レッスンコンテンツを作成する¶

このガイドは、Adaptive Learner のコンテンツローダー向けに新しいレッスンセットをどう用意するかを、ステップごとに説明します。言語またはテーマのセットを作りたい人 - 自分用でも、公開コンテンツプールへの寄稿としてでも - は、最初のレッスンの前に一度通して読んでおくべきです。

コンテンツセットとは¶

コンテンツセットは、ユーザーがセットブラウザのページ（/content）からダウンロードできる、バージョン管理されたレッスンの束です。コンテンツローダープラグイン（v1.27.0）が、両方のストレージモードで発見、ダウンロード、キャッシュ、バージョンの突き合わせを担います。

セットには 3 つの層があります。

ルートマニフェスト（manifest.yaml）- リポジトリの各セットを列挙します。セットブラウザがソースカタログのために読み込みます。
セットマニフェスト（sets/{set-id}/manifest.yaml）- ルートマニフェストの兄弟で、その具体的なセットのレッスンファイルを列挙します。
レッスンファイル（sets/{set-id}/lessons/NN-slug.json）- レッスンごとに 1 つの JSON ファイル。ダウンロードのたびにレッスンスキーマに対して検証されます（下記の スキーマは唯一の信頼できる情報源 を参照）。

Adaptive Learner に同梱されるセットは、別のコンテンツリポジトリ astrapi69/adaptive-learner-content にあり（兄弟チェックアウト ../adaptive-learner-content としてチェックアウトされ、frontend/scripts/copy-bundled-content.mjs を介して GitHub Pages ビルドにオフラインで同梱されます）、テンプレートとして適しています。ライブラリの現在のサイズ（レッスン / セット / ドメインの数、セットごとの表、アクティブなドメイン）は、プロジェクトの README.md にある CONTENT-STATS ブロックです。そのブロックが唯一の信頼できる情報源であり、新鮮なコンテンツチェックアウトから生成されるので、このガイドでは数字を重複させません。

スキーマは唯一の信頼できる情報源（EXP-039）¶

レッスン/演習フォーマットには唯一の正準的な定義があります。それは npm パッケージ learn-content-engine が出荷するレッスン JSON Schema です（公開リリースごとに不変）。このアプリの中では、コンテンツローダープラグインの構造的な Pydantic 層（adaptive_learner_content_loader.schema）は、そのミラーから再生成されます（scripts/generate_pydantic_models.py）。手書きされるのは、意味的なフィールド横断バリデーターだけです。make sync-schema はミラーを更新して派生アーティファクトを再出力し、バイトパリティゲートが schema/*.json とピン留めされたエンジンリリースの一致を証明します。かつてドリフトしていた場所は、もうドリフトできません。

schema/lesson.schema.json（+ 兄弟ファイル）：機械可読の JSON Schema（Draft 2020-12）。レッスンの .json からトップレベルの "$schema" キーで参照すると、IDE の自動補完とインライン検証が得られます。
schema/quality-rules.json：共有の品質最低ライン（例：演習数、 free-text の許容回答数）。クライアント側のコンテンツバリデーターがこれを使うので、手で維持される 2 つ目のコピーはありません。
フロントエンドの TypeScript レッスン型と MkDocs ページレッスンフォーマットリファレンスも生成されます（手で編集しない）。エンジンのミラーに従うので、再ピン後はジェネレーターを再実行してください。

ドリフトゲート（make sync-schema-check、release-test の一部、さらに make test 内の backend/tests/test_lesson_schema_drift.py）は、生成されたアーティファクトがピン留めされたエンジンミラーから乖離すると失敗します。チェーンを閉じるのは、アプリ対エンジンのバイトパリティゲートです：make engine-parity-check （scripts/check_engine_schema_parity.py）、オフラインピンの engine-schema-parity.test.ts、そしてピン整合テストの engine-pin.test.ts（frontend/package.json の依存関係 == schema/engine-version.txt）。コンテンツリポジトリは（このリポジトリではなく）ピン留めされたエンジンリリースをミラーし、自分たちの CI でそのミラーに対して検証します。

フォーマット変更の手順（スキーマの権威はエンジンにある）： レッスンフォーマットの変更はエンジンで始まるか、エンジンで承認されます。まずエンジンの PR + npm リリース。次にこのアプリがエンジンのピン（frontend/package.json + schema/engine-version.txt）を上げて make sync-schema を再実行し、これがミラーを更新して構造的な Pydantic 層を再生成します。手で書くのは新しい意味的バリデーターだけです。その後、コンテンツリポジトリが engine-version.txt のピンを更新します。ミラーへの手編集（や古いピン）はバイトパリティゲートを赤にします。忘れられたステップは可視化され、サイレントなドリフトは起きません。

言語ペア（v1.44.0）¶

すべてのコンテンツセットは、それが教える言語のペアを宣言します。

target_language - 学習者が学ぶもの（例：fr）。
source_language - 学習者がすでに話すもの。つまり、カードの back フィールド、notes、理論テキストが書かれる言語（例：de）。

まさにこれが、「英語話者向けフランス語」を「ドイツ語話者向けフランス語」とは別のセットにします。ターゲット（fr）は同じでも、ソース言語（en か de か）が異なり、説明の言語が異なります。学習者は、その source_language が自分の話す言語の 1 つ（アプリ言語に加え、設定 → 学習でのオプションの追加言語）に一致するセットだけを見ます。

セット ID はペアを {target}-{level}-from-{source} としてエンコードし（例：fr-a1-from-de）、各セットはそのソース言語のディレクトリを指す path（sets/de/fr-a1）を宣言します。セットはさらに title（ソース言語で、学習者が読むもの）と title_native（ターゲット言語で、サブタイトルとして）を持ちます。

両方のコードは ISO 639-1（2 文字）でなければならず、 source_language は target_language と異なる必要があります。これらのフィールドを持たない v1.2 以前のセットも引き続き読み込まれます。古い language キーは target_language として受け入れられ、source_language は en にフォールバックします。

ディレクトリレイアウト¶

ツリーはソース言語、次にターゲット+レベルで構成されます。

my-content-repo/
  manifest.yaml               # Root: lists every set (with path + pair)
  sets/
    de/                       # Source language: German
      fr-a1/                  # Target French, level A1  -> ID fr-a1-from-de
        manifest.yaml         # Set: lists the lessons
        lessons/
          01-begruessung.json
          ...
        assets/               # optional images / audio
    en/                       # Source language: English
      fr-a1/                  # -> ID fr-a1-from-en
        ...

