Takeshi Ikemoto

医療 × 経営 × テクノロジー

Dev Log·

KarpathyWatch パイプラインを構築した — Karpathy の発言が自動で X 投稿セットになる

claude-codeworkflowchangelogdev-env-log

この回の要点（先に読む）

何が変わったか

Karpathy の発言を追い続けているが、それをそのまま X に投稿するだけでは差別化にならない。「AI研究者が言った」という情報の転送ではなく、「MD/PhD として医療文脈に翻訳した」という独自の解釈をつけて出すことで初めて価値になる。ただし、毎週 JP+EN のフック投稿と長文記事を4本書くのは時間的に無理だった。

そこで Claude API を使ったコンテンツ生成パイプラインを組んだ。仕組みはシンプルで、karpathy-scout（既存の収集スキル）が週次で集めてきた発言 Markdown を読み込み → 構造化データに変換 → Claude に「AI技術解説」「医師視点の医療連結」「JP/ENフック投稿」「JP/EN X Article」の4種を順次生成させ → 日付別フォルダにファイル出力する、という流れだ。

出力されたファイルはすべて draft 状態で保存される。投稿する前に人間が確認・編集し、納得したものだけ ready に変更してから X に手動投稿する。全自動にはしない（医療表現の確認は人間の目を通す）。

生成プロンプトの設計（プロンプトを公開）

パイプラインの中核は6本のプロンプト。全プロンプトに共通するペルソナ設定から始まる。

ペルソナ（system prompt）:

あなたは MD/PhD/MBA を持つ日本人医療 AI 起業家です。
Andrej Karpathy（AI 研究者・元 Tesla AI 責任者・現 Anthropic）の発言を、
AI 技術の専門家として正確に解釈しつつ、医師の視点で医療への示唆を読み解きます。

制約: 誇大表現・患者への断定的助言は絶対に書かない。引用は正確に。文脈を外れた解釈をしない。

解説生成プロンプト（Step 1 / 6）— 第一原理 × 一般向け解説:

必ず答えること（この順序で）:
1. 第一原理から問い直す — この発言が解こうとしている問題を、技術的な慣習や常識を
   いったん脇に置いて「そもそも何が本質的な課題か」から出発して定義する
2. なぜ従来のアプローチは不十分なのか — 慣習的な解法が第一原理的にどこで限界を
   迎えるか。その失敗の構造を具体的に示す
3. Karpathy の洞察が何を変えるか — 第一原理から導かれた新しい見方が、
   AI 開発・エンジニアリングにどんなインパクトを持つか

文体・読者の条件:
- PhD（博士）が一般読者に向けて書く「わかりやすいが浅くない」解説を目指す
- 読者: 知的好奇心の高い一般読者・医療従事者（AI/ML の専門知識は前提としない）
- 専門用語は初出時に必ず平易な言葉で一言補足する
- 比喩や具体例を積極的に使い、抽象論だけで終わらせない
- 通説・前提を明示的にほどいてから再構築する。「みんながそう思っているから」を理由にしない
- 400〜600字

医療連結プロンプト（Step 2 / 6）: 解説テキストを受け取り「医師として何を読み取るか」を追記。

フック投稿（JP/EN）とX Article（JP/EN）はそれぞれ専用プロンプトで生成し、前段の解説・医療連結を文脈として渡す連鎖構造になっている。Article も第一原理の論述構造を引き継ぐ。

今回対応したこと