learning-vault

学習ボールトジェネレーター

資格取得、コース、スキル習得、研究プログラム向けの学習ボールトを作成または管理します。これは Open Knowledge Vault の学習プロファイルです。共通のセットアップ、保持、来歴、監査については、利用可能な場合に ../open-knowledge-vault/skills/open-knowledge-vault/SKILL.md を読み込んでください。以下の学習プロファイルは、単独でも利用できます。

トリガーフレーズ

• 「X の学習ボールトを作成」
• 「学習ボールトを構築」
• 「資格取得用ボールトをセットアップ」
• 「[トピック] の学習ボールト」
• 「/learning-vault」

対話形式のセットアップ

リクエストと既存のボールトから回答を推測してください。結果に影響する不足情報だけを尋ね、メンテナンス時にセットアップの質問を繰り返すことは避けてください。特定のクライアント API を前提とせず、利用可能なユーザー入力ツールを使用してください。

1. 主題と目標

• 学習目標は何ですか？（資格、コース、スキル、研究）
• 主題は何ですか？（例：「AWS Solutions Architect」、「Rust プログラミング」、「機械学習」）
• 特定の試験や評価はありますか？ある場合は、形式、合格点、分野／トピック、スケジュールを確認してください

2. 構成

• 主なトピック／分野はいくつありますか？（URL が指定されている場合は、カリキュラムから自動検出します）
• 記録するコースはありますか？（URL とレッスン数を確認してください）
• シナリオ／練習分野はありますか？

3. 自己評価

• 各分野／トピックについて、「どの程度自信がありますか？」と尋ねてください（専門家／高い／中程度／要強化／経験なし）
• これを学習の優先順位付けに使用します

4. 設定

• ボールトの場所（デフォルト：~/Brains/{subject-slug}/）
• 日次ノートを作成しますか？（はい／いいえ）
• Dataview は任意です。リクエストがない限り、通常の Markdown ナビゲーションをデフォルトにします

ボールトのアーキテクチャ

~/Brains/genome/ のゲノムボールトパターンに基づきます。

{vault}/
├── index.md                  — portable bundle entry point
├── Dashboard.md              — optional typed hub with Dataview queries
├── MoC - Courses.md          — course progress tracker
├── MoC - Domains.md          — domain/topic overview
├── MoC - Concepts.md         — key concepts by domain
├── MoC - Scenarios.md        — practice scenarios (if applicable)
├── Action Items.md           — dataview task aggregator
├── Question Index.md         — navigate by question type
├── Key Pitfalls.md           — common mistakes to avoid
├── Exam Cheat Sheet.md       — last-minute review card
├── Courses/                  — one note per course
│   └── {Course Name}.md
├── Domains/                  — one note per domain/topic
│   └── {Domain Name}.md
├── Concepts/                 — atomic knowledge units
│   └── {Concept Name}.md
├── Scenarios/                — practice scenarios
│   └── {Scenario Name}.md
├── Lessons/                  — individual lesson notes
│   └── Lesson - {Name}.md
├── Resources/                — links, study plans
│   ├── Official Links.md
│   └── Study Plan.md
└── .obsidian/                — optional Obsidian setup and Dataview adapter

ポータブルなコアと任意の Dataview

OKF v0.2 を使用します。型付き YAML フロントマターを持つコンセプトノート、標準 Markdown リンク、プレーンな index.md ナビゲーションを使用してください。ルートの index.md には okf_version: "0.2" を指定できます。ネストされたインデックスと log.md にはコンセプト用フロントマターを付けません。テンプレートとツールの手順は、バンドルに準拠する場合を除き、バンドルの外に置いてください。

共通の Open Knowledge Vault セットアップ／監査ヘルパーがあれば、そちらを優先してください。Dataview は任意のビューであり、必須の基盤ではありません。プラグインレジストリを ["dataview"] で上書きせず、既存の ID を保持したまま追加してください。許可されたインストール済みビルドまたは公式リリースを使用してください。個人用の data.json をコピーしないでください。新規インストールでは DataviewJS とインライン JavaScript を無効にします。有効化を報告する前に、クエリがレンダリングされることを確認してください。

以前からある dataview-plugin/ ディレクトリは互換性のために保持されていますが、新しいプラグインと一緒に自動でインストールまたはパッケージ化されることはありません。静的マップとタスクは、このディレクトリがなくても使用できる状態にしてください。

メンテナンスでは、該当するセクションを確認して修正し、カスタムフィールドと完了済みタスクを保持し、出典の証拠を添付して、マップを更新してください。既存のリンクやステータスを黙って書き換えないでください。既存のボールトを更新する依頼は、再生成の依頼ではありません。

