grade-tcg-card
About
This skill grades trading cards (Pokémon, MTG, etc.) using professional PSA/BGS/CGC standards, covering centering, surface, edges, and corners with a confidence interval. It's designed for pre-submission evaluation, collection screening, condition dispute resolution, and value estimation. Developers can integrate it for structured card assessment within their TCG applications.
Quick Install
Claude Code
Recommendednpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/grade-tcg-cardCopy and paste this command in Claude Code to install this skill
Documentation
name: grade-tcg-card description: > PSA、BGS、CGC基準を使用してトレーディングカードをグレーディングする。 観察優先の評価(meditateの偏りなき観察から適応)、センタリング測定、 表面分析、エッジとコーナーの評価、信頼区間付き最終グレード付与をカバー。 ポケモン、MTG、Flesh and Blood、Kayouカードをサポート。プロのグレーディング 提出前のカード評価、コレクションの高グレード候補プリスクリーニング、 買い手と売り手間のコンディション紛争解決、カードのグレード依存価値幅の 見積もりに使用する。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: tcg complexity: intermediate language: natural tags: tcg, grading, psa, bgs, cgc, pokemon, mtg, fab, kayou, cards, collecting locale: ja source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16
TCGカードのグレーディング
プロのグレーディング基準(PSA、BGS、CGC)に従ってトレーディングカードを評価・グレーディングする。グレードアンカリング(最も一般的なグレーディングバイアス)を防ぐため、meditateスキルから適応した観察優先プロトコルを使用する。
使用タイミング
- プロのグレーディングサービスへの提出前にカードを評価する場合
- 提出に値する高グレード候補を特定するためにコレクションをプリスクリーニングする場合
- 買い手と売り手間のカードコンディション紛争を解決する場合
- 構造化された評価プロトコルに従い一貫したグレーディングを学ぶ場合
- 特定カードのグレード依存価値幅を見積もる場合
入力
- 必須: カード識別情報(セット、番号、名前、バリアント/エディション)
- 必須: カード画像または物理的説明(表面と裏面)
- 必須: 適用するグレーディング基準(PSA 1-10、BGS 1-10サブグレード付き、CGC 1-10)
- 任意: 異なるグレードでの既知の市場価値(グレード-価値分析用)
- 任意: カードゲーム(ポケモン、Magic: The Gathering、Flesh and Blood、Kayou)
手順
ステップ1: バイアスの除去 — 予断なき観察
meditateステップ2-3から適応: 期待グレードや市場価値にアンカリングせずにカードを観察する。
- カードの市場価値に関する知識を脇に置く
- グレーディング前に最近の販売データやポピュレーションレポートを調べない
- カードが「価値がある」と知っている場合、そのバイアスを明示的に認める:
- 「このカードはPSA 10で$Xの価値があることを知っている。それを脇に置く。」
- カードをまず収集品ではなく物理的な物体として検査する
- 最初の直感的な印象を記録するが、それが評価をアンカリングしないようにする
- 時期尚早なグレードの考えに「アンカリング」とラベル付けし、観察に戻る
期待結果: カードが市場の期待ではなく純粋に物理的状態で評価される中立的な開始状態。グレードアンカリング(グレーディング前に価値を知ること)はグレーディング不一致の第1の原因。
失敗時: バイアスが強い場合(高価値カードが10を見たくさせる)、バイアスを書き出す。外在化することでその影響が軽減される。カードを物理的な物体として検査できるようになってから進む。
ステップ2: センタリング評価
両面のカード印刷センタリングを測定する。
- 表面の4辺すべてのボーダー幅を測定する:
- 左 vs 右ボーダー(水平センタリング)
- 上 vs 下ボーダー(垂直センタリング)
- 比率で表現する: 例 左右55/45、上下60/40
- 裏面も同様に繰り返す
- グレーディング基準のセンタリング閾値を適用する:
PSAセンタリング閾値:
