mcpField
D
digital-brain

digital-brain

github.com/muratcankoylan生産性18.2k86 回インストール2 週間前に更新
リポジトリ

digital-brain について

digital-brainは、クリエイターや創業者、専門職向けのAI支援による個人管理スキルです。コンテンツ、人間関係、知識、目標を扱い、モジュールを必要に応じて読み込み、構造化ファイルで履歴を保ちます。

主な機能

  1. 01モジュール指示のオンデマンド読み込み
  2. 02パーソナルブランドとコンテンツ作成
  3. 03連絡先と交流履歴の管理
  4. 04ブックマーク・調査・学習資料の管理
  5. 05会議準備・目標・週次レビュー

活用シーン

  1. 01本人の文体に沿ったSNS投稿の下書き
  2. 02連絡先の検索と会議ブリーフの準備
  3. 03アイデアやブックマーク、調査資料の整理
  4. 04進捗の振り返りと週間目標の計画

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/muratcankoylan/agent-skills-for-context-engineering --skill digital-brain

インストール後、Claude Code で/digital-brainを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.gitignore
AGENT.md
HOW-SKILLS-BUILT-THIS.md
agents/
AGENTS.md
agents/scripts/
content_ideas.py
idea_to_draft.py
stale_contacts.py
weekly_review.py
content/
calendar.md
CONTENT.md
engagement.jsonl
ideas.jsonl
posts.jsonl
content/templates/
linkedin-post.md
newsletter.md
thread.md
examples/
content-workflow.md
meeting-prep.md
identity/
bio-variants.md
brand.md
IDENTITY.md
values.yaml
voice.md
identity/prompts/
content-generation.xml
reply-generator.xml
knowledge/
bookmarks.jsonl
competitors.md
KNOWLEDGE.md
learning.yaml
knowledge/research/
_template.md

詳細

デジタルブレイン

AI の支援を活用し、デジタル上の存在感、知識、人間関係、目標を管理するための、構造化された個人向けオペレーティングシステムです。公の場で開発を進める創業者、オーディエンスを拡大するコンテンツクリエイター、AI を活用した個人管理を求めるテクノロジーに詳しいプロフェッショナル向けに設計されています。

重要:このスキルは段階的開示を採用しています。モジュール固有の指示は、各サブディレクトリの .md ファイルにあります。現在のタスクに必要なものだけを読み込んでください。

使用するタイミング

ユーザーが次のことを求めた場合に、このスキルを使用してください。

  • コンテンツの作成(投稿、スレッド、ニュースレター)を依頼する — まず identity/voice.md を読み込んでください
  • パーソナルブランドやポジショニングについて支援を求める
  • 連絡先や人間関係を検索または管理する必要がある
  • コンテンツのアイデアを記録または発展させたい
  • 会議の準備やフォローアップを依頼する
  • 週次レビューや目標の追跡を依頼する
  • ブックマークしたリソースを保存または取得する必要がある
  • 調査資料や学習資料を整理したい

トリガーフレーズ:「投稿を書いて」「私の文体」「コンテンツのアイデア」「[name]って誰?」「会議の準備」「週次レビュー」「これを保存して」「私の目標」

基本概念

段階的開示のアーキテクチャ

Digital Brain は、3 段階の読み込みパターンを採用しています。

レベル読み込み時内容
L1:メタデータ常時この SKILL.md の概要
L2:モジュールの指示必要に応じて[module]/[MODULE].md ファイル
L3:データファイル必要に応じて.jsonl、.yaml、.md データ
ファイル形式の方針

エージェントによる解析に最適な形式を選択しています。

  • JSONL(.jsonl):追記専用ログ — アイデア、投稿、連絡先、やり取り
  • YAML(.yaml):構造化された設定 — 目標、価値観、サークル
  • Markdown(.md):説明的なコンテンツ — 文体、ブランド、カレンダー、ToDo
  • XML(.xml):複雑なプロンプト — コンテンツ生成用テンプレート
追記専用データの完全性

JSONL ファイルは追記専用です。エントリーは削除しないでください。

  • 削除する代わりに "status": "archived" としてマークします
  • パターン分析用の履歴を保持できます
  • 「何がうまくいったか」を振り返ることができます

