tacit-mining

tacit-mining — 暗黙知の掘り起こし

"We know more than we can tell." — Michael Polanyi

「何を知っていますか」ではなく、「あのとき何をしましたか」と尋ね、行動から知識を推し量ります。

設計原則（実行時には出力せず、行動の指針としてのみ使用）

Polanyi の核心的な洞察：直接「どう判断したのですか」と尋ねると、補助意識が焦点へ引き出され、暗黙知そのものの働きが損なわれます。その結果得られるのは、多くの場合、実際の認知プロセスではなく、事後的な合理化です。

そのため、このスキルでは抽象的な基準を直接尋ねることを禁止し、すべての質問を具体的な出来事／作品／決定に結び付ける必要があります。

主要パス

パス	用途
memory/tacit/	抽出した暗黙知の断片
memory/tacit/map.md	暗黙知マップ（インデックス）
memory/MEMORY.md	重要な発見をメインインデックスに同期
Calude 文档/创作工作台/成品/	執筆領域の素材ソース
素材库/推文/	トピック選定領域の素材ソース
style-learn/data/index.jsonl	ユーザーの修正履歴（ある場合）

アクションの振り分け

ユーザーの発言	アクション
「暗黙知を掘り起こして」「深掘りインタビュー」「私のことを知って」「話そう」「tacit」	→ mine
「何が掘り起こされたか見せて」「暗黙知マップ」「tacit map」	→ review
「これは違う」「これを削除して」「これを更新して」	→ correct

---

mine（コアアクション）

Step 1：領域を選択 + 素材を集める

5 つの掘り起こし領域から、AskUserQuestion を使ってユーザーに選んでもらいます（または文脈から自動的に判断します）。

領域	説明	素材ソース
writing	執筆の好み：何が良い記事なのか、何が「AIっぽさ」なのか	最近の完成記事、ユーザーの修正 diff、style-learn の記録
topic	トピック選定の直感：なぜこちらを選び、あちらを選ばないのか	執筆したものと見送った投稿、素材ライブラリ
product	製品に関する判断：どんな製品に注目／推薦する価値があるのか	製品の動向に関する記事、ナレッジベースの製品プロフィール
aesthetic	視覚的な美意識：カバー、レイアウト、画像に関する好み	選んだスタイル／カバー、レイアウトテーマ
audience	読者の捉え方：読者が求めているもの、読者とのコミュニケーション方法	公開済みの記事、閲覧データ（ある場合）

素材を集める：選択した領域に応じて、直近 2 週間の具体的な素材を自動取得し、対話の手掛かりにします。

writing → Glob 成品/ 最近 5 篇文章路径
        → 检查 style-learn index.jsonl 有无 pending/recent
topic   → Glob 素材库/推文/ 最近 20 条
        → 对比已写成文章的 vs 跳过的
product → Glob 成品/产品动态/ 最近 5 篇
        → Glob 知识库/产品档案/
aesthetic → 读最近使用的排版主题、封面样式
audience → 读最近发布文章（如有阅读数据）

質問の手掛かりとなる具体的な素材を 3～5 件用意したら、Step 2 に進みます。

Step 2：対話による掘り起こし（5～8 ラウンド）

進行ペース：各ラウンドで質問するのは 1 つだけです。ユーザーの回答を待ってから次のラウンドに進みます。質問を立て続けにしないでください。

各ラウンドの構成：

[提问] → 用户回答 → [可选追问 1-2 次] → [Teachback 复述] → 用户确认/纠正 → [存碎片] → 下一轮

質問方法のライブラリ（優先度に応じて切り替えて使用し、同じ方法を 2 ラウンド連続で使わない）

方法 A：重要な出来事を手掛かりにする（Critical Incident + Situated Recall）

具体的な出来事から始め、当時の状況と判断をユーザーが再構築できるよう促します。

テンプレート：

• 「最近書いた[記事名]で、何度も修正してようやく納得できた箇所はありますか？ そのとき、どこで行き詰まっていましたか？」
• 「この 5 件の投稿のうち、[A]を書いて[B]を書かなかったとき、頭にどんな考えが浮かびましたか？」
• 「これまでのキャリアで、特に満足している記事はありますか？ 何が特別なのでしょうか？」