検索インデックス（`search-index.json`）¶

コンテンツの発見と検索（Discover サーフェス）は、リポジトリのルートに公開される軽量な search-index.json（約 4 KB、メタデータのみ - カードの内容は含まない）によって駆動されます。公式コンテンツリポジトリはこれを提供し、アプリは設定された各リポジトリのインデックスをクライアント側で取得します（CORS セーフ、localStorage に 24 時間の stale-while-revalidate TTL でキャッシュ）。これにより学習者は、ダウンロードする前にセットを見つけられます。各エントリはそのセットの id、name、 description、source_language / target_language、level、 domain、lesson_count、card_count、tags、ai_validated フラグ、trust_level、オプションの併読 book、そして updated_at タイムスタンプを掲げます。セットマニフェストと同期を保ってください。公式リポジトリへの PR がこれを再生成します。

マニフェスト形式¶

マニフェストのフィールドスキーマ（リポジトリのセットを列挙するルート manifest.yaml と、その必須・オプションの全フィールド）は、エンジンのリファレンスにあります： learn-content-engine, Manifest format。フィールドの一覧はここでは意図的に繰り返しません。エンジンの厳格なスキーマ（未知のフィールドは拒否される）が各マニフェストを検証し、エンジンのリファレンスがその唯一の正式な記述です。言語ペアのフィールド（target_language / source_language）は「言語ペア」セクションで説明されているとおりに作成してください。 v1.2 以前の language エイリアスも引き続き読み込まれますが、新しいセットでは推奨されません。

オプションのフィールド visibility（エンジン 0.14.0 以降、指定がなければ visible）は、コンシューマーアプリ向けの 表示ヒントです。visibility: hidden は、そのセットを学習者に見せないようアプリに求めます - エンジン検証のためにリポジトリに残す必要があるものの、学習コンテンツではないリファレンス／適合フィクスチャのためのものです。アプリは非表示のセットをブラウズと Discover のサーフェスから除外します（すでにキャッシュされていてもです）。エンジンは引き続きそれらを検証します。アプリ側で維持する非表示セットのリストはもうありません。

覚えておくべきアプリ固有のローダーの挙動：

セットマニフェストは各レッスンファイルを metadata.lessons の下に列挙し、コンテンツローダーはそのリストを与えられた順序で 反復します。ディスク上のファイル名は無関係で、マニフェストの順序だけが重要です。

metadata:
  lessons:
    - 01-intro.json
    - 02-articles.json
    - ...

レッスンスキーマ¶

各レッスンは単一の JSON ファイルです。トップレベルのメタデータ（id、title、description、estimated_minutes）、カードのリスト（最小の学習可能な単位 - 安定した id、front/back のペア、 Markdown の notes、SRS 用の tags）、およびステップのリストで、各ステップは THEORY ステップ（Markdown の body、オプションで example_url リンクまたはインラインの examples）か EXERCISE ステップ（ちょうど 1 つの演習）のいずれかです。

完全でフィールドごとのフォーマットリファレンス - すべてのフィールド、すべての演習タイプ、すべての cloze モードを、エンジンのテストスイートで検証された JSON 例とともに - は、エンジンのリファレンスにあります。

learn-content-engine - docs/lesson-format.md
著者やサードパーティのバリデーター向けの、正準的なレッスンフォーマットリファレンス（アプリのチェックアウト不要）
各エンジンリリースに同梱される機械可読のスキーマ： import schema from "learn-content-engine/schema/lesson.schema.json"
アプリ内の対応版：生成されたレッスンフォーマットリファレンス

エンジンに同梱されるスキーマは、このリポジトリで生成される schema/lesson.schema.json とバイト単位で同一です（make engine-parity-check により強制）。したがって「エンジンに対して検証される」と「アプリで検証される」は同じ主張です。

どの学習目標にどの演習タイプ¶

演習タイプは、多様性ではなく学習目標で選んでください。単語ごとの完全一致採点 - 文全体の word_tiles や、全文の free_text - は、自由な産出では失敗します。1 つの概念は多くの正しい言い方で表現できるので、内容的に正しい学習者が単語ごとに不正解とマークされてしまいます。それが、作成されたレッスンが生み出しうる最もやる気をそぐ瞬間です。代わりに、タイプを目標に合わせてください。

学習目標	適したタイプ
答えが 1 つの事実	`cloze`（空欄）
概念を認識する	多肢選択（`select` モードの `cloze`）/ `matching`
概念を定義する	キーとなる用語を空欄にした `cloze`
自由な説明 / 転移 / 比較	完全一致のタイプはまだない - 今のところ `cloze` / 多肢選択を使う。自己評価は計画中
語順が一意に定まる文（言語学習）	`word_tiles`

経験則：word_tiles は語順が本当に一意な文（翻訳ドリル）にのみ使い、定義や事実は cloze（または cloze の select モードによる多肢選択）として作成します。自由形式の定義を word_tiles や全文の free_text に決して入れないでください - それに対する公平な完全一致採点は存在しません。完全な分析：EXP-041 （docs/explorations/EXP-041-aufgabentyp-eignung-und-faire-bewertung.md）を参照。

演習タイプカタログ（状態）¶

すべての演習タイプの 1 つのリファレンス：何が出荷されているか、新しいタイプなしで何が表現可能か、何が候補か、何が意図的に除外されているか。正準的なモデルは仕様先行では拡張されません - タイプはそのレンダラーとともにのみ出荷されます（SUPPORTED_EXERCISE_TYPES レジストリは ExerciseType 列挙型と等しくなければならず、パリティテストがそれを強制します。v1.4-preview / picture_choice の事例から得た教訓です）。新しいタイプは、具体的なコンテンツの需要に応じて新しい演習タイプの追加のレシピを介して追加されます。

