| name | opinions-md |
| description | ワークスペース内における過去の Claude Code 対話ログ (ctx が索引した全 primary セッション) から、ユーザーの durable な意見・信念・判断基準を蒸留して OPINIONS.local.md を生成する。 |
OPINIONS.local.md ジェネレータ
過去の Claude Code 対話ログを唯一のソースに、ユーザーの durable な意見・信念だけを蒸留して、今のワークスペース向けの $WORKSPACE/.claude/OPINIONS.local.md を書く。
前提
-
ctx CLI がセットアップ済みで、過去セッションを索引していること (ctx-agent-history-search スキルと同じ CLI)。未導入なら先にそちらを立ち上げる。
-
WORKSPACE を決める。成果物 (local 版) の唯一の置き場所であり、既定で $WORKSPACE/.claude/OPINIONS.local.md に書く:
WORKSPACE="$(git rev-parse --show-toplevel)"
ワークスペースが git 管理下にない場合はユーザーに配置先を確認する (git rev-parse は非 git ディレクトリではエラー終了する)。
-
中間成果物 (バッチ台帳・抽出候補・ドラフト) はワークスペースに残す必要がないため mktemp -d で作った一時ディレクトリに置く。以降このパスを $OUT と書く:
OUT="$(mktemp -d -t opinions-md)"
mktemp -d は毎回新規の衝突しないディレクトリを作る (同名ワークスペースやブランチ併走との衝突を避けるため、固定パスにはしない)。中断した続きから再開したい場合は、直前に使っていた $OUT のパスをユーザーに確認して変数に入れ直す。
手順
フェーズ 0: 準備とスコープ確認
-
ctx の準備を確認する。
ctx status
ctx sql "SELECT is_primary, COUNT(*) AS sessions FROM ctx_sessions GROUP BY is_primary"
-
抽出源のスコープをユーザーに確認する。 既定は primary セッションのみ。理由: ユーザー本人の発言 (意見の主源泉) は primary の user メッセージにしか無く、subagent セッションはエージェント同士のやり取りなので本人は喋っていない。primary だけで本人発話は全網羅でき、coverage は落ちない。
- 「subagent 内で systemReminder 経由等に述べた指示・信念も拾いたい」意図があるなら
is_primary 条件を外して全セッションを対象にする。この差分だけ確認して進める。
-
出力先を確認する。 既定は $WORKSPACE/.claude/OPINIONS.local.md。まず $OUT/OPINIONS.draft.md (中間ドラフト) に出し、ユーザーの確認後に配置する一段クッションを挟む。$WORKSPACE/.claude/OPINIONS.local.md に既存ファイルがある場合は上書き前に必ず退避を確認する (不可逆)。
フェーズ 1: バッチ台帳を作る (メイン, 軽い)
primary セッションを event 数付きで CSV に吐き、event 数で均等割りして 16 バッチに分ける。
mkdir -p "$OUT/batches" "$OUT/candidates"
ctx sql --max-rows 1000 --format csv \
"SELECT s.ctx_session_id,
COUNT(e.ctx_event_id) AS events,
SUM(CASE WHEN e.event_type='message' THEN 1 ELSE 0 END) AS msgs,
COALESCE(s.cwd,'') AS cwd
FROM ctx_sessions s
LEFT JOIN ctx_events e ON e.ctx_session_id = s.ctx_session_id
WHERE s.is_primary = 1
GROUP BY s.ctx_session_id
ORDER BY events DESC" > "$OUT/sessions.csv"
echo "rows (incl header): $(wc -l < "$OUT/sessions.csv")"
python3 "${CLAUDE_SKILL_DIR}/scripts/build-batches.py" "$OUT" 16
補足:
--max-rows 1000 を忘れると ctx sql が 100 行で頭打ちになり、セッションを取りこぼす。- バッチ数 16 は 369 セッション規模での実績値。セッション数に応じて
build-batches.py の第 2 引数で調整してよい (1 バッチ ~20-25 セッションが目安)。
フェーズ 1.5: パイロット (推奨)
いきなり 16 体流す前に batch-01 を 1 体だけ走らせ、出力 JSON のスキーマ・quote の質・件数感を確認する。ここで確認するスキーマは opinion-extractor.md の「出力」節が正本。抽出方針の調整が要る場合は、opinion-extractor.md 自体は編集せず、フェーズ 2 以降の Agent 呼び出しプロンプトに調整指示を追記して渡す (例: 「テーマ <X> は抽出しすぎなので confidence low 以下は落として」)。
python3 -c "import json;d=json.load(open('$OUT/candidates/batch-01.json'));print('valid,',len(d),'items');[print(x['confidence'],'|',x['theme'],'|',x['opinion']) for x in d[:6]]"
フェーズ 2: 抽出 (サブエージェント fan-out)
各バッチ 1 体、同梱のカスタムエージェント opinions:opinion-extractor (subagent_type: "opinions:opinion-extractor") を起動する。プロンプトには次を含める:
- ユーザー名 (例:
m-takeda)
- 担当バッチファイルのパス (
$OUT/batches/batch-NN.txt)
- 出力先パス (
$OUT/candidates/batch-NN.json)
