedback (the diagnostic side). Triggers: 「このデッキ/記事/LPの熱量設計を診断/強化して」「ナラティブで書き直して」「NHEで分析して」「ピッチの掴みが弱い」「刺さるストーリーにして」.
インストールへ移動 Skills Marketplace コミュニティが作成したAIスキルを発見・探索
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/NyxFoundation/skills --skill narrative-heat-engineeringコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Zipをダウンロード ダウンロード中... Build a presentation deck as a native .pptx with python-pptx — real text runs, shapes and charts the
recipient can edit, not screenshots wrapped in a file — then harden it through a render → look → fix
loop plus recursive external review until it survives being opened in PowerPoint and Google Slides,
and ship it to Drive with rclone. Covers the design-system layer (tokens, type scale, 12-column grid),
the OOXML workarounds python-pptx has no API for (letter-spacing, fill alpha, curve smoothing, theme
shadows, group transforms), the text-metrics problem and how to survive it, the Google Slides importer
traps that make a file refuse to open, Assertion–Evidence headline rules that stop copy reading as
try-hard, and the Japanese-typography trap where an italic Latin serif fake-slants CJK. Trigger on:
「スライドを作って」「pptx で作って」「PowerPoint の資料」「デッキを組んで」「python-pptx で」
「スライドの構成を考えて」, or any request to produce an editable slide deck rather than a rendered image.
Author an enterprise-grade proposal (docx) plus a PMBOK-style WBS / Gantt / estimate workbook (xlsx)
that can be handed to a large corporate or public-sector client as-is, then harden it through a
recursive external-agent review loop (Codex CLI / hermes) until an independent reviewer rules it
submittable. Covers the client-ready writing rules (no meta text, no revision history, no AI tells),
numeric-consistency invariants (task rollup must equal role-based effort), explicit buffer accounting,
minimal-deliverable design, rendered figures instead of code blocks, heading outline levels, unit-price
separation, and the Drive / GitHub distribution steps. Trigger on: 「提案書を作って」「WBS を引いて」
「ガントチャート」「見積を出して」「PMBOK」「提案資料の体裁」, or any request to turn a scope into a
client-facing proposal + schedule + estimate.
name narrative-heat-engineering description Narrative Heat Engineering (NHE) — a framework for engineering the "expectation heat" that sequential content builds in its audience as they move through it unit by unit. Works on ANY audience-facing narrative — slide decks (pitch, research talk, sales, recruiting, fundraising, vision keynote), articles, landing pages, papers, proposals, recruitment pages, announcements, video scripts. Use when shaping the SOUL and emotional arc of content: picking the single core proposition, defining the enemy as a STRUCTURE not a person, turning track record into a payoff (伏線回収), choosing the heat-curve shape (log / S / quadratic / exponential), and rewriting flat sections into ones that raise heat without overclaiming. Pairs with emotion-curve-feedback (the diagnostic side). Triggers: 「このデッキ/記事/LPの熱量設計を診断/強化して」「ナラティブで書き直して」「NHEで分析して」「ピッチの掴みが弱い」「刺さるストーリーにして」.