実装済み（`ExerciseType` 列挙型）¶

タイプ	何のため（学習目標、EXP-041）	注記
`matching`	概念を認識 / ペアにする	ドラッグペア、≥ 3 ペア。
`picture_choice`	実際の画像から認識する	≥ 2 枚の画像、正解はちょうど 1 つ。テキスト MC には使わない。
`free_text`	短い事実形の答えを産出する	完全一致、次に Levenshtein ≤ 1。
`word_tiles`	一意な語順（言語）	タイルはシャッフルされる。バリアントは `accept_orderings`。
`cloze`（`type`）	答えが 1 つの事実	空欄ごとに 1 つの `<input>`。
`cloze`（`select`）	単一の多肢選択（レガシーの手段）	タップ可能なボタンとして描画（#1342）。`accept[0]` が正解 + `distractors`。
`cloze`（`multiselect`）	「当てはまるものをすべて選択」（レガシーの手段）	`accept`（すべて正解）+ `distractors` に対する完全一致セット（#1195）。
`multiple_choice`	ネイティブなテキスト多肢選択（スキーマ v1.6、#1525）	`options`（`{text, correct?}`、テキストは一意）+ `multiple`。単一 = 正解ちょうど 1 つ。複数 = 完全一致セット、部分点なし。

スキーマ v1.6 以降、ネイティブな multiple_choice タイプがあります。これは cloze の select/multiselect という手段（EXP-036 §4.3、

890）と共存します - 既存の cloze ベースの MC は有効なまま、¶

何も非推奨になりません。新しいテキスト MC のコンテンツには multiple_choice を優先してください。正解はオプションごとのフラグなので、accept/distractors を重複なく保つという落とし穴は起こり得ません。「マルチプルチョイスの作成」の節を参照。

拡張ティア（`ext:` 名前空間）¶

閉じたコア列挙型を超えて、ext:<vendor>-<name> 名前空間の演習タイプがあります。それらはコアスキーマにとって構造的に不透明です。それらを使うレッスンは requires_extensions でそれらを宣言し、ペイロードは登録された拡張によって検証され、コアスキーマによっては決して検証されません。この仕組みはエンジンのリファレンス learn-content-engine - docs/extensions.md で説明されています。アプリは 5 つの拡張タイプを採用しています（ExerciseDispatcher の SUPPORTED_EXT_EXERCISE_TYPES。パリティゲートがディスパッチャーとロードガードを同期させるので、読み込めるものはすべて描画できます）。

タイプ	何のため	ペイロード（`ext_payload`）	採用
`ext:al-categorization`	用語をグループに分ける	`categories: [{name, items[]}]`、少なくとも 2 つのバケット	#1591（最初の拡張タイプ、棚卸し #1579）
`ext:al-error-correction`	誤りのあるテキストを訂正する	`tokens[]` + `error_index` + `accept[]`	#1593
`ext:al-reading-comprehension`	読解（文章 + 設問）	`passage` + `questions[]`（各設問は `multiple_choice` / `free_text` のサブ設問）	#1603
`ext:al-graded-quiz`	採点付きクイズ	`questions[]`（各設問に `points`）+ オプションの `pass_threshold`	#1616。デモのリファレンスセットは Discover / マイコンテンツから隠されている（#1702）
`ext:al-dictation`	音声のディクテーション（聞いてから書き取る）	`audio`（`assets/` のクリップ、またはエディタのアップロードで埋め込まれたデータ URI、#1911）+ `accept[]`（寛容な書き起こしマッチング）	#1881（5 番目の採用）

2 つの作成パス。 拡張演習は、(a) コンテンツリポジトリの JSON として直接（正準的なパス。エンジンのリファレンスで説明）、または (b) アプリ内で作成できます。レッスンクリエイターは拡張作成ウィザード（#1852）を得ました。ステップ 1 の Advanced exercise types テンプレートから到達でき、5 つのタイプすべて（#1859 categorization + error-correction、#1865 reading-comprehension + graded-quiz、#1887 dictation）をカバーします。ディクテーションは、一般化された requires_extensions ゲートの背後で、ステップ 3 のコア演習タイプピッカーからも到達できます（#1895）。どちらのパスも同じレッスン JSON を出力し、requires_extensions を設定します（バージョン付き、例：ext:al-dictation@1）。

拡張タイプごとの例¶

各ブロックは、レッスンの .json に現れる演習オブジェクトです。タイプ固有のデータは ext_payload の下にあります。正準的なフィールドリファレンスはエンジンの docs/extensions.md です。

{
  "type": "ext:al-categorization",
  "prompt": "Sort each word into fruit or vegetable.",
  "ext_payload": {
    "categories": [
      {"name": "Fruit", "items": ["apple", "banana"]},
      {"name": "Vegetable", "items": ["carrot", "potato"]}
    ]
  }
}

{
  "type": "ext:al-error-correction",
  "prompt": "One word is wrong. Correct it.",
  "ext_payload": {
    "tokens": ["The", "two", "child", "are", "playing"],
    "error_index": 2,
    "accept": ["children"]
  }
}

{
  "type": "ext:al-reading-comprehension",
  "prompt": "Read the text and answer.",
  "ext_payload": {
    "passage": "Marie is sitting in a café. She orders a coffee and reads a book.",
    "questions": [
      {
        "prompt": "Where is Marie?",
        "type": "multiple_choice",
        "options": [
          {"text": "In a café", "correct": true},
          {"text": "At home"},
          {"text": "At the station"}
        ]
      }
    ]
  }
}

{
  "type": "ext:al-graded-quiz",
  "prompt": "Greetings quiz.",
  "ext_payload": {
    "pass_threshold": 60,
    "questions": [
      {
        "prompt": "How do you say 'hello' in French?",
        "type": "multiple_choice",
        "points": 1,
        "options": [
          {"text": "Bonjour", "correct": true},
          {"text": "Merci"},
          {"text": "Au revoir"}
        ]
      }
    ]
  }
}

{
  "type": "ext:al-dictation",
  "prompt": "Listen and type what you hear.",
  "ext_payload": {
    "audio": "assets/audio/comment-ca-va.mp3",
    "accept": ["Comment ça va ?", "Comment ca va"]
  }
}

レッスンウィザードでの利用可否¶

プレイ可能（レンダラーが存在する）、生成可能（AI ミックスが生み出せる）、手動追加可能（ステップ 3 で手で 1 つ追加・編集する）は、 3 つの異なることです。6 つのコアタイプはすべてプレイ可能かつ生成可能です。create-lesson ウィザードのタイプピッカー（ExerciseGenerator.tsx の ALL_TYPES）は各コアタイプを提供し、ステップ 3 の各演習はインラインで編集・並べ替え可能で、手動の + Add exercise ボタンがあります（#1849、#1853）。