フロントマターのスキーマ

すべてのノート

type: course | domain | concept | scenario | lesson | resource | moc | meta | dashboard
title: Human-readable title
status: draft | stable | deprecated
created_date: 'YYYY-MM-DD'
tags: []

コース

workflow_status: not-started | in-progress | completed
priority: 1-5
lessons_total: 0
lessons_done: 0
exam_weight: ""
difficulty: easy | moderate | hard
domains: []  # producer-defined references; keep canonical Markdown links in the body

コンセプト

domain: Domain Name
workflow_status: not-started | in-progress | completed
confidence: low | medium | high
importance: critical | high | medium | low

シナリオ

number: 1-N
domains: []  # producer-defined references; keep canonical Markdown links in the body
difficulty: easy | moderate | hard

レッスン

course: Course Name
section: ""
workflow_status: not-started | in-progress | completed
concepts: []  # producer-defined references

生成ルール

1. 試験対策では、コンセプトノートに - [ ] #review Can I explain this without notes? タスクを追加します
2. 練習用に、シナリオノートに - [ ] #practice Build a mini-project for this scenario タスクを追加します
3. 復習用に、レッスンノートに - [ ] #review Review this lesson before exam タスクを追加します
4. ポータブルなリンク — コンセプト、分野、シナリオ、コース間のリンクには標準 Markdown リンクを使用します。メンテナンス時は、安全な変換が許可されるまで既存のウィキリンクを保持してください
5. 質問インデックス（型付き Map または予約済みの index.md）では、よくある質問をコンセプトノートに対応付けます（genome ボールトの「遺伝子ではなく、懸念事項から検索」のように）
6. 重要な落とし穴には、試験でよく出る誤答（魅力的な誤選択肢）を記載します
7. 学習計画では、簡単な内容 → 弱点 → 大規模なコース → 練習 → 復習の順にフェーズを生成します

Dataview クエリの使用

Dataview を求められた場合は、静的なナビゲーションに加えてクエリビューを追加します。学習の進捗には workflow_status、OKF のライフサイクルには status を使用します。クエリのパターン：

• TABLE：workflow_status、優先度、確信度でフィルターし、フォルダーから取得
• TASK：すべてのノートからタグ（#review、#practice）でフィルターして集計
• GROUP BY：ドメイン単位で要約
• SORT：優先度、重み、確信度で並べ替え
• LIST：フィルター済みビュー（未着手、進行中、完了）

自己評価 → 優先度の対応付け

自己評価	確信度	学習の優先度
no-experience	低	1（最初に学習）
needs-work	低	2
moderate	中	3
strong	中〜高	4（復習のみ）
expert	高	5（簡単に確認）

試験の配点が高く、確信度が低いほど、学習の優先度が高くなります。

学習計画の作成

次の条件に基づいてフェーズを作成します：

1. すぐに成果が得られる項目：レッスン数が少なく、確信度が高いコース → 学習の勢いをつける
2. 知識の穴を埋める：確信度が低く、試験の配点が高いドメイン
3. 大規模なコース：レッスン数が最も多いコース
4. 演習：シナリオ、実践プロジェクト
5. 最終確認：チートシート、落とし穴、確信度の低い概念

使用例

ユーザー：「AWS Solutions Architect Associate 試験に向けた学習用 Vault を作成して」

→ 質問する項目：ドメイン、コース（例：Udemy のコース URL）、学習期間、自己評価 → 作成するもの：~/Brains/aws-saa/ に Vault を作成し、ドメイン（コンピューティング、ストレージ、ネットワーキング、セキュリティなど）、ドメインごとの概念、演習シナリオ、コースの進捗管理、移植可能な静的フォールバックを備えたオプションの Dataview 進捗ダッシュボードを含めます

リファレンス実装

~/Brains/ccaf/ の CCAF Vault が標準的な例です：

• 88 個のファイル、462 個のウィキリンク
• 5 個のドメイン、31 個の概念、8 個のシナリオ、7 個のコース、21 個のレッスン
• Dataview を全面的に統合
• 複数のナビゲーション経路：ドメイン別、概念別、シナリオ別、問題形式別

出典情報とレビュー

出典、生成コンテンツ、実際の検証結果を明確に区別します。利用可能な場合は、安定した ID と実際の担当者・タイムスタンプのメタデータを使って、OKF の sources を使用します。試験のひっかけ、配点、進捗、人による承認を決して捏造しないでください。出典に基づく学習では、セッションごとに出典を 1 つ保持し、再利用しやすい小さなノートを派生させます。形式の基本情報については、Open Knowledge Vault 形式のリファレンスまたは公式の v0.2 仕様を参照してください。