- (フェーズ 1.5 で抽出方針の調整が要ると分かった場合) その調整指示。全バッチ共通で効かせたいので、この後の全 Agent 呼び出しに毎回同じ指示を含める
run_in_background: true で並列に流す。マシン負荷を見つつ 3-5 体ずつラウンドで回してもよい。各エージェントは担当セッションを自分の context 内で読み、$OUT/candidates/batch-NN.json を書き、返り値の仕様は opinion-extractor.md の「返り値」節を参照。
全バッチの完了を待ってから、ls "$OUT"/candidates/batch-*.json | wc -l で batches/ のバッチ数と一致するか確認する。欠けているバッチがあれば、そのバッチだけ同じ手順で再実行する。
フェーズ 3: 集約と検証 (メイン, 軽い)
全候補 JSON をバリデートし、1 ファイルに集約してテーマ分布を出す。alias 辞書は実行のたびに実際に出た表記ゆれを見て育てる想定 (opinion-extractor.md の theme 例と語彙が乖離していないか、このタイミングで見ておく)。
python3 - "$OUT" <<'PY'
import json, os, sys, glob
from collections import Counter
out = sys.argv[1]
allc = []
for p in sorted(glob.glob(os.path.join(out, 'candidates', 'batch-*.json'))):
b = os.path.basename(p).replace('.json', '')
try:
d = json.load(open(p))
except Exception as e:
print('BAD JSON:', p, e); continue
for x in d:
x['_batch'] = b
allc.append(x)
alias = {'命名哲学':'設計哲学', 'トラブルシューティング':'トラブルシュート',
'データ基盤':'データ基盤/パイプライン', 'データ基盤・パイプライン':'データ基盤/パイプライン'}
for x in allc:
x['theme'] = alias.get((x.get('theme') or '').strip(), (x.get('theme') or '').strip())
json.dump(allc, open(os.path.join(out, 'all-candidates.json'), 'w'), ensure_ascii=False, indent=1)
print('total candidates:', len(allc))
print('--- theme ---')
for t, c in Counter(x['theme'] for x in allc).most_common():
print(f'{c:3d} {t}')
print('--- confidence ---')
for t, c in Counter(x.get('confidence') for x in allc).most_common():
print(f'{c:3d} {t}')
print('contested:', sum(1 for x in allc if x.get('contested')))
PY
フェーズ 4: 統合・執筆 (メイン, 品質勝負)
$OUT/all-candidates.json だけ を読み込む (生ログは読まない)。次を行い $OUT/OPINIONS.draft.md に日本語で書く:
- 重複マージ: 同じ信念が複数バッチに出るのは強いシグナル。1 項目にまとめ、Evidence を束ねる。
- テーマ分類: theme を束ねて
## セクションにする。対話が偏っているドメイン (例: 特定のドメイン固有の分野) は独立セクションにしてよい。
- durable フィルタ: low confidence 由来で一時的苛立ち・その場限りに見えるものは落とす。無理に項目数を増やさない。
- drift/contested の扱い:
contested: true や矛盾する候補は、撤回・変遷として書くか落とすかを判断する。
- Evidence 行: 各項目に、その信念が表れた対話への参照 (ctx session ID + 本人発話の短い引用) を付す。quote は候補 JSON のものをそのまま使い、捏造しない。
書式の目安 (実績のドラフト構成):
# OPINIONS.md
<一文の位置づけ>
<このファイルが何を蒸留したものか。ソース = ctx 索引の primary セッション N 本、
落としたもの = 一回限りの指示・コード片・雑談、である旨>
> 蒸留元の時期・分野の偏りに関する断り書き
---
## <テーマ>
### <一文で言い切った信念>
<補足 2-4 文。なぜそう考えるか、どの文脈で繰り返し現れたか>
- Evidence: 「本人発話の引用」(`<ctx_session_id 先頭8桁>`)
- Evidence: ...
フェーズ 5: 確認と配置
ドラフトができたら、次の 3 点をユーザーに確認する:
- 中身の妥当性 — 「これは自分の信念じゃない/言い過ぎ」があれば直す。
- 粒度 — 項目数は多すぎ/少なすぎないか。ブログ原典は各テーマ数項目なので絞る方向もある。
- 配置 — OK なら
$OUT/OPINIONS.draft.md を $WORKSPACE/.claude/OPINIONS.local.md へ配置する (mkdir -p "$WORKSPACE/.claude" してから)。この local 版が opinions-md-dotfiles スキルの入力になる。
中間成果物 (すべて mktemp -d で作った $OUT に残す。ワークスペースには置かない)
sessions.csv — primary セッション一覧 (event/msg 数付き)batches/batch-NN.txt — バッチごとのセッション ID 列candidates/batch-NN.json — 各バッチの抽出候補all-candidates.json — 集約済み候補 (統合フェーズの入力)OPINIONS.draft.md — 配置前のドラフト
このスキルに同梱するもの
scripts/build-batches.py — CSV を event 数で 16 均等割りするビンパッカーopinions:opinion-extractor (プラグイン同梱カスタムエージェント) — フェーズ 2 の抽出サブエージェント本体
