Manabi Ingest

Manabi Ingest スキル（学習素材オーケストレーター）

WHAT

動画講座コンテンツを標準フォーマット（course-bundle）に変換し、 ユーザーが選んだレベルに応じてナレッジ抽出・マニュアル生成・スキル化まで一気通貫で実行する。

WHY

• 講座取り込みから成果物生成まで手作業で繋ぐのは非効率
• 標準フォーマットがあれば後続処理（ナレッジ抽出、マニュアル生成、スキル化）を共通化できる
• レベル選択により、必要な深さだけ処理できる

HOW

Phase 0: 学びホーム（ライブラリ）

全ての取り込み成果物は学びホームに集約する（作業はプロジェクト、資産はホーム）。

• ホームの場所は ~/.claude/manabi-home（1行のパスファイル）が指す
• このファイルが無ければ初回。以下を実行してから本処理に進む:

📚 学びライブラリをどこに作りますか？
   デフォルト: ~/ManabiLibrary
   → ここでいいですか？（一度決めたら以降は聞きません）

mkdir -p <ホーム>/bundles <ホーム>/.index
echo '<ホーム>' > ~/.claude/manabi-home
# config.json（名前・作成日）も作る

• 出力先のデフォルトは <ホーム>/bundles/<教材名>/（Step 1の確認は従来どおり行う）
• 既存マニュアル・バンドルの移行: scripts/migrate_to_library.py を使う
  • 新形式はそのまま移動、旧形式（manuals/*.md）はmanifest生成のみで中身無加工
  • 同一講座のbundle+manualペアは --pair-into でbundle内source_media/に同居させ1講座1エントリを保つ 初回のホーム作成直後に、ダッシュボードのセットアップを提案する:

📊 ダッシュボード（manabi-hub）もセットアップしますか？
   → 蔵書が並ぶWebダッシュボード。検索・フィルタ・リーダー・テーマ切替付き
   → Node.js 18+ が必要です

Yesの場合:

git clone https://github.com/naoterumaker/manabi-hub.git ~/manabi-hub
cd ~/manabi-hub && npm install && npm run build
起動: (nohup npm start > /tmp/manabi-hub.log 2>&1 &) → http://localhost:3939

以後の起動用に ~/.claude/skills/manabi-hub/SKILL.md（起動スキル）を manabi-hubリポジトリ内の docs/launcher-skill.md からコピーして作成する。

Noの場合（またはNode.jsがない場合）: 閲覧はbundle_to_html.pyの単一HTML書き出しで代替できる（依存ゼロ）。

Phase A: Course-Bundle 作成

Step 0: 入力タイプの判定

BLOCKER: 入力タイプが判定できない場合はユーザーに確認する。勝手に推測して進めない。

対応プラットフォーム:

• UTAGE: 動画+説明文+リンク+配布物
• Udemy: 動画+補足資料+リンク
• Loom: 動画+説明文
• YouTube: 動画+概要欄
• ローカル: 動画ファイル or 既存データ
• テキストのみの章: ページ全文取得（動画なし）

講座にはテキストだらけの章、動画中心の章、外部リンクが多い章など 様々なパターンがある。Chrome連携時に検知したコンテンツは 可能な限り取得する。必須ではないが、あれば品質が上がる。

Step 1: ヒアリング

取り込み処理を開始する前に、講座の概要をユーザーに聞く。 この情報があると、リソース検知の精度とスキル計画の質が大幅に上がる。

📦 Manabi Ingest

入力: [判定した入力タイプと内容]

📁 出力先フォルダ（必ず確認する）:
   デフォルト: [学びホーム]/bundles/[教材名]/
   → ここでいいですか？変更する場合はパスを指定してください

📋 講座について教えてください（わかる範囲で）

・どんな内容の講座ですか？（一言で）
・配布物はありますか？
  （テンプレート、PDF、Notionページ、スプレッドシート等）
・この講座から作りたいスキルのイメージはありますか？
  （任意・後で決めてOK。スキル候補は全抽出後にskill-plannerが
   自動で提案するので、答えなくても損はありません）

