temple-generator

Temple Generator

任意の Obsidian vault から、3D インタラクティブなナレッジビジュアライゼーションを生成します。出力は、同心円状のエンティティリング、オーディオ、発見の仕組み、複数スケールのセマンティックズームを備えた単一の HTML ファイル（Three.js）です。

使用する場面

• 任意の Obsidian vault を 3D ナレッジマップとして可視化したい場合
• 2 つの vault またはドキュメントセットを視覚的に比較したい場合
• 新たに vault を分析して、テンプルを最初から再生成したい場合

アーキテクチャ

2 つのパートからなるシステムです。

1. 生成パイプライン（このスキル）：構造を検出し、名前を付け、確信度を評価して、シーンパッケージをエクスポートします
2. ランタイムレンダラー（テンプレート）：ナビゲーション、トランジション、オーディオ、発見を処理します

意味は事前に生成し、体験はランタイムでレンダリングします。

ワークフロー

ステップ 1：Vault をスキャンする

python3 ~/.claude/skills/temple-generator/scripts/extract_entities.py <vault_path> を実行します。

これにより、次の情報を含む vault-scan.json が生成されます。

• ファイル：パス、タイトル、タグ、外部リンク、バックリンク数、単語数、フォルダー、フロントマター
• グラフ：双方向リンク数を含む隣接リスト
• 中心性：ノードごとの次数中心性
• クラスター：密接にリンクされたノートから検出されたグループ

ステップ 2：スキャン結果とサンプルノートを読む

1. vault-scan.json を読みます
2. 中心性の高い上位約 20 個のノードを読みます（各ノードの最初の 100 行）
3. エンティティタイプのヒューリスティクスについて、references/classification-guide.md を読みます
4. Vault の「語り口」（フォーマル／インフォーマル、専門用語、言語）を把握するため、代表的なノートを 3～5 件読みます

ステップ 3：エンティティを分類する

references/classification-guide.md を使って、重要な各ノードにエンティティタイプを割り当てます。次の 2 つの語彙体系を維持します。

• canonical：可搬性の高い中立的なラベル（anxiety-management、fermentation-process）
• poetic：インスタレーション向けの神話的／芸術的なラベル（The Ferment Gate、The Cortisol Throne）

タイプごとの目標数（Vault の規模に応じて調整してください）：

タイプ	小規模 Vault（< 100）	中規模（100-500）	大規模（500+）
神々	2-3	3-5	5-7
半神	3-7	5-12	8-15
緊張関係	2-4	3-7	5-9
ナラティブ	2-5	5-10	8-12
見落とし	1-3	3-5	4-7
精霊	1-3	3-5	3-5
リサーチ	5-15	10-25	15-30
価値観	2-5	3-8	5-10
トレイル	2-5	3-8	5-10
問い	3-6	5-10	8-12
深層	2-5	5-10	8-15
クリスタル	1-3	2-5	3-6

ステップ 4：抽象化レベルを構築する

レベルは確信度によるゲート制御を受けます。Vault がそのレベルを裏付けている場合にのみ含めてください。

レベル 0 — エンティティ（常に存在）：位置、接続、説明を持つ個々のノードです。

レベル 1 — ドメイン（意味のあるクラスターが 3 つ以上必要）：関連するエンティティのグループです。各ドメインには次のものがあります。

• canonical と poetic の名前
• メンバーとなるエンティティキー
• 重心位置（メンバーの位置の加重平均）
• 代表的な例（最も中心性の高いメンバー）
• 説明（Vault の語り口による 1～2 文）
• 確信度スコア（0～1）

レベル 2 — 軸（解釈可能な対立ペアが 2 組以上必要）：根本的な緊張関係です。各軸には次のものがあります。

• 名前と説明を持つ 2 つの極
• 各極に属するメンバードメイン
• 軸の説明
• 確信度スコア

レベル 3 — 比較（2 つの Vault と十分な整合性が必要）：共通点／独自性の分析です。

デュアルグラフのロジックについては、references/merge-algorithm.md を読んでください。

ステップ 5：シーンパッケージを生成する

temple-data.json を生成する際は、references/entity-schema.md のスキーマに従ってください。

次の項目を含めます。

• entities：分類されたすべてのノード
• levels：ズームしきい値を含む抽象化レイヤー
• mappings：エンティティ → ドメイン → 軸の対応関係
• comparison：（デュアルグラフの場合）共通点／独自性／整合性のデータ
• audio：タイプとレベルごとのモチーフのヒント
• style：詩的な語彙、導入文、カラーパレット、レイヤー定義
• confidence：抽象化および整合性ごとのスコア

ステップ 6：HTML を生成する

1. ~/.claude/skills/temple-generator/assets/temple-template.html を出力先にコピーします
2. --inline フラグが指定されている場合：JSON データを HTML 内に const TEMPLE_DATA = {...}; として埋め込みます
3. それ以外の場合：HTML と同じ場所に temple-data.json を配置します

ステップ 7：結果を報告する

ユーザーに以下を表示します：

• 種類別のエンティティ数
• 生成された抽象化レベル（信頼度スコア付き）
• 上位 5 件の神／中心的なエンティティ
• 検出された緊張関係
• デュアルグラフの場合：重複率と共有ドメイン

デュアルグラフモード

--compare vault_path_2 が指定されている場合：

1. 両方の vault を個別にスキャンします（ステップ 1）
2. 各 vault のエンティティを分類します（ステップ 2～3）
3. references/merge-algorithm.md のマージアルゴリズムを実行します
4. 出典の帰属情報を含む、マージ済みシーンパッケージを生成します
5. テンプレートが、差異のオフセットを付けて共有スキャフォールドを描画します

品質ガイドライン

• 些細なノート（毎日の ToDo、管理ログ、空のひな形）は省きます
• ファイリングシステムではなく、vault が実際に関心を寄せている事柄を明らかにするノードを優先します
• サンプルノートから調整した、vault 独自の語り口で記述します
• あるレベルの信頼度が不足している場合、構造を捏造するのではなく、そのレベルを省きます
• 各抽象化レベルは、メンバーシップの重み、具体例、来歴によって裏付けられている必要があります
• 「抽象化の階層は、単なる幾何学的なものではなく、意味的なものであるべきです」

テンプレートのオーディオに関するガイダンス

テンプレートのオーディオシステムは、ズームレベルをまたぐ階層的な連続性を保つ必要があります：

• L0（近距離）：局所的で、アイデンティティが豊か — エンティティのささやきやテクスチャ
• L1（中距離）：地域的なハーモニーベッド、クラスターの脈動
• L2（遠距離）：まばらなドローン、緊張感に基づく音の動き
• L3（比較）：2 つの vault の声によるステレオ／対話的な表現

ズームは、別の宇宙に移るのではなく、解像度を変えるように感じられるべきです。モチーフはスケールを越えて関連しています。