+-------+-------------------+-------------------+
| グレード | 表面(最大) | 裏面(最大) |
+-------+-------------------+-------------------+
| 10 | 55/45以内 | 75/25以内 |
| 9 | 60/40以内 | 90/10以内 |
| 8 | 65/35以内 | 90/10以内 |
| 7 | 70/30以内 | 90/10以内 |
+-------+-------------------+-------------------+
BGSセンタリングサブグレード:
+------+-------------------+-------------------+
| サブ | 表面(最大) | 裏面(最大) |
+------+-------------------+-------------------+
| 10 | 50/50 完璧 | 50/50 完璧 |
| 9.5 | 55/45以内 | 60/40以内 |
| 9 | 60/40以内 | 65/35以内 |
| 8.5 | 65/35以内 | 70/30以内 |
+------+-------------------+-------------------+
- 各軸のセンタリングスコアと適用されるサブグレードを記録する
期待結果: 両面の数値センタリング比率と対応するグレード/サブグレードが特定される。これはグレーディングプロセスで最も客観的な測定。
失敗時: ボーダーが狭すぎて正確に測定できない場合(フルアートカード、ボーダーレスプリント)、「センタリングN/A — ボーダーレス」と記録しステップ3に進む。一部のグレーディングサービスはボーダーレスカードに異なる基準を適用する。
ステップ3: 表面分析
カードの表面に欠陥がないか検査する。
- 良好な照明下で表面を検査する:
- 印刷欠陥: インクスポット、インク欠落、印刷ライン、色の不一致
- 表面キズ: 直接光と角度光で見える
- 表面の白化: 表面層のヘイズまたは曇り
- 凹み・圧痕: すれすれ光で見える凹み
- 汚れ・変色: 黄変、水跡、化学的損傷
- 同じ基準で裏面も検査する
- 工場欠陥 vs 取り扱い損傷を区別する:
- 工場: 印刷ライン、ミスカット、クリンピング — ペナルティが軽い場合がある
- 取り扱い: キズ、凹み、汚れ — 常にペナルティ
- 表面状態を評価する:
- 完璧 (10): 拡大鏡下で無傷
- ほぼ完璧 (9-9.5): 拡大鏡でのみ見える軽微な不完全さ
- 優秀 (8-8.5): 肉眼で見える軽微な摩耗
- 良好 (6-7): 中程度の摩耗、複数の軽微な欠陥
- 可またはそれ以下 (1-5): 目に見える重大な損傷
期待結果: 各欠陥の位置、説明、重大度が評価された詳細な表面インベントリ。工場欠陥 vs 取り扱い欠陥が区別される。
失敗時: 画像の解像度が表面分析に不十分な場合、制限を記録し、ポイントグレードではなくグレード範囲を提供する。物理的検査を推奨する。
ステップ4: エッジとコーナーの評価
カードのエッジとコーナーの摩耗を評価する。
- 4辺すべてを検査する:
- 白化: 色付きエッジに沿った白い点や線(最も一般的な欠陥)
- チッピング: エッジ層の小さな欠片が欠落
- 粗さ: エッジが不均一またはマイクロティアがある
- ホイル剥離: ホロフォイルカードでは、エッジでの層間剥離を確認
- 4つのコーナーすべてを検査する:
- シャープさ: コーナー先端が鮮明で尖っている
- 丸み: コーナー先端がカーブに摩耗(軽度、中度、重度)
- 割れ: コーナーで層の分離が見える(ディング)
- 折れ: コーナーが曲がったり折れたりしている
- 表面と同じスケールでエッジとコーナーの状態を評価する
- 最も状態の悪い特定のコーナー/エッジを記録する
期待結果: エッジごと・コーナーごとの状態評価。最も悪い個別のコーナー/エッジが通常、全体グレードを制限する。
失敗時: カードがスリーブやトップローダーに入っていてエッジが見えない場合、完全に評価できなかった部分を記録する。
ステップ5: 最終グレードの付与
サブ評価を最終グレードに統合する。
- PSAグレーディング(1-10の単一数値)の場合:
- 最終グレードは最も弱いサブ評価で制限される
- 完璧な表面でも65/35センタリングのカードはPSA 8が上限
- 「最低限界」原則を適用し、他の領域が例外的に良い場合は上方調整
- BGSグレーディング(4つのサブグレード -> 総合)の場合:
- サブグレードを付与: センタリング、エッジ、コーナー、表面(各1-10、0.5刻み)
- 総合 = 加重平均、ただし最低サブグレードが総合を制限
- BGS 10 Pristineは4つのサブグレードすべてが10必要
- BGS 9.5 Gem Mintは平均9.5以上かつサブグレード9未満なし
- CGCグレーディング(PSAに類似、ラベルにサブグレード付き)の場合:
- センタリング、表面、エッジ、コーナーを付与
- 総合はCGCの独自の重み付けに従う
- 最終グレードを信頼度とともに述べる:
- 「PSA 8(確信あり)」— 明確なグレード、上下に変動する可能性は低い
- 「PSA 8-9(ボーダーライン)」— グレーディングサービスでどちらにもなりうる
- 「PSA 7-8(不確実)」— 評価データが限定的
期待結果: 信頼度レベル付きの最終グレード。BGSの場合は4つのサブグレードすべてを報告。グレードはステップ2-4の証拠で裏付けられる。