例: 「AI台本作成の講座。Notionにプロンプトテンプレートが
何個かある。テンプレートを使って台本自動生成するスキルが
作れるといい」

ユーザーの回答を manifest.json に保存:

{
  "user_context": {
    "description": "AI台本作成の講座",
    "expected_resources": ["Notionプロンプトテンプレート"],
    "skill_hypotheses": ["テンプレートで台本自動生成"],
    "notes": ""
  }
}

この情報は以降のフェーズで活用する:

• リソース検知時: expected_resourcesを手がかりにNotionリンク等を重点チェック
• skill-planner: skill_hypothesesとの照合で仮説→検証の流れを作る

Step 1.5: 処理計画提示

ヒアリング回答を受けたら、処理を開始する前に具体的な計画をユーザーに提示する:

📋 処理計画
- 検出: N章
- DL予定: N本 (推定 X分)
- 並列度: 5並列ダウンロード
- 文字起こし: 6 Agent並列 (sonnet)
- スクショ抽出: 並列
- 推定所要時間: 約X分
この計画で進めますか？

BLOCKER: ユーザーの確認を得るまで取り込み処理を開始しない。 出力先フォルダはStep 1で必ず明示的に質問する（表示するだけでは不十分。回答を得てから進む）。

Step 2: ルート選択と入力タイプ別パイプライン

2ルート構造: 教材は「講座系」と「記事系」の2ルートに分かれる。両者は主素材と補助素材が 鏡像の関係にあり、どちらも同じcourse-bundleに正規化されて合流する。

設計原則（if文の堰き止め）:

• source_type による分岐はこのStep 2のルート選択だけ。ここが唯一のif文
• Phase B（抽出以降）は章の content_type（video/article/hybrid）のみを参照する。 Phase B以降でsource_typeを参照するのは設計違反（プラットフォームが増えるたびに 後段へ分岐が染み出すのを防ぐ）
• 講座内の文章（ページ説明文）はルートAの補助素材として、記事内の動画はルートBの 補助素材として、それぞれのルートの中で処理する。ルートをまたぐif文を書かない
• 例外は「主役判定」（記事なのに動画が主体）のみ。その場合はルートBからルートAに 切り替えるのであって、両ルートを混ぜない

UTAGE URL の場合

1. utage-manualスキルの手順でChrome連携→章一覧取得
2. 各章のHLS URLを取得
3. ~/.claude/skills/utage-manual/scripts/hls_downloader.py でダウンロード
4. ~/.claude/skills/utage-manual/scripts/transcribe.py で文字起こし
5. ~/.claude/skills/utage-manual/scripts/transcribe.py --timestamps でタイムスタンプ付きJSON生成
6. ~/.claude/skills/utage-manual/scripts/screenshot_extractor.py でスクリーンショット抽出（pHashモード・デフォルト）
7. ページテキスト・リンク抽出（後述）
8. Step 3 へ

YouTube URL の場合

1. video-downloaderスキルで動画をダウンロード
2. ~/.claude/skills/utage-manual/scripts/transcribe.py で文字起こし
3. ~/.claude/skills/utage-manual/scripts/transcribe.py --timestamps でタイムスタンプ付きJSON生成
4. ~/.claude/skills/utage-manual/scripts/screenshot_extractor.py でスクリーンショット抽出（pHashモード・デフォルト）
5. Step 3 へ

ローカル動画ファイルの場合

1. ~/.claude/skills/utage-manual/scripts/transcribe.py で文字起こし
2. ~/.claude/skills/utage-manual/scripts/transcribe.py --timestamps でタイムスタンプ付きJSON生成
3. ~/.claude/skills/utage-manual/scripts/screenshot_extractor.py でスクリーンショット抽出（pHashモード・デフォルト）
4. Step 3 へ

記事ルート（ルートB）共通: プラットフォーム別アダプタ

記事ルートでプラットフォームごとに違うのは「アダプタ」（本文セレクタ＋ペイウォール判定）だけ。 抽出JS・note_to_bundle.py・以降のパイプラインは全プラットフォーム共通。 新しい記事プラットフォームへの対応は、この表に1行足すことを意味する（パイプラインの複製はしない）。

Brainの追加知見（2026-07実証）:

