【資格取得が爆速化】 ChatGPTがあれば十分！ AI組織化設計によって24時間使える「専用のAI資格学習塾」を構築する

資格の勉強を始めると、次のような問題が起こります

参考書、公式ドキュメント、Web記事、動画がバラバラに存在する

何をどの順番で勉強すればよいか分からない

問題を解いても、苦手分野が整理されない

数日経つと、以前に理解した内容を忘れてしまう

試験範囲が更新されても、古い教材を使い続けてしまう

ChatGPTに質問しても、一般知識だけで回答され、根拠となる資料が分からない

そこで今回は、ChatGPTのProject、Work、Codex、Scheduled Tasks、Obsidian、GitHub、Skillsを組み合わせて、自分専用の資格学習塾「AI塾」を構築します

目指すのは、単に質問へ答えるだけのAIではありません

公式情報を調査する
        ↓
学習計画を作る
        ↓
授業を行う
        ↓
小テストを実施する
        ↓
得意・苦手を分析する
        ↓
翌日・翌週の計画を修正する
        ↓
古くなった教材を検知する
        ↓
模擬試験で合格レベルを確認する

この一連の流れを、ChatGPT内のAI組織として構築します

このAI塾で実現すること

完成後は、ChatGPTのモバイルアプリまたはWebから、次の機能を利用できます

OpenAI APIは必要ない

今回構築するAI塾では、受講生が自分のChatGPTアカウントを使い、ChatGPT内のProjectへアクセスします

そのため、OpenAI APIを使って独自のチャット画面を開発する必要はありません

独自Webサイト
↓
OpenAI API
↓
AI回答

ではなく、次の形です

ChatGPTモバイルアプリ／Web
↓
受講生専用Project
↓
AI塾

Projectは、関連するチャット、ファイル、Project Instructionsをまとめ、長期間の作業文脈を維持するための機能です

Project-only Memoryを選ぶと、そのProject内の会話だけを参照し、別Projectや通常チャットの文脈と分離できます

ChatGPT Workは、調査、分析、資料作成などの長い複数ステップの作業に向いた機能です

Web、モバイル、デスクトップ間でCloud Workの会話を継続できるため、外出中はスマートフォン、自宅ではPCという使い分けができます

カスタムGPTではなくProjectを使う理由

カスタムGPTは、専用の指示やファイルを設定できる便利な機能です

ただし、カスタムGPTは保存済みMemoryや以前の会話を利用せず、基本的に会話ごとに新しく開始されます

AI塾では、次の情報を長期間引き継ぐ必要があります

受験予定日
現在の学習段階
完了済みの授業
小テスト結果
苦手分野
誤解しやすいパターン
次回復習日
模擬試験結果
使用中の試験バージョン

そのため、AI塾の本体にはProjectを使用します

なお、ChatGPTには対話形式で理解を深めるStudy Modeもありますが、2026年8月8日時点ではProject会話で利用できません

今回はProject Instructionsと教育系Skillsを使い、Study Modeに近い指導方法をProject内で再現します

AI塾の完成イメージ

                        受講生
                          │
              ChatGPTモバイル／Web
                          │
                          ▼
              Project「AI塾｜資格名」
                          │
               Coordinator Work
                          │
       ┌──────────┬──────────┬──────────┐
       ▼          ▼          ▼          ▼
   調査担当     講師担当    問題作成    独立検証
       │          │          │          │
       └──────────┴──────────┴──────────┘
                          │
                  学習状態を更新
                          │
            Scheduled Tasksで定期実行
                          │
       ┌──────────┬──────────┬──────────┐
       ▼          ▼          ▼          ▼
    日次確認     週次改善    情報監視    模擬試験


                        運営側
                          │
                 ChatGPTデスクトップ
                          │
              ┌───────────┴───────────┐
              ▼                       ▼
            Codex                 Desktop Work
              │                       │
              └───────────┬───────────┘
                          ▼
                    AI-Jukuフォルダ
              ┌───────────┴───────────┐
              ▼                       ▼
          Obsidian                  GitHub
        長期知識管理              変更履歴管理

