save-knowledge

/digital-marketing-pro:save-knowledge

スクリプトの場所。 ホストで ${CLAUDE_PLUGIN_ROOT} が設定されていない場合、スクリプトは skills/ と同じ階層にあるこのプラグインの scripts/ フォルダーにあります。Python 3.10 以降で実行してください。python を使用するか、python が見つからない場合（macOS、多くの Linux システム）は python3 を使用します。

目的

ブランドに関する知識を永続メモリーレイヤー（接続済みのベクトルデータベース。たとえば、@pinecone-database/mcp 経由の Pinecone）に保存し、将来のセッションで意味検索できるようにします。キャンペーンから得た学び、競合情報、ブランドガイドライン、パフォーマンスに関する知見を適切なメタデータ付きで保存するため、価値ある知識がセッション間で失われることはありません。保存する各項目には重複排除のためのコンテンツハッシュを付与し、ブランドのコンテキストをタグ付けして、自然言語検索用にインデックス化します。これにより、その場限りの学びを、すべてのエージェントが活用できる持続的な組織の記憶へと変えます。目的を絞った意図的な知識の保存向けに設計されています。セッションの一括同期には、代わりに /digital-marketing-pro:sync-memory を使用してください。

必要な入力

ユーザーは、次の情報を指定する必要があります（指定がない場合は入力を求められます）。

• 保存する内容：保存する知識です。直接入力したプレーンテキスト、現在の会話内の内容への参照（例：「先ほど行ったメールの分析を保存して」）、キャンペーンレポートや監査の構造化データ、外部調査の URL を指定できます。内容はそのまま保存され、インデックス用のエントリーには任意で要約を付けられます
• コンテンツタイプ：次のいずれかです。guideline（ブランドルール、トーンの基準、スタイル上の制約）、campaign-learning（根拠を添えた、キャンペーンで効果があったこと、または失敗したこと）、competitive-intel（競合に関する調査結果、ポジショニング、価格設定、戦略の動き）、performance-insight（指標、ベンチマーク、トレンド、統計的なパターン）、brand-asset（承認済みコピー、テンプレート、クリエイティブの参考資料、メッセージングのフレームワーク）
• タグ：絞り込み検索用の説明的なタグです。例：「email」、「q4-2025」、「subject-lines」、「audience-millennials」、「paid-social」、「black-friday」。指定がない場合は、ブランドのコンテキスト、業界の分類体系、チャネルの検出結果に基づき、コンテンツ分析から自動で候補が提案されます。検索精度を高めるため、複数のタグを付けることをおすすめします
• ソースのコンテキスト：この知識の出所です。現在のセッションでの分析、インポートしたレポート、キャンペーンの振り返り、外部調査、競合のモニタリング、チームからの情報提供などを指定します。出所の追跡、検索時の信頼度の重み付け、監査証跡のコンプライアンスに使用されます
• 優先度（任意）：high（関連するコンテキストでこの知識を積極的に提示する）、normal（標準的な検索時の重み付け）、low（アーカイブ相当。直接検索された場合のみ取得する）のいずれかです。デフォルトは normal です
• 有効期限（任意）：この知識が古くなっている可能性があるものとして扱う日付です。四半期ごとに変わる、時期に左右される競合情報、季節キャンペーンのデータ、価格情報などに役立ちます。デフォルトはありません。有効期限が切れない限り、知識は無期限に保持されます
• 関連エントリー（任意）：このエントリーと関連する、既存の保存済み知識への参照です。知識グラフのリンクと、より豊富な相互参照検索を可能にします