• リンクカードを見逃すな: Brainは外部リンク（GoogleDoc配布物・PDF等）を<a>でなく [class*="_link_card_wrapper_"]のDIVウィジェットで描画する。抽出時に必ず body.querySelectorAll('[class*="_link_card_wrapper_"]') からURLを収集してlinks.jsonに含めること。 配布プロンプト等の重要リソースがここにある（実例: 「購入後最初に投げるプロンプト」はリンクカードのGoogleDocだった）
• aタグリンクも見逃すな（全記事プラットフォーム共通）: 本文抽出はinnerTextベースのため、 「こちら」のようなテキストに貼られた<a href>はマーカーに残らない。抽出とは別に body.querySelectorAll('a[href]') の全hrefをtext付きで収集し、links.jsonへマージすること。 （実例: ShortReel教材のツール本体zip（GoogleDrive）はaタグリンクで、初回抽出で取りこぼした）
• 取得したGoogleDriveの公開ファイルは uc?export=download&id= でDL可（大容量はconfirmトークン付き drive.usercontent.google.com/download へフォールバック）
• 埋め込みYouTube動画はiframeではなく img.youtube.com のサムネイル（_container_nf4xe_*）として レンダリングされる → サムネのsrcから動画ID（/vi/<id>/）を抽出して<<VIDEO>>マーカー化する
• 画像は image.brain-market.com ドメインで判定（それ以外のimgはUI部品・拡張機能の混入）
• Chrome拡張のサイドバー（gemini-sidebar-content等）がDOM調査の候補に混ざるので無視すること
• 動画DLでyt-dlpがSABR実験エラーを出す場合: --extractor-args "youtube:player_client=android,web_safari" でリトライ

未知サイトのフォールバック手順（「本文が読めるか分からない」への答え）:

1. articleタグ等の祖先要素を安易に掴まない（ヘッダー・フッターが混入する）
2. 本文候補コンテナをDOM調査する: 候補セレクタごとに innerText.length と h2数 を evaluate_scriptで測り、本文だけを包む最小のコンテナを特定する
3. 抽出後、取得文字数と冒頭・末尾をユーザーに提示して「全文取れていますか？」を確認（BLOCKER）
4. 確認が取れたら、そのセレクタを上のアダプタ表に追記する（次回から調査不要）

note URL の場合

前提: 有料記事は自分が購入済みのもののみ対象。Chrome連携（ログイン済みセッション）で取得する。

1. Chromeで記事ページを開く

2. ペイウォール確認（BLOCKER）: 本文中に「この続きをみるには」「購入手続きへ」があれば 未購入のため取得不可と報告して停止。回避は絶対に試みない。 購入済み判定: ページ内の「購入済」表示、または本文末尾がフッター（ハッシュタグ・チップ欄）まで到達していること

3. 本文を抽出する。抽出JSは scripts/note_extract.js をReadして、その関数を そのままevaluate_scriptに渡す（SKILL.mdにはコードを書かない。修正はjsファイル側で行う）

   • マーカー仕様: <<H2>>章見出し / <<IMG>>url<<CAP>>caption / <<VIDEO>>url<<VTITLE>>title
   • 注意: 本文コンテナは.note-common-styles__textnote-body。articleセレクタは祖先要素を掴むので使わない

4. 抽出JSONを note_to_bundle.py でcourse-bundle化:

python ~/.claude/skills/manabi-ingest/scripts/note_to_bundle.py raw.json "/path/to/bundle"

• h2見出しで章分割（目次・フッターは自動除外、リード文はイントロ章）
• 記事内画像を各章の screenshots/ にDL
• 本文中のリンク・裸URLを links.json に記録（特典・配布物の検知用）

5. 埋め込み動画の確認（BLOCKER）（⚠️ hybrid章の取り込みは未検証ルート: 初回実行時はサンプルレビューを厚めに）: 変換結果に動画があれば、必ずユーザーに提示:

⚠️ 記事内に動画がN本見つかりました
  ch02: 解説動画（YouTube・12分）
動画も取り込みますか？
→ はい: yt-dlp（--cookies-from-browser chrome）でDL→文字起こし→pHashスクショ。
       章は content_type: "hybrid" になり、video/とv{NN}_frame_*が追加される
→ いいえ: manifest.videos に status: "skipped" で記録して続行
       （後段の抽出でunresolvedとして明示される。静かな欠落にはしない）

