grade-tcg-card
정보
이 스킬은 전문적인 PSA/BGS/CGC 기준을 사용하여 트레이딩 카드(포켓몬, 매직 더 개더링 등)의 등급을 평가합니다. 중심 배치, 표면, 모서리, 코너 상태를 신뢰 구간과 함께 분석합니다. 제출 전 평가, 컬렉션 선별, 상태 분쟁 해결, 가치 추정을 위해 설계되었습니다. 개발자는 TCG 애플리케이션 내에서 구조화된 카드 평가를 통합하기 위해 이 기능을 활용할 수 있습니다.
빠른 설치
Claude Code
추천npx 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-cardClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