タイプ	プレイ可能	生成可能（AI ミックス）	手動追加可能（ステップ 3）
`matching`	はい	はい	はい
`free_text`	はい	はい	はい
`cloze`	はい	はい	はい
`word_tiles`	はい	はい	はい
`picture_choice`	はい	はい	はい
`multiple_choice`	はい	はい（#1853。単一/複数モードのコントロール #1888）	はい
`ext:al-dictation`	はい	いいえ	はい。コアピッカー（#1895）または拡張ウィザード（#1887）から
`ext:al-categorization`	はい	いいえ	拡張ウィザードから（#1859）
`ext:al-error-correction`	はい	いいえ	拡張ウィザードから（#1859）
`ext:al-reading-comprehension`	はい	いいえ	拡張ウィザードから（#1865）
`ext:al-graded-quiz`	はい	いいえ	拡張ウィザードから（#1865）

ディクテーション以外の 4 つの拡張タイプは、拡張ウィザードで（またはコンテンツリポジトリの JSON として）作成され、コアの AI 生成に混ぜられることはありません。

リッスンファーストはモードであってタイプではありません。 #1687 （決定 #1600、オプション A）以降、free_text と matching の演習は音声先行の要素（まず聞いてから答える）を持てます。演習のタイプは変わりません。同じ決定のオプション B、ディクテーションタイプは、 ext:al-dictation 拡張として出荷されました（#1881）。上記の拡張ティアで文書化されています。

作成ツールとしてのレッスンクリエイター¶

アプリ内のレッスンクリエイター（/create-lesson）は、AI 生成ボタンだけでなく、完全な作成サーフェスです。

ステップ 3 の各演習はその場で編集可能。 生成または追加された各演習はインラインエディタで開きます（6 つのコアタイプすべて、加えて拡張エディタ）。ドラッグで並べ替え、削除、またはミックス全体を再生成できます（#1845）。
手で演習を追加。 + Add exercise ボタンはタイプを選び、空の演習をインラインエディタに直接追加するので、AI 生成なしで作成できます（#1849、#1853）。ピッカーは 6 つのコアタイプに加えてディクテーションを列挙します（#1895）。
例文が生成を駆動する。 カード（ステップ 2）はオプションの例文を持てます。それが、そのカードの cloze と word_tiles の生成を可能にし（cloze では、空欄にできるようにカードの front の用語を文に含める必要があります）、カード画像が picture_choice を可能にします。それらがない場合、それらのタイプは静かにスキップされ、ステップ 3 が、選ばれたどのタイプが何も生み出さなかったかを説明します（#1847、#1848）。
生成されるプロンプトは UI 言語に従う。 演習の指示テンプレートは生成時にローカライズされるので（#1857）、ドイツ語 UI の著者は英語のデフォルトではなくドイツ語のプロンプトを得ます。古いレッスンを開いて編集すると、レガシーの英語デフォルトと依然としてバイト単位で同一の演習プロンプトは、機会的に UI 言語のテンプレートに移行されます（編集状態のみ。保存した場合のみ永続化）（#1861）。

新しいタイプなしで表現可能（タイプではなく慣習）¶

概念	方法
True/False、Yes/No	2 択の `multiple_choice`（または 2 択の `cloze` `select`）
ドロップダウン / ラジオ / チェックボックス	`multiple_choice` / cloze select の表現 - 別々のタイプではない

必要なら計画（候補 - 確約ではない）¶

候補	近いもの	いつ
順序付け / 並べ替え	`word_tiles`	具体的なコンテンツ需要があってはじめて、レシピを介して。
数値フィールド（数値比較）	`free_text`	具体的なコンテンツ需要があってはじめて、レシピを介して。

意図的に除外¶

除外	なぜ（1 行）
小論文 / 長文 / 描画 / 数式 / ピアレビュー / 自由な自己評価	二値の SRS 採点ができない。自己評価は延期（#1268）。
音声 / 動画 / ファイルアップロード	ストレージ + インフラ。オフラインファーストと衝突する。唯一の例外：演習エディタがデータ URI としてレッスンに埋め込む、短いディクテーションの音声クリップ。
ホットスポット / シミュレーション / 神経衰弱 / クロスワード	SRS 上の価値なしに構築コストがかかる（もしやるとしても後の別の決定）。
マトリクス / リッカート / スライダー	学習タイプではなく調査タイプ。
日付 / 時刻ピッカー	学習タイプではなくフォームタイプ。

演習タイプのリファレンス¶

タイプごとのフィールドリファレンス - matching、picture_choice、 free_text、word_tiles、multiple_choice、そして type / select / multiselect モードを持つ cloze：必須フィールド、 JSON 例、意味的な規則（cloze の ___ マーカー == blanks、 card_ids の参照整合性、multiselect の accept/distractor の非重複、picture-choice の正解ちょうど 1 つ）- は、エンジンのリファレンスにあります： learn-content-engine - docs/lesson-format.md。そこにある各 JSON 例はエンジンのテストスイートで抽出・検証されるので、リファレンスは腐りません。アプリ固有の作成慣習は以下に残します。

マルチプルチョイスの作成¶

推奨（スキーマ v1.6+、#1525）：ネイティブな multiple_choice タイプ。 各オプションが自分の correct フラグを持つため、互いに重複しないよう保つ別々の accept/distractors リストはありません。 multiple: false（デフォルト）は単一選択（正解はちょうど 1 つ）、 multiple: true は「当てはまるものをすべて選択」（完全一致セット採点、部分点なし）です：

{
  "id": "ex-capital",
  "type": "multiple_choice",
  "prompt": "What is the capital of France?",
  "card_ids": ["card-paris"],
  "options": [
    {"text": "Paris", "correct": true},
    {"text": "Berlin"},
    {"text": "Madrid"},
    {"text": "Rome"}
  ]
}

レガシーの手段（引き続き完全に有効 - 共存であり、何も非推奨になりません）： v1.6 より前、テキスト MC は cloze の select モードとして作成していました（EXP-036 §4.3、#890）。単一解答の質問は空欄 1 つの cloze です。sentence（___ で終わる）が質問、空欄の accept[0] が正解のオプション、distractors が誤りのオプションです。例： "sentence": "The capital of France is ___."、 "blanks": [{"accept": ["Paris"]}]、"cloze_mode": "select"、 "distractors": ["Berlin", "Madrid", "Rome"]。

質問全体を prompt に置き、素の "sentence": "___" を使うこともできます。レンダラーは正解 + ディストラクターからなる <select> を表示し、選択を採点し、フィードバックを出して SRS に反映します：