6. 主役判定: 本文が数百字しかなく長尺動画が主体の記事（動画講座のnote配布形式）は、 記事の章構造に情報がないため動画1本＝1章の動画パイプラインに切り替える。 迷う場合はユーザーに提示して選んでもらう:

7. Step 4（バリデーション）へ（note_to_bundle.pyが正規化まで行うためStep 3は不要）

noteマガジン URL の場合（⚠️ 未検証ルート: 初回実行時はサンプルレビューを厚めに）

1. Chromeでマガジンページを開き、記事一覧（タイトル・URL・有料/無料）を取得
2. 記事一覧を章一覧としてユーザーに提示し、処理対象を選択してもらう（動画講座の章選択と同じUI）
3. 選択された各記事に「note URL の場合」の処理を実行（記事1本＝1章）

既存transcript+screenshots の場合

1. 直接 Step 3 へ

スクリーンショット抽出について

screenshot_extractor.py はpHash (perceptual hash) モードをデフォルトで使用:

• スライド切替・UI変化を正確に検出
• 重複フレームを自動排除
• コンテンツ変化量に応じて枚数が自動調整
  • スライド中心章 → 少なめ（例: 6分動画で8枚）
  • デモ中心章 → 多め（例: 17分動画で45枚）
• 30秒固定間隔モードはレガシー扱い（--no-phash で呼び出し）

依存: pip install imagehash Pillow

Step 2.5: ページテキスト・リンク抽出（Chrome連携時）

各章のページにアクセスした際、動画以外のコンテンツも取得する:

1. テキスト抽出: 動画の下/周辺にある説明文・補足テキストを取得
2. リンク抽出: ページ内の全リンクを収集
   • Notion ページ、Google Drive、PDF ダウンロードリンク等
   • 「プレゼント」「特典」「配布物」セクションを重点チェック
3. 保存先:
   • chapters/{id}/page_text.md — ページのテキストコンテンツ
   • chapters/{id}/links.json — 検出したリンク一覧

links.json の形式:

[
  {
    "text": "リンクテキスト",
    "url": "https://...",
    "context": "特典セクション",
    "type": "notion|gdrive|pdf|other"
  }
]

Step 2.6: 外部リソース取得

全章のリンク収集後、フェッチ可能なリソースを取得する:

1. 全章の links.json を集約
2. フェッチ可能なリソースを検出（Notion ページ、PDF、テンプレート等）
3. Chrome 経由でアクセス可能なものを取得
4. 保存先: resources/ ディレクトリ（種別ごとにサブディレクトリ）
5. resources-manifest.json を生成

resources-manifest.json の形式:

{
  "fetched": [
    {
      "source_url": "https://...",
      "source_chapter": "03",
      "type": "pdf|notion|template",
      "local_path": "resources/pdfs/filename.pdf",
      "title": "リソースタイトル",
      "status": "fetched|failed|skipped"
    }
  ]
}

NOTE: リソース取得は best-effort。認証が必要なものやアクセスできないものは skipped にして続行。

Step 3: normalize_bundle.py で正規化

python ~/.claude/skills/manabi-ingest/scripts/normalize_bundle.py \
  --input "/path/to/source_dir" \
  --output "/path/to/course-bundle" \
  --course-name "講座名" \
  --speaker "講師名" \
  --source-type "utage|youtube|local"

BLOCKER: 正規化前に、以下を確認する:

• transcripts/ ディレクトリに .txt ファイルが存在すること
• screenshots/ ディレクトリにサブディレクトリが存在すること

Step 4: manifest.json のバリデーション

正規化後、manifest.json の全パスが実在するファイルを指しているか検証する。

python -c "
import json, os, sys
with open(sys.argv[1]) as f:
    m = json.load(f)
OPTIONAL = {'transcript_ts_path'}  # 欠落を許容するキー
ok = True
for ch in m['chapters']:
    ctype = ch.get('content_type', 'video')
    keys = ['screenshots_dir']
    if ctype in ('video', 'hybrid'):
        keys += ['transcript_path', 'transcript_ts_path']
    if ctype in ('article', 'hybrid'):
        keys.append('article_path')
    for key in keys:
        rel = ch.get(key) or ''
        path = os.path.join(os.path.dirname(sys.argv[1]), rel)
        if rel and not os.path.exists(path):
            print(f'MISSING: {path}')
            if key not in OPTIONAL:
                ok = False  # 一度Falseになったら戻さない（上書き禁止）
if ok:
    print('All paths valid')
else:
    print('VALIDATION FAILED')
    sys.exit(1)
" "/path/to/course-bundle/manifest.json"

