anthropic-skilljar-extractor

Anthropic Skilljar コース抽出ツール

ステップ 1：抽出スクリプトを実行する

python3 scripts/extract_course.py \
  <skilljar_url> <output_dir>

次の内容が生成されます：

<course-slug>/
├── README.md
├── 01-<section>/
│   ├── 01-<lesson>.md
│   └── ...
└── assets/images/   ← downloaded .webp diagrams

ステップ 2：図を説明する

assets/images/ にあるフルサイズの .webp（-medium.webp ではないもの）ごとに、次の手順を実行します。

• Read ツールを使って画像を視覚的に確認します
• 詳細な代替テキストのブロックを追加し、関連するレッスンの Markdown に ![desc](../assets/images/file.webp) を埋め込みます

トピックに基づいて画像をレッスンに割り当てます。アーキテクチャ図は導入レッスンに、コードのスクリーンショットはハンズオンレッスンに、まとめのスライドは復習レッスンに配置します。

ステップ 3：レッスンの Markdown を充実させる

スクリプトは箇条書きのメモを埋め込みます。各レッスンのファイルを拡充します。

• 概念ごとに適切な ## 見出しを追加します
• コード例を言語タグ付きのフェンスコードブロックで整形します
• 「Key: value」の行を **Key:** value の太字形式に変換します
• 比較表（例：メッセージの種類、プリミティブ）を追加します
• フロントマターブロック（Section、URL、Lesson Type）はそのまま残します

ステップ 4：README を強化する

自動生成された README に以下を追加します。

• コースの説明を詳しく記した段落
• 主要な概念の参照表
• すぐに参照できるコードスニペット
• 各画像について一行で説明した図の索引

スクリプトの仕組み（デバッグ用）

• ページの HTML を取得し、window.__chatData を抽出します（すべての Skilljar ページに埋め込まれている LLM のメモ）
• サイドバーの <ul class="dp-curriculum"> を解析し、セクションとレッスンの構成を取得します
• d7juhi4i8fsw0.cloudfront.net/images/<slug>/ から CloudFront の画像をダウンロードします
• URL を使ってレッスンの重複を除去します（カリキュラムの HTML はページソースに二度出現します）
• タイトルの類似度に基づいて、メモをレッスンにファジーマッチングします

ログインが必要な場合

個々のレッスンページは常に認証が必要なため、取得しないでください。 コースのランディングページ自体にログインが必要な場合（スクリプトがレッスンを 0 件検出した場合）：

1. ページの HTML を保存するようユーザーに依頼します（ブラウザー → 名前を付けて保存 → Web ページ、HTML のみ）
2. スクリプトの fetch() を open(path).read() に変更し、ローカルファイルを渡します