{
  "id": "ex-hook-state",
  "type": "cloze",
  "prompt": "Which hook manages local state in a function component?",
  "card_ids": ["card-usestate"],
  "sentence": "___",
  "blanks": [{"accept": ["useState"]}],
  "cloze_mode": "select",
  "distractors": ["useEffect", "useContext", "useRef"]
}

テキストのマルチプルチョイスを picture_choice として決して作成しないでください。 このタイプは実際の画像アセット専用です。テキストの選択肢ではプレースホルダーのタイルが描画され、使えるコントロールにはなりません（参照： astrapi69/adaptive-learner-content-test#10）。テキスト MC は multiple_choice（推奨）または cloze の select モードです、上記のとおり。

「当てはまるものをすべて選択」（正解が 2 つ以上。例：運転免許試験の問題）は cloze_mode: "multiselect" を使います：

{
  "type": "cloze",
  "cloze_mode": "multiselect",
  "sentence": "Which cities are in Germany?",
  "accept": ["Berlin", "Hamburg"],
  "distractors": ["Vienna", "Zurich"]
}

1 つの cloze に複数の空欄もサポートされます。文中の各 ___ は、順に blanks の次のエントリへマッピングされます。各空欄は独自の hint + placeholder + accept リストを持てます。要素 SRS は空欄ごとに 1 つの ElementAttempt にファンアウトするので、空欄 A は流暢に埋めるが空欄 B を常に間違える人は、空欄単位のマスタリー追跡を得ます。

カードのトークンロール（Phase 52I / v1.35.0） - オプションのカードメタデータで、cloze ジェネレーターが実行時（復習セッション + レッスン終了時の訂正ラウンド）に意味的に意味のある空欄を選べるようにします。

{
  "id": "art-un",
  "front": "un chat",
  "back": "eine Katze",
  "tags": ["article"],
  "token_roles": [
    {"token": "un", "role": "article"}
  ]
}

ロールの閉じた列挙型：article / verb / noun / adjective / preposition / gender_marker / tense_marker。ロールの追加はマイナーなスキーマバージョンのバンプです。インラインで拡張しないでください。

非ラテン系文字：翻字の慣習¶

ターゲット言語が非ラテン系文字（日本語、中国語、韓国語、ギリシャ語、ヒンディー語 ...）を使うセットのための拘束力ある規則。コンテンツリポジトリで確立され適用されています - 先例： content#90、 content#91。残ったギャップの一掃： content#106、 content#107。

1. 方向の規則。 翻字は、ソース言語がラテン系文字を書く場合の非ラテン系のターゲット言語にのみ用います（de→ja、de→zh、 de→ko ...）。ラテン系文字のターゲットを持つ非ラテン系のソース 言語（hi→en、el→fr）には翻字は付きません - 学習者はすでに自分の文字を読めます。

2. 形式。 原文の直後に丸括弧：こんにちは (konnichiwa)。理論ステップでは常に。オプションやプロンプトでは、無害な場合のみ（裏切り禁止の規則を参照）。

3. 裏切り禁止の規則（核心）。 翻字は決して解答を漏らしてはなりません。文字読解タスク、声調認識、word_tiles のタイル、 cloze の文脈は、問われる要素については翻字なしのままにします。意味のタスクには付けます。迷ったら付けないでください。

肯定例（意味マッチング、content#91）：マッチングペア {"left": "妈 (mā)", "right": "Mama / Mutter"} - 問われる知識は意味なので、読みの補助は何も裏切りません。
否定例（文字読解、content#91）：ko-a1/01-hangul-lesen の文字読解演習は翻字なしのままです。ローマ字化が答えそのものだからです（文字 → 音）。プロンプト内の 가 (ga) は学習者に解答を手渡してしまいます。

4. 言語ごとの標準ローマ字化、セット内で一貫して：日本語はヘボン式、中国語は声調記号付きの拼音、韓国語は文化観光部 2000 年式、ギリシャ語/ヒンディー語は一般的な簡略翻字。1 つのセット内でシステムを決して混在させないでください。

5. タイピングタスク（free_text / cloze の type モード）： accept[0] は正準的なローマ字形。加えて、一般的なバリアントも受け入れます - 日本語：訓令式の綴り（si/ti/tu/hu/zi、例： konnichiwa の隣に konnitiwa）。中国語：声調なし拼音（nǐ hǎo の隣に nihao）。韓国語：広く使われる別形（例： annyeong haseyo）。記憶のフック：演習は学習者のキーボードで決して失敗してはならない。 先例（IME のブロッカー、content#107）： 가 だけを受け入れる cloze は、韓国語 IME なしでは解けませんでした - ローマ字の ga も受け入れる必要がありました。

どのタイプがどの学習目標を担うか：上記の「演習タイプカタログ（状態）」を参照。

演習の方向（v1.46.0 / EXP-018）¶

すべての演習は、学習者がカードをどちらの方向で練習するかを示すオプションのフィールド direction を受け入れます。

target_to_source（デフォルト）- 受容的：ターゲット言語が示され、ソース言語が認識される（より易しい）。
source_to_target - 生産的：ソース言語が示され、ターゲット言語が産出される（より難しい）。
both / random - 試行ごとの具体的な方向の選択を、レンダラー／適応型ジェネレーターに委ねます。

{
  "type": "matching",
  "direction": "source_to_target",
  "card_ids": ["bonjour"],
  "pairs": [{ "left": "Bonjour", "right": "Guten Tag" }]
}

このフィールドは追加的です。スキーマはバージョン 1.2 のままで、 direction のないレッスンは以前とまったく同じ（受容的）に振る舞います。SRS は方向ごとにマスタリーを追跡します。受容的にマスターしたカードは、まだ生産的にはマスターされていません。 cloze 演習は文脈に依存し、direction を無視します。難易度の段階的進行のためには、初期のレッスンを受容的に保ち、後のレッスンで source_to_target を導入します（同梱のパイロットコンテンツがまさにそうしています）。

適応型レッスンジェネレーター向けのアノテーション（v1.36.0+）¶

Phase 53 の適応型レッスンジェネレーター（/adaptive-lesson/:setId、F-114）は、既存の演習を組み替えて、学習者の特定の弱点を狙って対処します。ジェネレーターは追加のアノテーションなしでも機能しますが、2 つのフィールドが大幅にそれを賢くします。