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.json を読み、アクティブなスラッグを確認してから、~/.claude-marketing/brands/{slug}/profile.json を読み込みます。ブランドのトーン、対象市場向けのコンプライアンスルール（skills/context-engine/compliance-rules.md）、業界のコンテキストを適用します。また、~/.claude-marketing/brands/{slug}/guidelines/_manifest.json にガイドラインがあるか確認し、存在する場合は制約を読み込みます。~/.claude-marketing/sops/ に代理店の SOP があるか確認します。ブランドが存在しない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト設定で続行します。
2. 保存するコンテンツを準備する：content_type、tags、ソースコンテキストを指定して、memory-manager.py --action prepare-store を実行します。このスクリプトはコンテンツを正規化し、SHA-256 コンテンツハッシュを生成し、メタデータペイロード（brand_slug、content_type、tags、source、timestamp、priority、expiration）を構成して、必須フィールドがすべて含まれていることを検証します。タグが指定されていない場合は、コンテンツ分析から自動生成します。
3. 重複を確認する：コンテンツハッシュを ~/.claude-marketing/brands/{slug}/memory/ にあるローカルインデックスと照合します。一致するものがある場合は重複として報告し、既存エントリのタグ、日付、概要を表示して、重複を作成する代わりにメタデータの更新（タグの追加、タイムスタンプの更新、優先度の変更）を提案します。一致するものがない場合は、保存に進みます。
4. 設定済みのメモリサービスを確認する：python "${CLAUDE_PLUGIN_ROOT}/scripts/memory-manager.py" --brand {slug} --action get-memory-status を実行します。注：この処理が確認するのは環境変数のみ（たとえば、PINECONE_API_KEY が設定されているかどうか）です。実際の接続は行わず、ストレージ容量やインデックスの健全性も測定しません。出力は「どのバックエンドが設定されているか」を示すものとして扱い、「どのバックエンドに接続可能か」を示すものとして扱わないでください。ベクターデータベースの環境変数が設定されていない場合は、ローカルに保存し、セッションをまたいでアクセスできるようベクターデータベースへの接続を推奨します。
5. ベクターデータベースの MCP 経由で保存する（接続されている場合のみ）：DMP にはメモリ MCP がバンドルされていないため、デフォルトでは何も接続されていません。動作するベクターデータベースの MCP サーバー（Pinecone など）が接続されている場合は、準備したペイロードをすべてのメタデータとともに送信し、埋め込みと保存を行います。セッションをまたいで動作するメモリサーバーも接続されている場合は、そこにもエントリを同期します。ナレッジグラフサーバーが接続され、関連エントリが指定されている場合は、関連付けのエッジを作成します。いずれも接続されていない場合は、ローカルに保存します。レイヤーカタログと実在が検証されたパッケージについては、skills/context-engine/memory-architecture.md を参照してください。
6. ローカルインデックスを更新する：memory-manager.py --action log-stored を実行し、ストレージ ID、ベクターデータベースの参照情報、タイムスタンプ、優先度とともに、新しいエントリをローカルのコンテンツハッシュレジストリに登録します。また同期状態を更新し、今後の /digital-marketing-pro:sync-memory の実行時に、この項目がすでに保存済みとしてスキップされるようにします。
7. 保存を確認する：保存した内容、保存先、適用したメタデータ、このエントリを取得できるクエリの例など、すべての詳細を含めて保存完了を報告します。

出力

以下を含む、構造化された保存確認です。

• コンテンツの概要：保存した内容の簡単な説明、単語数、重複排除用のコンテンツハッシュ、インデックス表示用に内容から生成された1行の要約
• コンテンツタイプ：適用された分類（guideline、campaign-learning、competitive-intel、performance-insight、brand-asset）。自動検出された場合は、このタイプを選んだ理由も記載されます
• 適用されたタグ：エントリーに付与されたすべてのタグ（ユーザー指定のタグ、理由付きの自動提案タグ、名前空間を分離するために自動追加された業界、市場、ブランドスラッグのブランドコンテキストタグ）
• 保存場所：使用したベクトルデータベース（Pinecone、Qdrant、またはローカルのみ）、名前空間またはコレクション名、保存 ID、ベクトル化に使用した埋め込みモデル
• 重複排除の状態：新規エントリーか、既存エントリーの更新か（マージされたメタデータの詳細と、元のエントリーの保存日も記載されます）
• 優先度と有効期限：設定された優先度（high、normal、low）と、指定されている場合は有効期限。今後の検索順位にどのように影響するかも記載されます
• 関連エントリーのリンク：既存のエントリーとの間に作成されたナレッジグラフの関係。双方向リンクの確認も含まれます
• 保存済みアイテムの合計：ブランドのローカルメモリーインデックスにあるナレッジアイテムの累計数を、コンテンツタイプ別に表示します（これはローカルの件数であり、ベクトルデータベースの現在の容量ではありません）
• 検索のヒント：このエントリーが見つかる検索クエリの例を2〜3件示します。これにより、後から /digital-marketing-pro:search-knowledge を使って正確に検索できます

使用エージェント

• memory-manager — コンテンツの正規化と要約、重複排除用の SHA-256 ハッシュ生成、メタデータのマージオプションを使ったローカルインデックスとの重複検出、コンテンツ分析による自動タグ生成、必須フィールドの検証を伴うメタデータの構造化、ベクトルデータベースのペイロード準備と埋め込み、Pinecone または Qdrant MCP を介した保存処理、Graphiti を介したナレッジグラフの関係作成、ローカルインデックスと同期状態の更新、保存済みコンテンツの意味に基づく検索のヒント生成