詳細トピック

モジュールの概要
digital-brain/
├── identity/     → Voice, brand, values (READ FIRST for content)
├── content/      → Ideas, drafts, posts, calendar
├── knowledge/    → Bookmarks, research, learning
├── network/      → Contacts, interactions, intros
├── operations/   → Todos, goals, meetings, metrics
└── agents/       → Automation scripts
アイデンティティモジュール(コンテンツ作成に必須)

コンテンツを生成する前に、必ず identity/voice.md を読んでください。

以下が含まれます。

  • voice.md - トーン、スタイル、語彙、パターン
  • brand.md - ポジショニング、オーディエンス、コンテンツの柱
  • values.yaml - 中核となる信念と原則
  • bio-variants.md - プラットフォーム別の自己紹介文
  • prompts/ - 再利用可能な生成テンプレート
コンテンツモジュール

パイプライン:ideas.jsonl → drafts/ → posts.jsonl

  • アイデアはすぐに ideas.jsonl に記録します
  • templates/ を使って drafts/ で作成を進めます
  • 公開したコンテンツは、指標とともに posts.jsonl に記録します
  • calendar.md で計画します
ネットワークモジュール

人間関係の段階を設けた個人向け CRM:

  • inner - 毎週連絡
  • active - 隔週で連絡
  • network - 毎月連絡
  • dormant - 四半期ごとに再連絡を確認
オペレーションモジュール

優先度レベルを設けた生産性システム:

  • P0:今日対応、ブロッキング
  • P1:今週対応、重要
  • P2:今月対応、有益
  • P3:バックログ、できれば対応

実践ガイド

コンテンツ作成のワークフロー
1. Read identity/voice.md (REQUIRED)
2. Check identity/brand.md for topic alignment
3. Reference content/posts.jsonl for successful patterns
4. Use content/templates/ as starting structure
5. Draft matching voice attributes
6. Log to posts.jsonl after publishing
会議前の準備
1. Look up contact: network/contacts.jsonl
2. Get history: network/interactions.jsonl
3. Check pending: operations/todos.md
4. Generate brief with context
週次レビューの手順
1. Run: python agents/scripts/weekly_review.py
2. Review metrics in operations/metrics.jsonl
3. Check stale contacts: agents/scripts/stale_contacts.py
4. Update goals progress in operations/goals.yaml
5. Plan next week in content/calendar.md

例

例:X の投稿を書く

入力:「AI エージェントについて投稿を書くのを手伝って」

手順:

  1. identity/voice.md を読む → 文体の特徴を抽出する
  2. identity/brand.md を確認する → 「ai_agents」がコンテンツの柱であることを確認する
  3. content/posts.jsonl を参照する → 成功した類似の投稿を探す
  4. 文体のパターンに合わせて投稿の下書きを作成する
  5. すぐに公開しない場合は、content/ideas.jsonl への追加を提案する

出力:ユーザーらしい自然な文体で、プラットフォームに適した形式の投稿の下書き。

例:連絡先の検索

入力:「Sarah Chenとの通話に備えて」

プロセス:

  1. network/contacts.jsonlで「Sarah Chen」を検索します
  2. network/interactions.jsonlから最近の記録を取得します
  3. operations/todos.mdでSarahに関する未完了の項目を確認します
  4. 役職、背景、最後に話し合った内容、フォローアップ事項をまとめます

出力:関係性の背景を含む、会議前の概要。

ガイドライン

  1. 声を最優先:コンテンツを生成する前に、必ずidentity/voice.mdを読みます
  2. 追記のみ:JSONLファイルから削除せず、代わりにアーカイブします
  3. タイムスタンプを更新:追跡対象のデータを変更する際は、updatedフィールドを設定します
  4. 相互参照:知識はコンテンツに活用し、ネットワーク情報は業務に活用します
  5. やり取りを記録:会議や通話は必ずinteractions.jsonlに記録します
  6. 履歴を保持:posts.jsonlの過去のコンテンツを、今後のパフォーマンス向上に活用します

統合

このスキルは、コンテキストエンジニアリングの原則を取り入れています:

  • context-fundamentals - 段階的な情報開示、注意予算の管理
  • memory-systems - 永続メモリと構造化された想起のためのJSONL
  • tool-design - agents/scripts/内のスクリプトは、ツール設計の原則に従います
  • context-optimization - モジュール分割によってコンテキストの肥大化を防ぎます

参考資料

内部資料:

外部リソース:


スキルのメタデータ

作成日:2024-12-29 最終更新日:2024-12-29 作成者:Murat Can Koylan バージョン:1.0.0

コメント