カード上のより広い token_roles のカバレッジ。 ジェネレーターは token_roles を使って次のことを行います。
間違いから cloze バリアントを生成する際に、意味的に妥当な空欄を選ぶ（v1.35.0 で既に）
間違いを article_gender / verb_conjugation として分類し、ダッシュボードの「練習の重点」チップに使う（53E）
元の演習が間違っていたとき、同じ要素をテストする代替演習を見つける（53D のバリエーションロジック - そのカードに合致する token_roles エントリを持つ候補を見つけます）

独自の文法単位を教える各カード（冠詞、活用した動詞形、性を持つ名詞）に token_roles エントリを追加してください。コストはカードごとに JSON エントリ 1 つ。見返りは、はるかに豊かな適応生成です。

tags: ["article", "masculine"] のようなカードタグは、 token_roles がない場合のフォールバックとして、間違い分類器に読まれます。token_roles の代わりにはなりません - 安価で中途半端なアノテーションです。

まだ必要としていないもの（将来のスキーマバンプに延期）：

異なるレッスンのカード間の related_cards 相互参照
演習ごとの難易度評価（ジェネレーターは現在、難易度を exercise.type から推定します）
代替の cloze 文脈として解析可能な、notes 内のカードごとの例文（cloze ジェネレーターは front のみを使います）

経験則：文法トークンを教える各カードに token_roles を追加してください。これが、適応システムにとって最も効果の大きい著作習慣です。

アセット（セットが同梱する画像）- v1.37.0+¶

picture-choice 演習とカードのカバー画像は、2 つのソースから来ます。 1. 著者のアセットファイル。セットマニフェストで宣言され、レッスン JSON の隣に同梱されます。 2. プレースホルダー SVG。アセットが存在しない場合に実行時に生成されます（色語のためのカラータイル、数字のための大きな数字、それ以外すべてのためのアバタースタイル）。

アセットなしでセットを公開しても、picture-choice は引き続き機能します。プレースホルダー SVG ジェネレーターが色 + 数字を自動的にカバーし、それ以外すべてについては決定論的なアバターにフォールバックします。

ディレクトリレイアウト¶

セットのディレクトリ内で、アセットは assets/ の下に置きます。

sets/
  language-fr-a1/
    manifest.yaml
    lessons/
      01-greetings.json
      02-numbers.json
      ...
    assets/
      img/
        chat.png
        chien.png
        oiseau.png

マニフェストでの宣言¶

各アセットは、ダウンローダーが何を取得すべきかを知るために、セットマニフェストで宣言する必要があります。

sets:
  - id: language-fr-a1
    title: French A1
    language: fr
    level: A1
    version: '1.0.0'
    lesson_count: 10
    assets:
      - path: img/chat.png
        size_kb: 45
      - path: img/chien.png
        size_kb: 38

path はセットの assets/ ディレクトリからの相対パスです（レッスン JSON からではありません）。レッスン JSON 内では、 picture-choice 演習は assets/ プレフィックスを付けて アセットを参照します。

{
  "type": "picture_choice",
  "prompt": "Welches ist 'chat'?",
  "images": [
    {"src": "assets/img/chat.png", "label": "Katze", "is_correct": "true"},
    {"src": "assets/img/chien.png", "label": "Hund"}
  ]
}

フロントエンドは、アセットリゾルバを呼び出すときに assets/ プレフィックスを自動的に除去するので、レッスン JSON は著者にとって直感的な形のままです。

サイズ + 形式の制限¶

アセットごとの上限：500 KiB。マニフェストバリデーターは、宣言された size_kb がこの上限を超えるアセットを拒否します。ダウンローダーも、実際のバイトサイズが宣言を 10% 超えるアセットを拒否します - マニフェストを正直に保ちます。
セットごとのソフト上限：合計 10 MiB。バリデーターは警告しますが、拒否はしません。
受け入れられる形式：.png / .jpg / .jpeg / .webp / .svg。GIF（アニメーションコンテンツは気を散らす）も BMP （圧縮なし）も不可。写真には WebP を推奨します - 同等の品質で PNG よりはるかに小さい。アイコン + 図には SVG を推奨します - きれいにスケールし + 極小のファイルサイズです。

サイズの推奨¶

picture-choice タイルは、デスクトップで最大 150x150 px、モバイルで 100x100 px にレンダリングされます（object-fit: contain）。 300x300 px のソース画像が、不要なデータ量なしに Retina 画面で最良の結果をもたらします。150 KiB を超える PNG が、半分のサイズのよく圧縮された WebP より見栄えが良くなることはまずありません。

実行時プレースホルダーで十分な場合¶

著者の画像が学習上の利得をもたらさないほど、実行時プレースホルダーが優れている 3 種類のレッスン：

色のレッスン（rouge / rojo / rot / red）：プレースホルダージェネレーターは、色名に合った色付きの hex タイルを生成します。著者のタイルは冗長です。
数字のレッスン（7 / 42 / 1492）：プレースホルダーは数字を大きく + 中央に表示します。著者の画像は、非アラビア数字体系の場合のみ意味があります。
明白な視覚的表現を持たない抽象概念（patience、 liberté）：アバタープレースホルダーは、議論を呼ぶアイコンの選択を強いることなく、明確な視覚的アンカーを提供します。

それ以外すべて（動物、物、食べ物、場所、体の部位）については、著者の画像が認識 + 記憶を測定可能なほど助けます。

品質チェックリスト¶

新しいレッスンの PR の前に確認してください。

[ ] レッスンごとに3〜5 個の理論ステップ + 8〜12 個の演習
[ ] 少なくとも 3 種類の演習タイプが含まれる（matching、picture-choice、free-text、word-tiles、cloze - cloze は v1.35.0 以降）
[ ] 理論ステップはステップごとに 200 語以下
[ ] free-text 演習：≥ 3 個の accept バリアント + ≥ 3 個の distractor
[ ] word-tiles：演習ごとに ≥ 3 個のタイル
[ ] estimated_minutes：10〜15（理想化せず、現実的に）
[ ] distractor は間違いだが妥当であること - 意味的に関連し、決してランダムではない
[ ] カードの notes が本当の付加価値を提供する（発音、フォールスフレンド、例外フラグ）
[ ] 段階的な構造：後の概念が同じセット内の前の概念の上に積み上がる
[ ] 文化的な正確さ：実際の言語使用であり、教科書の決まり文句だけではない
[ ] スキーマ検証：レッスンが dict_to_lesson() できれいに読み込まれる（ローカルでのテストを参照）
[ ] カード ID の整合性：各 exercise.card_ids[i] がレッスンの cards[] に存在する
[ ] 言語ペア：target_language + source_language が設定されている（ISO 639-1、相異なる）、title_native が存在する