失敗時: 評価が決定的でない場合(例: 表面の跡がキズか汚れか判断できない)、グレード範囲を提供しプロのグレーディングを推奨する。データ不十分で確信あるグレードを付与しないこと。
バリデーションチェックリスト
- グレーディング前にバイアスチェック完了(グレードアンカリングなし)
- センタリングが両面で比率とともに測定されている
- 表面がキズ、印刷欠陥、汚れ、凹みについて検査されている
- 4辺と4コーナーすべてが個別に評価されている
- 工場欠陥 vs 取り扱い欠陥が区別されている
- 最終グレードが各サブ評価の証拠で裏付けられている
- 信頼度レベルが述べられている(確信あり、ボーダーライン、不確実)
- グレーディング基準が正しく適用されている(PSA/BGS/CGC閾値)
よくある落とし穴
- グレードアンカリング: グレーディング前にカードの価値を知ることで、「期待する」グレードに向かって評価がバイアスされる。常に物理的評価を先に行う
- 裏面の無視: 裏面の表面と裏面のセンタリングもカウントされる。多くのグレーダーは表面に過度に注目する
- 工場欠陥と取り扱い欠陥の混同: 工場の印刷ラインはキズとは異なるが、両方ともグレードに影響する
- ホロフォイルの過大グレーディング: ホログラフィック・フォイルカードは適切な角度で見るまで表面キズを隠す。複数の光角度を使用する
- センタリングの視覚的錯覚: アートの配置がセンタリングを実際より良くまたは悪く見せることがある。アートではなくボーダーを測定する
関連スキル
build-tcg-deck— カードのコンディションがトーナメント適格性に影響するデッキ構築manage-tcg-collection— グレードベースの評価を用いたコレクション管理meditate— グレーディングバイアス防止に適応された予断なき観察技法の出典
GitHub Repository
Related Skills
llamaguard
OtherLlamaGuard is Meta's 7-8B parameter model for moderating LLM inputs and outputs across six safety categories like violence and hate speech. It offers 94-95% accuracy and can be deployed using vLLM, Hugging Face, or Amazon SageMaker. Use this skill to easily integrate content filtering and safety guardrails into your AI applications.
cost-optimization
OtherThis Claude Skill helps developers optimize cloud costs through resource rightsizing, tagging strategies, and spending analysis. It provides a framework for reducing cloud expenses and implementing cost governance across AWS, Azure, and GCP. Use it when you need to analyze infrastructure costs, right-size resources, or meet budget constraints.
quantizing-models-bitsandbytes
OtherThis skill quantizes LLMs to 8-bit or 4-bit precision using bitsandbytes, achieving 50-75% memory reduction with minimal accuracy loss. It's ideal for running larger models on limited GPU memory or accelerating inference, supporting formats like INT8, NF4, and FP4. The skill integrates with HuggingFace Transformers and enables QLoRA training and 8-bit optimizers.
dispatching-parallel-agents
OtherThis Claude Skill dispatches multiple agents to investigate and fix 3+ independent problems concurrently. It is designed for scenarios involving unrelated failures that can be resolved without shared state or dependencies. The core capability is parallel problem-solving, assigning one agent per independent problem domain to maximize efficiency.