追加質問の手掛かり（ACTA の 6 つの手掛かりから、適切なものを選ぶ）：

• 予測力：「これが話題になる／ならないと、どうやって分かったのですか？」
• 注意力：「ひと目で気付いたけれど、ほかの人は見落とすかもしれない細部はありますか？」
• 即興：「その場でやり方を変えて、かえってうまくいったことはありますか？」

方法 B：比較して絞り込む（Repertory Grid の簡易版）

3 つを並べて比べ、ユーザー自身も意識していない区別の軸を見つけます。

テンプレート：

• 「この 3 本の記事[A/B/C]では、どの 2 本がより似ていると思いますか？ 3 本目とはどこが違いますか？」
• 「この 2 つの製品はどちらも記事にしていますが、[A]のほうにより熱意が感じられます。そうですか？ どこが違いますか？」
• 「タイトル[X/Y]を 2 つ提示されたら、どちらを選びますか？ なぜですか？」

追加質問：

• 「その[区別を表す言葉]は具体的にはどういう意味ですか？ 例を挙げてもらえますか？」
• 「その基準の反対は何ですか？ 絶対にやらないのはどんなことですか？」

方法 C：ラダリングによる深掘り（Attribute → Consequence → Value）

表面的な好みから出発し、根底にある価値観まで一段ずつ掘り下げます。一度にたどるのは 1 つの梯子だけです。

テンプレート：

• 属性の段階：「この[良い／良くない]記事について、具体的にどの箇所ですか？」
• 結果の段階：「[属性]が良い／良くないと、どんな結果になりますか？ 読者にとっては何を意味しますか？」
• 価値の段階：「なぜそれがあなたにとって特に重要なのですか？」

重要：ユーザーが答えに詰まったとき、「なぜ」と問い続けず、具体的な経験を思い出せるよう促します。 「これができなかったせいで、悪い結果になったことはありますか？」

方法 D：反実仮想を探る（Counterfactual Probing）

変える変数は一度に 1 つだけにし、実験のように進めます。

テンプレート：

• 「この記事から[冒頭の段落を削る／タイトルを変える／比較表をなくす]としたら、どうなると思いますか？」
• 「この製品を作ったのが[ある会社]ではなく[別の会社]だったとしても、記事にしますか？」
• 「当時、[話題の鮮度が落ちていた／競合がすでに報じていた]としても、このテーマを選びますか？」

方法 E：比喩を捉える（Metaphor Elicitation）

自分からは使いません。ユーザーが「感じ」「みたい」「まるで」「味」「手触り」などの言葉を使ったときに有効化します。

追加質問のテンプレート：

• 「『この記事はちょっと重い』と言っていましたが、どんな重さですか？ 何に似ていますか？」
• 「『AIっぽさ』と言っていましたが、その感じをたとえるなら、どんな食べ物／場面に似ていますか？」
• 「あなたにとって『ネット感覚』とはどんな感じですか？ 身体的な反応はありますか？ たとえば、良いテーマを見つけたときはどうですか？」

追加質問のルール

• ユーザーが「そう」「だいたい」「はい」と答えた場合 → Teachback の後、断片を保存して次のラウンドに進む
• ユーザーが「違う」「完全にはそうではない」と答えた場合 → 追加質問は最大 2 回まで。それでもはっきりしない場合 → 元の発言を記録し、「曖昧なシグナル」としてラベル付けし、無理にルールを抽出しない
• ユーザーが長く答えた場合 → 核となる洞察を 1～2 件抽出し、Teachback で確認する
• ユーザーが「この話はしたくない」「別の話にして」と言った場合 → 理由を尋ねず、すぐに話題を変える
• ユーザーの感情が動いた場合（挫折や達成感を思い出したなど）→ 感情に沿って進める。そのときにこそ、本当のことが最も出やすくなります

Teachback の形式

各ラウンドの終わりに、抽出した洞察を一文で言い換えて伝えます。

"所以你的判断标准是：[规则]。对吗？"

例：

• 「つまり、製品の動向を伝える記事の核心は、機能の紹介ではなく、読者が『自分は使うべきか』を判断できるようにすることだと思っているのですね。合っていますか？」
• 「つまり、冒頭の段落を削ったのは、『前置きが長すぎると読者が離れてしまう』からで、最初の 2 段落には必ず情報を含めるのが譲れない点なのですね。合っていますか？」