Narrative Heat Engineering（ナラティブヒートエンジニアリング / NHE）
順番に読まれる・見られるコンテンツの「期待熱量」を設計するフレームワーク。
診断側の対になる方法論は emotion-curve-feedback（感情曲線フィードバック） 。
概要
ピッチ・研究発表・営業・採用・資金調達・ビジョン共有などの聞き手が順番に進んでいくコンテンツ において、聞き手の期待熱量を、流れの中で設計する 実践フレームワーク。
適用対象と「区間」の単位:
コンテンツ 区間の単位 スライドデッキ スライド1枚 記事・論文・提案書 章・節 LP・Webページ スクロールブロック 動画・トーク脚本 シーン・段落 メール・告知文 段落
以下、本文の「スライド」は上表の区間 に読み替えられる。
目的は「わかりやすい」や「きれい」を作ることではない。聞き手の中に以下の心理変化を、区間を進める順番で起こすことである：
注意が向く
自分ごとになる
既存の認識に違和感が生まれる
新しい見方が提示される
証拠によって信頼が生まれる
未来の大きさが見える
聞き手個人の欲望が刺激される
後から大きな意味を持つものに早く近づいた感覚が生まれる
見終わったあとも、他人に語りたくなる
期待熱量 とは、「この話には何かある」「自分も近くにいた方がいい」「後から重要になるかもしれない」と感じる心理的エネルギー。
用途例
「このデッキ/記事をナラティブヒートエンジニアリングで作り直して」
「このピッチ資料の熱量設計を診断して」
「このタイトル／クロージングの掴みを強化して」
「この研究発表・採用ページの期待熱量を上げて」
「企業や製品をNHEのレンズで分析して」
中核メッセージ コンテンツとは、情報の羅列ではない。聞き手の中に、未来への温度をつくる装置である。
関連スキルとの位置づけ NHE は**コンテンツの魂（中心命題・敵・感情アーク・熱量曲線の形）**を決める層。
書いたコンテンツの感情曲線を診断して谷を直すのは emotion-curve-feedback スキル。
（スライドデッキの場合）1枚1枚の作り込みは slide スキル、1コンセプトを1枚で動かして見せるのは animated-concept-slide スキル。
NHE → 作る → emotion-curve-feedback で診断 → NHE で直す、というサイクルを回す。
三つの理論レイヤー
1. ナラティブ拡散レイヤー 人はデータだけでなく、伝染する物語によって行動を変える。コンテンツは発表・公開の場を超えて、聞き手が他人に語り直すときに本当の射程を持つ。
S = まだ物語を聞いていない人
I = 物語を信じ、語り広めている人
R = もう飽きた、語らなくなった人
β = 感染率（伝染しやすさ）
γ = 回復率/幻滅率（冷めやすさ）
2. 意思決定合理性レイヤー
これは自分にとって意味があるのか？
組織にとって正当化できるのか？
将来、効いてくるのか？
他の選択肢より良いのか？
今ここで関わる理由はあるのか？
中間資産 を明示する（すぐ換金できないが後から戦略的価値を生む資産）：
研究ネットワーク、技術標準、形式仕様、OSS実装、監査レポート、ベンチマーク、データセット、人材接点、規制・標準化知見、ブランド正統性、早期アクセス、先行学習、共同研究の入口、将来の信用、コミュニティ参加権、未命名領域への早期接続。
3. 心理・認知レイヤー 熱を上げる要素：
新規性(N)、脅威・切迫感(T)、自己関連性(R)、証拠の具体性(E)、社会的証明(S)、今見るべき理由(I)、未来の大きさ(F)、現在と未来のギャップ(G)、予測反転(P)、聞き手個人の欲望(W)、青天井感(U)、これまでと違うもの感(DIF)。
熱を下げる要素：
抽象性(A)、過剰主張・眉唾感(C)、売り込み臭(M)、法務・倫理リスク(L)、自分との距離(DIST)。
期待熱量の簡易モデル Heat(t) = Base
+ 2.0N + 1.8T + 2.2R + 2.5E + 1.5S + 1.8I + 2.0F + 1.6G + 2.3P + 2.0W + 2.4U + 2.0DIF