BLOCKER: バリデーション失敗時は処理を中断し、ユーザーに報告する。

Step 5: Bundle 完了報告 + レベル選択

✅ Course Bundle 作成完了

📁 出力先: [出力ディレクトリ]
📋 章数: [N]章
📊 ステータス:

| 章 | タイトル | transcript | screenshots | page_text | links | status |
|----|---------|-----------|-------------|-----------|-------|--------|
| 00 | [title] | ✅         | ✅ (31枚)    | ✅        | 3件   | complete |
| 01 | [title] | ✅         | ✅ (25枚)    | ❌        | 0件   | complete |
...

manifest.json のパスバリデーション: ✅ 全パス正常
外部リソース: [N]件取得 / [M]件スキップ

直後にレベル選択を提示。初めてのユーザーはレベルの意味がわからない前提で、 「何が手に入るか」「誰向けか」「目安時間」を必ず添える:

どこまで処理しますか？（迷ったら 2️⃣ がおすすめ）

1️⃣ ナレッジ抽出のみ —— AI用の構造化データが欲しい人向け
   📦 手に入るもの: 概念・暗黙知・手順のJSON群＋知識グラフ
      （RAG・別コンテンツ制作・後のスキル化の材料。人間が読む成果物は増えない）
   ⏱ 目安: 20〜40分 / トークン消費: 小

2️⃣ ナレッジ + マニュアル生成 —— 「読める形」が欲しい人向け
   📦 手に入るもの: 1️⃣ + 画像付きMarkdownマニュアル（ダッシュボードで読める）
   ⏱ 目安: 1️⃣+30〜60分 / 消費: 中
   ※記事ルート（note/Brain等）は本文がそのまま読み物なので、
     2️⃣の追加価値は動画講座より小さい（記事は 1️⃣→3️⃣ が一般的）

3️⃣ ナレッジ + マニュアル + スキル化 —— 教材を「実行できる道具」にしたい人向け
   📦 手に入るもの: 2️⃣ + 教材の手法を実行するClaude Codeスキル
      （まずプランを提示して、承認を得てから生成します）
   ⏱ 目安: 2️⃣+20〜40分 / 消費: 中（planner/synthesizerはopus）

💡 どのレベルを選んでも、後から上のレベルを追加実行できます（やり直し不要）

BLOCKER: ユーザーの選択を待つ。勝手にレベルを決めない。

Phase B: レベル別パイプライン実行

Level 1: ナレッジ抽出

実行順序（各extractor は sonnet & 並列必須）:

1. concept-extractor sonnet, 4並列（章を分割して4 Agent同時起動）— マニュアルがあればマニュアルを一次ソースとして使用。concept-extractorとvisual-indexerは互いに独立なので同時に起動してよい
2. visual-indexer sonnet, 4並列（コスト重いため並列必須）— スクリーンショットの分類・タグ付け
3. procedure-extractor sonnet, 4並列 — visual-index 完了後に実行（画像参照が必要なため）

章内完結ルール（並列Agentの鉄則）

章＝自己完結ユニット。並列Agentは自分の担当章の箱の中だけを読み書きする。

content_type別の必読ファイル（BLOCKER）

• hybrid章はテキスト量が跳ね上がるため1Agent専属にする（char_count＋動画分で見積もる）
• hybrid章でtranscriptを読まずにknowledge.jsonを出すのは検証で弾く
• videos[].status: "skipped"（未取り込み動画）がある章は、knowledge.jsonに 「未処理動画あり（URL・長さ）」のunresolvedエントリを必ず記録する。静かな欠落は禁止
• 抽出結果にはsource: "article" | "video"を付ける（記事本文は原文、文字起こしはWhisper経由で信頼度が異なるため）