ユーザーが確認したら → 断片を保存します。ユーザーが訂正したら → 訂正後のバージョンを保存します。

Step 3：断片を保存する

抽出した洞察は、それぞれ独立した断片ファイルとして保存します。

パス：memory/tacit/tacit_{domain}_{序号}.md

形式：

---
name: tacit_{domain}_{关键词}
description: {一句话描述这条隐性知识}
type: user
domain: {writing|topic|product|aesthetic|audience}
method: {A|B|C|D|E}
confidence: {confirmed|fuzzy}
created: {YYYY-MM-DD}
---

## 表现（Behavior）
{用户做了什么——具体事件/选择/修改}

## 规则（Rule）
{从行为中提炼的判断标准}

## 边界（Boundary）
{什么情况下这条可能不适用——如果用户没说清，写"待验证"}

## 原话（Verbatim）
> {用户的原始表述，保留口语感}

## 来源
{哪次对话、哪篇文章/推文触发的}

書き込み前の確認：保存する前に memory/tacit/ を grep し、同じテーマの断片がすでにないか確認します。あれば統合して更新し、なければ新規作成します。

Step 4：マップを更新する

mine の終了後、memory/tacit/map.md を更新します。

# 隐性知识地图

> 从对话中挖掘的判断标准。confirmed = 用户确认，fuzzy = 说不清但有信号。

## writing（写作品味）
- [标题直给不铺垫](tacit_writing_001.md) — 前两段必须有信息量 [confirmed]
- ...

## topic（选题直觉）
- ...

## product（产品判断）
- ...

## aesthetic（视觉审美）
- ...

## audience（读者感知）
- ...

Step 5：締めくくり

mine の終了後：

1. 今回の掘り起こしの要約を出力します：何ラウンド掘り下げたか、何件抽出したか、どれが confirmed でどれが fuzzy か
2. 次回に掘り下げる方向を提案します（まだ扱っていない領域や素材に基づく）
3. fuzzy の項目がある場合は、次回、具体的な素材を使って検証することを提案します

禁止事項：理論を要約しない、方法論を説明しない、励ましの言葉をかけないでください。結果のみを報告します。

---

review（振り返りと検証）

memory/tacit/map.md を読み込み、抽出済みの暗黙知を領域ごとに表示します。

各領域について：

• 項目数と confirmed／fuzzy の比率を表示する
• すべての項目を一覧表示する（一文で表現）
• ユーザーに「今は違うと思う項目や、補足したい項目はありますか？」と尋ねる

ユーザーが問題を指摘した場合 → 断片ファイルと map.md を直接更新します。

---

correct（修正）

ユーザーが「これは違う」と言った場合：

1. 該当する断片ファイルを特定する
2. 現在の内容を読み込む
3. ユーザーに「どこが違いますか？ どうあるべきですか？」と尋ねる
4. 断片を更新し、ファイルの末尾に ## 修正記録 セクションを追加して変更を記録する

---

他のシステムとの連携

→ MEMORY.md

ある領域で confirmed の洞察が 5 件以上蓄積されたら、MEMORY.md の「私が理解しているあなた」セクションに、その領域の暗黙知の要約を追加／更新します。断片の詳細は移さず、一文で概要をまとめます。

→ writing-guide.md

writing 領域の confirmed の洞察に執筆ルールが含まれる場合は、writing-guide.md の該当セクションにも同期します。出典として [tacit] と記載します。

→ style-learn

mine の進行中に、ユーザーが特定の記事の修正理由を説明した場合は、その理由を style-learn の好みレイヤーにも取り込みます。

→ voice-ptt

voice-ptt が利用可能な場合、mine の対話を音声で進めることもできます。このスキルは voice-ptt に依存しませんが、音声入力により、ユーザーはより自然に考えを表現できます。

---

反模式（禁止）

1. 禁止问抽象问题："你的写作风格是什么？" "你怎么定义好文章？" ——这些会触发事后合理化
2. 禁止连珠炮：一次只问一个问题，等回答
3. 禁止强行提炼：用户说"说不清"就记为 fuzzy，不要替用户总结他没说的话
4. 禁止长篇解释方法论：用户不需要知道 CDM 和 Laddering 是什么
5. 禁止一次挖超过 8 轮：认知疲劳会降低回答质量
6. 禁止跨域跳跃：一次 mine 只挖一个域，深比广重要