- 2.5A - 2.8C - 3.0M - 3.0L - 2.0DIST
Heat_smoothed(t) = 0.65 * Heat(t) + 0.35 * Heat_smoothed(t-1)
作成プロトコル（13ステップ） 各ステップは「1〜数区間」に対応させる。区間数が限られるコンテンツでは、隣り合うステップを1区間に統合してよい。
Step 1 — 聞き手を決める 誰の熱量を上げたいのかを決める（大企業会長、オーナー社長、自治体幹部、投資家、採用候補者、技術審査員など）。同じ話でも対象で熱源が変わる。タイトルの一言も対象で変わる。
Step 2 — 聞き手の不安を決める 例：変化に遅れていないか、社内で説明できるか、本当に信用できるのか、関わる意味はあるか。
Step 3 — 中心命題を一文で置く（タイトル／キーメッセージ） ___ は、___ ではなく、___ から生まれる。
良い条件：一文で言える、時代の不安に接続、既存常識を少し反転、証拠で回収できる、他人に話したくなる。これがタイトルとクロージングの両方に効く。
Step 4 — 敵を構造として定義する（問題提起）
検証不能な信頼
後からしか気づけないリスク
もっともらしさだけで流通する成果物
名前がないために見過ごされる問題
機会が中心に集中しすぎる構造
Step 5 — 古い答えの限界を見せる
Step 6 — 新しい答えを置く
Step 7 — 実績を「伏線回収」にする 弱い：「私たちは大きな実績があります」
強い：先に条件を置き（前半の区間）、後から実績の区間で回収する。
Step 8 — 社会的証明を入れる 大学との共同研究、企業実証、行政連携、専門家評価、ユーザーコミュニティ、第三者検証、受賞歴、採択歴、監査・レビュー・ベンチマーク。ロゴや数字で示す。
Step 9 — 中間資産を明示する 短期成果だけでなく、知識・関係・信用・時間・解釈・参加の資産を示す。
Step 10 — 固有装置を示す 「なぜこの主体だからできるのか」を説明。理念そのものではなく、理念を成果に変える装置。
Step 11 — 未来の広がりを示す 市場・制度・人材・標準・文化・産業への広がり。「まだ名前がついていない」「複数領域に広がる」「早く近くにいる意味がある」。
Step 12 — 個人にとっての意味を置く
Step 13 — 最後は「見ておくべき場所」で閉じる（クロージング） 弱い：「ぜひご支援ください」
強い：「いますぐ何かを決める必要はありません。けれど、これから___がどこから生まれるのかを考えるなら、ここは見ておくべき場所です。」
Step 3 の中心命題と響き合わせる（Hook ↔ Close のブックエンド ）。
期待熱量グラフの形状（全体の設計図） 形状 特徴 構成 対数型 序盤に一気に納得、その後高止まり。経営者向けに安全だが熱狂は生みにくい 問題→答え→証拠→未来 S字型 中盤まで問いを積み、後半で証拠と反転を連続させて熱量を上げる 問い→違和感→古い答え→限界→新しい答え→実績回収→未来 二次関数型 後半に向かって加速 小さな違和感→複数伏線→中心命題→実績→未来市場→立ち位置 指数型 後半で急激に上がる。証拠が弱いと詐欺っぽくなる 謎→違和感→緊張→反転→証拠連打→巨大な未来→自分も近くにいたい
実務でのサイクル 書く → 区間に分解する → 採点する → 感情曲線にする → 修正する → 再度グラフ化する
グラフ化と診断は emotion-curve-feedback スキルに渡す。
倫理的前提
熱量は事実を超えてはいけない — 盛った事実は短期は効いても長期で信頼を失う不安だけで動かさない — 必ず解決可能性・実績・選択肢・参加余地をセットで置く直接的なリターンを約束しない — 中間資産として説明する既存権威を雑に否定しない — 敵は人や組織ではなく構造欲望を直接煽りすぎない — 「儲かる」ではなく「早く見抜いた人になる」と翻訳する
ファクト積み（読者に結論を完成させる） 命題を宣言する代わりに、検証済みの客観的事実 を（時系列・因果・規模の）順に積み、読者が「待てよ、それってつまり…」と自分で結論に到達するよう導く。読者が自分で組み立てた結論は、与えられた結論より強く信じられ、より多く語り直される。