Level 2: ナレッジ + マニュアル生成

Level 1 の全処理に加え: 4. utage-manual sonnet, 6並列 — 画像付き Markdown マニュアル生成 5. レビュー必須: マニュアル生成後は必ず image-alignment.md・writing-style.md に従ってレビュー実施（省略不可） 6. concept-extractor がマニュアルを一次ソースとして再抽出可能（より高品質なナレッジ）

Level 3: ナレッジ + マニュアル + スキル化

Level 2 の全処理に加え: 7. skill-planner opus — スキル化プランを生成してユーザーに提示

• BLOCKER: プランへのユーザー承認を待つ

8. skill-synthesizer opus — 承認されたスキルを生成（staging dir 経由で cp、~/.claude/skills/ への直接書き込み不可）

仕上げ（全レベル共通・オプション）: HTMLビューア生成

どのレベルでも、処理完了報告の後に必ず提案する:

📖 HTMLビューアを生成しますか？
→ 左に章目次・右に本文＋画像の1ファイルビューア（ブラウザで開くだけ）

python ~/.claude/skills/manabi-ingest/scripts/bundle_to_html.py "/path/to/course-bundle"
# → bundle直下に manual_viewer.html を生成

• 役割分担: MDは資産（原文・再抽出可能・Git管理）、HTMLは人間用ビューア（認知負荷対策）。manabi-hubセットアップ済みならブラウザでlocalhost:3939を開くだけでよい（再生成不要）。HTMLビューアは配布・共有用
• 表示ソースの優先順位: manual.md > article.md > transcript.txt（章ごとに自動選択）
• knowledge.jsonがあれば章冒頭に「💡この章の概念」折りたたみパネルを自動挿入
• 章ごと切り替え表示（左目次クリック / ←→キー / 前後章ボタン）
• 単一HTMLファイル・依存なし。画像はbundle内を相対参照するためbundle直下から動かさない
• 生成後、file:// でChromeに開いて見た目を確認する

並列実行パターン

並列方式の使い分け（Phase Aで判断を迷わないための原則）

BLOCKER（manifest競合の禁止）: manifest.jsonへ書き込む処理を並列実行してはならない （全体書き戻し方式のため、並列書き込みは互いの結果を消し合う）。並列化する場合は 「読み取り専用で並列→集約して1回書き込み」か、書き込みロックを設けること。

処理計画（Step 1.5）には採用する並列方式と並列度を必ず明記し、承認を得ること。 実行者の独自判断で方式を変える場合も、変更内容を提示してから実行する。

Agent並列テンプレート（判断を伴う作業用）

各extractor呼び出し時は必ず以下のテンプレートに従う:

Agent起動時の必須パラメータ:
- model: "sonnet"  ← extractor系は必ずsonnet
- run_in_background: true
- mode: "bypassPermissions"

章をN分割してN Agent並列起動:
- 36章 → 4-6 Agent (各6-9章担当)
- visual-indexer: 特にコスト重い → 必ずsonnet & 並列必須

並列度の目安:

レビューチェックポイント（先行1章方式）

全章レビューは遅い。全くレビューしないと品質崩壊。 解決策: 1-2章だけ先行完了させてサンプルレビュー → OKなら残り章を並列一気処理。

4つのチェックポイント

Phase A: 取り込み
  ↓
🔍 レビューA: 1章のtranscript + 5枚スクショをサンプル確認
  → 文字起こし精度OK？スクショ枚数・内容OK？
  → NG: 設定変更（chunk_seconds, interval等）して再実行
  → OK: 全章並列処理を継続

Phase B Level 1: ナレッジ抽出
  ↓
🔍 レビューB: 1章のknowledge.json + visual-index.json + procedures.json
  → 概念抽出の粒度OK？画像分類OK？手順の粒度OK？
  → NG: プロンプト調整して再実行
  → OK: 残り全章の並列処理を継続

Phase B Level 2: マニュアル生成
  ↓
🔍 レビューC: 2章のマニュアル（短い章+長い章）
  → 文章スタイルOK？画像配置OK？整合性OK？
  → NG: writing-style.md参照 + 該当章のみ再生成
  → OK: 残り全章継続