検証（2 つの層、v1.44.0）¶

コンテンツは、同じチェックを行う 2 つの検証層によって守られます。

アプリ内、共有の前。 マイレッスン → コミュニティに提供を通じて共有すると、まずルールベースのチェックが（常に、AI なしで）実行されます。これは下記の最低基準を強制します。それを下回るセットは共有できません。それに合格し、かつ AI キーが設定されている場合、学習者はオプションで補完的な AI チェック（翻訳の正確さ、distractor の妥当性、文法、レベル、文化的な配慮、自然さ）を開始できます。AI のステップは決して自動ではなく、明示的な同意を必要とし（レッスンコンテンツが設定済みのプロバイダーに送信されます）、共有を決してブロックしません - ルールベースのチェックが関門です。
コンテンツリポジトリの CI で。 astrapi69/adaptive-learner-content へのプルリクエストは、独自の scripts/validate_content.py （ベンダー化された、エンジンにピン留めされたスキーマミラーに対する構造 + 品質最低基準）に加えて、エンジン適合ゲート（各レッスンに対する learn-content-engine の validate()）を実行するので、手動の PR が関門を回避することはありません。

品質の最低基準（ハードな関門）： レッスンごとに ≥ 5 個の演習、≥ 2 種類の演習タイプ、≥ 1 個の理論ステップ、free-text は ≥ 2 個の正解 + distractor、matching は ≥ 3 ペア、picture-choice は distractor 付き、空のカードの表面・裏面なし、そして（非ラテン系のソース文字の場合）カードの裏面がソース文字で書かれていること。これらは最低基準であり、目標ではありません - 上のチェックリストはそれ以上を求めます。

セット全体の AI コンテンツチェック（オプション）¶

共有時のチェックに加えて、ダウンロード済みのセットは Check with AI を通じてセット全体でレビューできます。これは完全にオプションであり、学習者が設定したプロバイダー + モデル（Anthropic / OpenAI / Gemini）を使います。カードはバッチでそのプロバイダーにレビューのため送信されます。フローはコスト見積もりを表示し、プログレスバー + キャンセル付きで実行し、ブラウザにキャッシュされ Markdown としてエクスポートできるカードごとのレポート （どのプロバイダー + モデルがチェックを実行したかを記録する行付き）を生成します。レポートが合格すると、セットはコンテンツハッシュ + 署名で裏付けられた「AI チェック済み」バッジを獲得するので、後でカードを編集すると、セットが再チェックされるまでバッジが無効化されます。AI チェックは決して関門ではありません - 助言的な出所証明であって、公開の要件ではありません。

ローカルでのテスト¶

コンテンツローダーのスキーマバリデーターは make test の一部として実行されます。1 つのレッスンを手動で検証するには：

cd plugins/adaptive-learner-plugin-content-loader
poetry run python -c "
import json, sys
from adaptive_learner_content_loader.schema import dict_to_lesson
path = '../adaptive-learner-content/sets/en/fr-a1/lessons/01-greetings.json'
with open(path) as f:
    lesson = dict_to_lesson(json.load(f))
print(f'OK: {lesson.id} - {len(lesson.cards)} Cards, {len(lesson.steps)} Steps')
"

コンテンツリポジトリのすべてのレッスンを一度に検証するには - コンテンツリポジトリのバリデーター（その CI が PR のたびに実行するのと同じスクリプト）を使います。

cd ../adaptive-learner-content
python3 scripts/validate_content.py

これは sets/{source}/{target-level}/ の下の各セットを見つけ、スキーマに加えて品質の最低基準（≥5 個の演習、≥2 種類の演習タイプ、≥1 個の理論ステップ、free-text の accept + distractor、 matching のペア、空のカードなし、カード ID の整合性）を検査します。新しいレッスンは自動的に検出されます - テストの変更は不要です。

PR ワークフロー¶

セットが完成したら：

メインリポジトリに対して PR を開く（アプリに同梱されるべきセットの場合）、または
あなたの GitHub アカウントの下に独自のコンテンツリポジトリを作り、コンテンツローダーを backend/config/plugins/content-loader.yaml（default_sources の下）で設定します。

コンテンツローダーは、任意の公開 GitHub リポジトリをソースとしてサポートします。プライベートリポジトリには、3 層のキー管理（~/.config/adaptive_learner/secrets.yaml）を通じて設定されるパーソナルアクセストークンが必要です。

よくあるつまずき¶

カード ID の参照：演習の各 card_ids エントリは、レッスンの cards[] に存在しなければなりません。演習をレッスン間でコピーして、対応するカードを一緒に持っていくのを忘れると、検証が失敗します。

slug 安全な ID：すべての ID（レッスン、カード、ステップ、演習）は ^[a-z0-9]+(-[a-z0-9]+)*$ に一致しなければなりません。アンダースコア、アポストロフィ、大文字、先頭／末尾のハイフンは不可です。

is_correct: "true"：これは JSON のブール値ではなく文字列です。スキーマは picture_choice のフィールドが内部的に dict[str, str] としてモデル化されているため、明示的に "true" を要求します。

余分なフィールド：各モデルは extra="forbid" です。文書化されていないフィールドは、レッスン全体の拒否につながります。文書化されたフィールドに従ってください。

理論の body：理論ステップは空でない body フィールド（Markdown）を必要とします。演習ステップは body を持ってはいけません - 代わりに演習の prompt を使ってください。

リファレンス：同梱セット¶

Adaptive Learner は、いくつかのドメインにまたがる相当なライブラリ（言語、プログラミング、心理学、AI、テクノロジー - ライブの数と完全なセットごとの表については README の CONTENT-STATS ブロックを参照）を同梱しています。adaptive-learner-content リポジトリ内の良い正準的リファレンスをいくつか挙げます。

sets/en/fr-a1/ - 英語話者向けフランス語 A1。 sets/de/fr-a1/ はドイツ語ソースの対応版です。
sets/en/es-a1/ + sets/de/es-a1/ - スペイン語 A1（ソース言語ごとに 1 つ）。
sets/de/ の下の「Python - Grundlagen」セットは、 domain: programming の例（ドイツ語ソース == ターゲット）で、非言語のリファレンスとして有用です。