使う前に検証する。 数字・日付・評価額・固有名詞はすべて出典に当たる。検証できない事実は入れない。弱い（宣言）：「ハルシネーションのないAIの時代が来た。」
強い（ファクト積み）：「DeepMind の AlphaProof は IMO 2024 で銀メダル級に到達。ByteDance の Seed Prover、DeepSeek-Prover、Goedel-Prover が続いた。Harmonic の Aristotle は IMO 2025 で金メダル級に達し、Harmonic は 2025年11月に評価額 $1.45B のユニコーンになった。」
非専門家向けに書く。 専門用語の隣に一文の平易な説明を置き、分野外の読者にも事実の重さが伝わるようにする。完成を先回りしない。 読者が点を結ぶ直前の「つまり」「これはすなわち」を我慢する。一歩手前で止める。
文体ルール
一文を短くする — 短い文を積む。1区間1メッセージ抽象語の後には具体語を置く — 「AI時代には信頼の再構築が必要」→「人の言葉を信じていいのか。生成されたコードを信じていいのか。」実績は数字・固有名詞で置く — 「多くの実績があります」→「100人超が参加するグローバル監査コンペで世界1位」強いことを言った後に必ず線引きを置く — 幻滅率（γ）を下げるAI臭い抽象語・難語の羅列を避ける — 専門語を並べると“それっぽいが空虚”になる。具体語・短文に分解する。「検証の残余が拘束的制約として残る」→「AIが賢くなるほど、人に残る最後の仕事は『それ本当に正しい?』を確かめること」。難語を使ったらその場で普通の言葉に直すタイトルは短く・具体的・1行 — 説明的に盛らない。体言止め可。断定調・煽り語・軍事メタファー（青天井・希少・本丸・既成事実・巨大市場）を避ける（=「言うな、想起させろ」の徹底）
AI臭いパターンを避ける
──（em dash）の多用先回りの否定（「これはSFではない」「単なるアイデアではない」）
「Xではない。Yだ。」型の反転パンチラインの繰り返し
太字の乱用
芝居がかった締め（「これが今、この分野が立っている場所だ」）
修辞疑問の連打
宣言で終わること。セクションは平叙文で閉じる（「本プロジェクトはその製造・検証手法を作る。」）
コピー生成パターン集
AではなくB これは ___ の話ではありません。___ の話です。
例：これは採用の話ではありません。会社の未来に、誰を早く近づけるかという話です。
まだ名前がない市場 これはまだ、ひとつの市場名を持っているわけではありません。
しかし、いずれ ___、___、___ に関わっていきます。
早く見ていた人になる 後から振り返ったときに、___ を早く見ていた人になる。
固有装置 私たちの強みは、理念そのものではありません。
その理念を、実際の成果に変える装置を持っていることです。
見ておくべき場所 いますぐ何かを決める必要はありません。
けれど、これから ___ がどこから生まれるのかを考えるなら、
ここは見ておくべき場所です。
最終チェックリスト
ナラティブチェック
意思決定合理性チェック
心理・認知チェック
熱量グラフチェック
倫理・信頼性チェック
Pitfalls
過度な熱量上昇 ：β（感染率）だけ上げてγ（幻滅率）を下げないと、後で冷める事実の過剰主張 ：短期的には効いても長期的に信頼を失う抽象語の連続 ：抽象的な導入が続くと熱量が上がらない直接リターンの約束 ：投資商品のように説明すると冷める敵の人化 ：大学・大企業・行政を敵にすると支持を失う欲望の直球 ：「儲かる」「出世する」は下品。翻訳が必要証拠の不足 ：指数型カーブは証拠が弱いと詐欺っぽくなる1区間多メッセージ ：熱の山がぼやける。1区間1メッセージに割る
連携スキル
emotion-curve-feedback（感情曲線フィードバック） ：NHEで書いたコンテンツの感情曲線を診断し、複数ペルソナの感情遷移グラフで冷める箇所（谷）を特定。改善後に再グラフ化してサイクルを回すslide / animated-concept-slide （スライドデッキの場合）：1枚単位の作り込み・1コンセプトのアニメーション化 