Phase B Level 3: skill-planner完了後
  ↓
✅ プラン承認BLOCKER（既存）
  ↓
Phase B Level 3: skill-synthesizer完了後
  ↓
🔍 レビューD: 1スキルのSKILL.mdサンプル確認
  → 実行可能？プロンプトテンプレ入ってる？
  → NG: synthesizer再実行
  → OK: 完了報告

サンプル選定ルール

並列処理との両立

並列処理は止めない。以下のやり方でサンプルレビューを組み込む:

1. 先行1章方式: 全Agent起動するが、1つのAgentだけ1章担当にする
2. その1章が最初に完了 → サンプル提示 → ユーザー確認
3. 確認中も残りAgentは処理継続
4. 確認NG → 残りAgentを停止 → プロンプト調整 → 再起動
5. 確認OK → そのまま全章完了を待つ

BLOCKER

• レビューDのみ承認必須BLOCKER。
• レビューA/B/Cは警告扱い（確認しながら処理継続可）。
• 重大な問題（パス不整合・エラー率高）が検出された場合のみ処理停止。

出力フォーマット: course-bundle

course-bundle/
  manifest.json
  chapters/
    00/                     ← 章＝自己完結ユニット
      transcript.txt        ← video/hybrid章
      transcript_ts.json
      article.md            ← article/hybrid章（note等の記事本文）
      video/                ← hybrid章の埋め込み動画
        video_01.mp4
        transcript_01.txt
      screenshots/
        title.jpg
        frame_001.jpg ...   ← 動画由来（講座動画）
        img_001.png ...     ← 記事由来
        v01_frame_001.jpg   ← 埋め込み動画由来（v{NN}_で名前空間分離）
      page_text.md
      links.json
      manual.md             ← utage-manual output (Level 2+)
      knowledge.json        ← Level 1+ 抽出結果（章の中に置く）
      visual-index.json
      procedures.json
    01/ ...
  knowledge/
    knowledge-graph.json    ← 全章統合。集約は最後に1回だけ
  resources/
    prompts/
    pdfs/
    templates/
  resources-manifest.json
  visual-catalog.json       ← 全章統合。同上

manifest.json の構造

スキーマ: ~/.claude/skills/manabi-ingest/schemas/manifest.schema.json

{
  "course_name": "YouTube Booster",
  "source_type": "utage",
  "source_url": "https://...",
  "language": "ja",
  "speaker": "おさる",
  "chapters": [
    {
      "id": "03",
      "title": "生成AIを使いこなす4つの原理原則",
      "duration_seconds": 612,
      "transcript_path": "chapters/03/transcript.txt",
      "transcript_ts_path": "chapters/03/transcript_ts.json",
      "screenshots_dir": "chapters/03/screenshots/",
      "screenshot_count": 31,
      "page_text_path": "chapters/03/page_text.md",
      "links_path": "chapters/03/links.json",
      "status": "complete"
    }
  ]
}

NG / OK パターン

セルフ検証チェックリスト

処理完了時に以下を確認:

Phase A（Bundle作成）

• manifest.json が存在し、JSON として valid
• manifest.json の全 transcript_path が実在ファイルを指す
• manifest.json の全 screenshots_dir が実在ディレクトリを指す
• 各章の screenshot_count が実際のファイル数と一致
• status が各章の実態を正確に反映（complete / partial / pending）
• 元ファイルが変更・削除されていない
• page_text.md / links.json は取得できた章のみ存在
• resources-manifest.json が存在し、各エントリのstatusが正確

Phase B（レベル別処理）

• ユーザーが選択したレベルの処理が全て完了
• Level 2+: 全章のmanual.mdが生成されている
• Level 3: スキル化プランがユーザー承認済み
• Level 3: 承認されたスキルのSKILL.mdが生成されている

必要環境

• Python 3
• ffmpeg（動画処理時）
• GROQ_API_KEY（文字起こし時、.envファイルに保存）
• Chrome + Claude in Chrome拡張（UTAGE/Udemy URL時）

依存スキル・スクリプト