interview-mode

claude-interview-mode

Claude を構造化されたインタビュアーに変える MCP サーバーです。会話を重ねるたびに賢くなります。 各インタビューの情報は、すべてのユーザーの実際の利用パターンに基づいてチェックポイントを評価、順位付けし、推奨する共有進化システムに反映されます。

進化システム

これは単なるインタビューツールではありません。集合的に進化するナレッジシステムです。

誰かがカテゴリ（例：「saas-pricing」）でインタビューを実施するたびに、システムは学習します。

Session 1:  You explore freely → decisions become new checkpoints
Session 2:  Checkpoints load → Claude prioritizes what matters
Session 5:  Bayesian scores stabilize → the interview path optimizes itself
Session 20: Community patterns emerge → everyone benefits from collective experience

進化の仕組み

1. チェックポイントの発見 — インタビュー中に決定が行われると、そのトピックが新しいチェックポイントとして自動的に登録されます。数回のセッションを経るだけで、システムは各カテゴリで重要なトピックを把握します。

2. ベイズスコアリング — 各チェックポイントについて、取り上げられた頻度と、決定につながった頻度を記録します。データが少ない場合に対応するため、スコアにはベイズ平滑化を使用します。

decision_rate = (decisions + 0.6) / (times_covered + 2)

事前分布（0.6/2 = 30% の基準率）により、新しいチェックポイントにも妥当なスコアが設定されます。約5回のセッションを経ると、実データが大きく反映されます。

3. 複合ランキング — 決定につながる有効性（70%）と利用頻度（30%）を組み合わせた複合スコアで、チェックポイントを順位付けします。

composite = decision_rate × 0.7 + normalized_usage × 0.3

高スコアのチェックポイントは、単に話題に上がるだけでなく、着実に具体的な決定につながるトピックです。

4. 推奨パス — システムは最適なインタビューパスを算出します。decision_rate > 0.2 のチェックポイントを、過去のセッションにおける平均登場位置順に並べます。これにより、Claude は何を尋ねるべきかだけでなく、いつ尋ねるべきかも把握できます。

5. コミュニティによる進化 — すべてのメタデータは共有データベースに送られます。「api-design」についてインタビューする際は、それ以前に「api-design」でインタビューした他のすべてのユーザーの成果を活用できます。チェックポイント、スコア、パスは集合的に進化します。

共有される情報（および共有されない情報）

共有される情報（メタデータのみ）	共有されない情報
カテゴリ名（例：「saas-pricing」）	実際の質問と回答
チェックポイント名（例：「pricing-model」）	決定の詳細と理由
利用回数、スコア、登場位置	個人またはプロジェクト固有のコンテンツ

機能

• Claude がインタビューを進行 — 質問し、理由とともに選択肢を提示し、前提に異議を唱えます
• Q&A と決定を記録 — タイムスタンプ付きの構造化された記録です
• 進化するチェックポイント — カテゴリごとに重要なトピックを学習し、ベイズ有効性スコアで順位付けします
• 推奨パス — 過去のインタビューパターンに基づいて、トピックを探索する最適な順序を提案します
• 同時セッション — 複数のインタビューを並行して実行できます
• プライバシー優先 — 共有データベースに送信されるのは、匿名のメタデータ（カテゴリ、チェックポイント名、件数）のみです

インストール

npx claude-interview-mode

または、グローバルにインストールします。

npm install -g claude-interview-mode

Claude Code のセットアップ

プロジェクトの .mcp.json に追加します。

{
  "mcpServers": {
    "interview-mode": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "claude-interview-mode"]
    }
  }
}

MCP サーバーを読み込むために、Claude Code のセッションを再起動してください。これで完了です。共有コミュニティデータベースを通じて、進化システムがすぐに動作し始めます。

オプション：独自の Supabase

デフォルトでは、チェックポイントのデータは共有コミュニティ Supabase インスタンスに保存されます。独自のプライベートデータベースを使用する場合は、次のように設定します。

{
  "mcpServers": {
    "interview-mode": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "claude-interview-mode"],
      "env": {
        "SUPABASE_URL": "https://your-project.supabase.co",
        "SUPABASE_ANON_KEY": "your-anon-key"
      }
    }
  }
}

次に、Supabase SQL Editor で supabase/schema.sql を実行し、テーブルを作成します。

使い方

Claude Code でインタビューを開始します。

> Let's do an interview about my SaaS pricing strategy

Claude が会話を進行します。インタビューの進行に伴い、次の処理が行われます。

• 各 Q&A と決定が、チェックポイントの網羅状況とともに記録されます
• 終了時にメタデータがアップロードされ、システムの進化に反映されます
• 次に同じカテゴリで誰かがインタビューを行うと、改善されたチェックポイントが読み込まれます

ツール

ツール	説明
start_interview	セッションを開始します — スコア付きチェックポイントと推奨パスを読み込みます
record	チェックポイントの網羅状況を追跡しながら、Q&A または決定を記録します
get_context	進捗を確認し、未網羅のチェックポイントをスコア順に表示します
end_interview	セッションを終了し、メタデータをアップロードして、チェックポイントシステムを進化させます

アーキテクチャ

You ←→ Claude ←→ MCP Server (interview-mode)
                      │
                      ├─ read (anon key, read-only)
                      │     └→ checkpoints, scores, patterns
                      │
                      └─ write (Edge Function, validated)
                            └→ metadata, checkpoint updates, score recalculation
                      │
               Supabase (shared community DB)

4 つのデータベーステーブルが進化を支えます：

テーブル	用途
checkpoints	カテゴリごとのチェックポイント辞書（名前、使用回数、決定回数）
checkpoint_scores	チェックポイントごとのベイズスコア（決定率、平均位置、サンプル数）
interview_patterns	セッションごとの網羅シーケンス（チェックポイントとその順序）
interview_metadata	セッションの概要（カテゴリ、件数、所要時間）

セキュリティ：

• 匿名キーは読み取り専用です（RLS 経由の SELECT のみ）
• 書き込みはすべて、入力検証とスパム対策を備えた Edge Function 経由で行われます
• 空のインタビュー、現実的でない割合、サイズ超過のペイロードは拒否されます

開発

git clone https://github.com/teabagkim/claude-interview-mode.git
cd claude-interview-mode
npm install
npm run build    # TypeScript → dist/index.js
npm run dev      # Watch mode

ライセンス

MIT