すべてこのガイドで説明した規則に従っています。完全なレッスンを 1 つ通読することが、構造を体得する最速の方法です。

コミュニティ参加への道（v1.42.0）¶

スクリーンショット付きのステップバイステップの解説： Create a lesson in the app, step by step （Medium）は、最初のカードから完成したレッスンの共有まで、アプリ内のレッスンクリエイターをはじめから終わりまで案内します。

レッスンをゼロから手作業で作る必要はありません。何かを寄稿する最も手早い方法は、アプリ内でレッスンを作成して共有することです。

チャットをインポートして分析し、その後オフラインレッスンとして保存します（または適応型レッスンを終えてこのレッスンを保存しますか？）。レッスンはセットブラウザの マイレッスンの下に現れます。
「マイレッスン」でコンテンツセットとしてエクスポートをクリックすると、コンテンツセットを .zip としてダウンロードできます（マニフェスト + レッスン）。エクスポートにはレッスンコンテンツのみが含まれます - 進捗も、間違い履歴も、個人的なものも含まれません。
コミュニティに提供をクリックすると、コンテンツリポジトリに事前入力されたプルリクエストが開きます - レッスン JSON がツリーの正しいパスにコミットされ、.zip の添付は不要です。
リポジトリの CI が PR を自動的に検証します。メンテナーがレッスンを審査し、マニフェスト（id、title、language、level、 tags）を上記の規則に合わせ、sets/ の下にマージします。マージ後は、誰でもセットブラウザからダウンロードできます。

これがソーシャルな道です。審査は手作業で（メンテナーがすべての追加をキュレーションし、自動公開されるものは何もありません）、全体の流れは GitHub だけで済みます。生成されたレッスンはすでにスキーマに対して検証されているので、寄稿されたレッスンはたいてい、マニフェストの少しの仕上げだけで済みます。

共有アシスタント、バリエーション、著者クレジット（Phase 64）¶

マイレッスンからレッスンを共有すると、GitHub に直接飛ぶ代わりに、4 ステップのアシスタントが開きます。

プレビュー + 配置。 アプリは、レッスンがツリー内のどこに落ち着くか（sets/{ソース}/{ターゲット}-{レベル}/）と、自動採番されたファイル名（{nn}-{slug}.json、既存のレッスンの次の番号）を正確に計算します。まったく新しいペア + レベルには 「新しいセットです！あなたが最初です。」が表示されます。
重複チェック。 レッスンは、そのパスに既に存在するレッスンと比較されます（カードと演習の重なり - 助言的で、決してブロックしません）。似たものが存在する場合は、次のことができます。
バリエーションとして共有 - レッスンに variation_of: "{original_id}" と、オプションの variation_note（「あなたのバージョンはどこが違いますか？」）がマークされます。
新しい演習のみを提案（ほぼ重複の場合）- アシスタントは、オリジナルに欠けている演習だけを、対応するカードとともに、補完バリエーションとして抽出します。
品質サマリー。 ルールベースのバリデーターの所見（加えてオプションの AI チェック）。警告は表示されますが、決してブロックしません。
共有 + お祝い。 ワンクリックで GitHub のプルリクエストが開き（小さなレッスンはファイルエディタ、大きなレッスンはアップロードページ）、アプリが小さなお祝いで感謝します。

バリエーションとクレジットのフィールド（スキーマ 1.3、すべてオプション）¶

{
  "variation_of": "10-passe-compose",
  "variation_note": "Mehr Übungen zur Angleichung",
  "contributed_by": "Maria S.",
  "contributed_at": "2026-06-01T14:30:00Z"
}

4 つすべてが追加的でオプションです。それらのないレッスンは以前とまったく同じに振る舞います。contributed_by は、著者が共有時にクレジットを有効化した場合に設定されます（次回のためにローカルに記憶される「あなたの名前（オプション）」フィールド）。存在する場合、ビューアはタイトルの下に「{name} による提供」という控えめな行を表示し、プルリクエストのテキストはそのメタデータテーブルに著者を列挙します。

寄稿履歴とギャップ¶

共有されたレッスンはローカルに記憶され（アカウント不要）、 マイ寄稿の下にカウンターと、5 つのレッスンを共有すると コミュニティ寄稿者の称号が付きます。セットブラウザはさらに 欠けているレッスンを表示します - 既存のペアの次の CEFR レベルへの、あるいはあるソース言語には存在するが別のソース言語では欠けているターゲット言語への、励みになる提案です（「手伝えますか？」）。

レッスンコンテンツを作成する¶

コンテンツセットとは¶

スキーマは唯一の信頼できる情報源（EXP-039）¶

言語ペア（v1.44.0）¶

ディレクトリレイアウト¶

検索インデックス（search-index.json）¶

マニフェスト形式¶

レッスンスキーマ¶

どの学習目標にどの演習タイプ¶

演習タイプカタログ（状態）¶

実装済み（ExerciseType 列挙型）¶

890）と共存します - 既存の cloze ベースの MC は有効なまま、¶

拡張ティア（ext: 名前空間）¶

拡張タイプごとの例¶

レッスンウィザードでの利用可否¶

作成ツールとしてのレッスンクリエイター¶

新しいタイプなしで表現可能（タイプではなく慣習）¶

必要なら計画（候補 - 確約ではない）¶

意図的に除外¶

演習タイプのリファレンス¶

マルチプルチョイスの作成¶

非ラテン系文字：翻字の慣習¶

演習の方向（v1.46.0 / EXP-018）¶

適応型レッスンジェネレーター向けのアノテーション（v1.36.0+）¶

アセット（セットが同梱する画像）- v1.37.0+¶

ディレクトリレイアウト¶

マニフェストでの宣言¶

サイズ + 形式の制限¶

サイズの推奨¶

実行時プレースホルダーで十分な場合¶

品質チェックリスト¶

検証（2 つの層、v1.44.0）¶

セット全体の AI コンテンツチェック（オプション）¶

ローカルでのテスト¶

PR ワークフロー¶

よくあるつまずき¶

リファレンス：同梱セット¶

コミュニティ参加への道（v1.42.0）¶

共有アシスタント、バリエーション、著者クレジット（Phase 64）¶

バリエーションとクレジットのフィールド（スキーマ 1.3、すべてオプション）¶

寄稿履歴とギャップ¶

関連ページ¶

検索インデックス（`search-index.json`）¶

実装済み（`ExerciseType` 列挙型）¶

拡張ティア（`ext:` 名前空間）¶