ここからは、この仕組みを実際に構築していきます

ここから有料部分

最初に決めるのは5項目だけ

最初から大量の設定項目を入力する必要はありません

次の5項目だけ決めてください

資格名：
試験コード・試験バージョン：
試験予定日：
1週間に勉強できる時間：
現在のレベル：

公式試験ページや使用したい教材URLが分かっている場合は、追加で記載します

公式試験ページ：
公式試験ガイド：
指定教材URL：
使用するPDF・資料：

この後のフォルダ、テンプレート、Properties、学習計画、ソース台帳などは、基本的にChatGPTとCodexに作らせます

手作業でObsidianのノートを大量に作成する必要はありません

手順1　最初にChatGPT Projectを作る

ObsidianやGitHubを設定する前に、最初にChatGPT Projectを作成します

理由は、以降の設定ファイルやフォルダ構成を、Project内のChatGPTに設計させるためです

Project名

次の形式がおすすめです

AI塾｜資格名｜試験バージョン

AWS SAAを学習する場合は、次のようにします

AI塾｜AWS SAA｜SAA-C03

複数資格を学習する場合も、基本的には資格ごとにProjectを分けます

AI塾｜AWS SAA｜SAA-C03
AI塾｜AWS SAP｜SAP-C02
AI塾｜Cisco CCNP｜350-401

複数受講生へ提供する場合は、受講生ごとにProjectを分けます

AI塾｜AWS SAA｜受講生A
AI塾｜AWS SAA｜受講生B

1つのProjectへ複数受講生の履歴を混在させると、弱点や学習履歴が混ざるため避けます

MemoryはProject-onlyを選ぶ

新しいProjectを作成する際は、可能であればProject-only Memoryを選択します

これにより、AI塾Project内の会話は同じProject内の会話を参照できますが、通常チャットや別Projectの会話は参照しません

手順2　Project Instructionsを設定する

Projectを作成したら、Project Instructionsへ次の文章を貼り付けます

資格名や試験コードは、自分の対象資格へ置き換えてください

あなたは資格学習塾「AI塾」の司令塔です

# 目的

利用者を対象資格の合格水準まで到達させてください

対象資格：
試験コード・試験バージョン：
試験予定日：

# 情報源の優先順位

次の順番で情報を使用してください

1 利用者がアップロードした公式資料
2 利用者が指定したURL
3 資格提供元の公式試験ガイド
4 資格提供元の公式ドキュメント
5 標準化団体や製品ベンダーの一次資料
6 信頼できる二次資料
7 AIの一般知識

AIの一般知識だけで重要事項を断定しないでください

公式情報と一般知識が異なる場合は、公式情報を優先してください

複数の公式資料が矛盾する場合は、公開日、更新日、対象バージョンを比較し、矛盾があることを明示してください

根拠を確認できない場合は、推測で補完せず「確認できない」と回答してください

# 試験バージョン

異なる試験バージョンの情報を混在させないでください

旧試験の資料を検出した場合は、現在の回答へ使用せず、旧版情報として区別してください

# 授業方法

授業では最初から正解を教えないでください

次の順番で指導してください

1 前回内容を思い出させる
2 今日の学習目標を示す
3 前提知識を確認する
4 概念を説明する
5 図で構造を説明する
6 具体例を示す
7 確認問題を1問ずつ出す
8 必要に応じて段階的なヒントを出す
9 利用者自身に説明させる
10 本番レベルの問題で確認する

# 解説形式

すべての技術的な解説に、最低1つの図を付けてください

単純な内容はASCII図またはMermaidを使用してください

複雑な構成、比較、時系列、ネットワーク、アーキテクチャはChatGPT Images 2.0を使用してください

回答は原則として次の順番にしてください

1 結論
2 図解
3 詳細解説
4 具体例
5 試験で問われるポイント
6 間違えやすい選択肢
7 確認問題
8 参照ソース

# 小テスト

小テストでは次を記録してください

問題ID
対応する試験Objective
正誤
回答時間
回答前の自信度
使用したヒント数
誤答原因
次回復習日

回答前に、利用者へ次の自信度を選ばせてください

確実
たぶん正しい
分からない
勘

「確実」と回答して不正解だった問題は、最優先の復習対象にしてください

# 模擬試験

模擬試験は、対象試験の問題数、出題比率、形式、制限時間、難易度に近づけてください

単純な用語暗記だけではなく、複数条件を比較する問題、設計判断、トラブルシューティング、コスト、可用性、セキュリティなどを組み合わせてください

問題作成担当と正答検証担当を分離してください

試験ダンプや実際の不正取得問題を使用しないでください

# スケジュール

試験日から逆算し、日次計画と週次計画を作成してください

小テスト、模擬試験、学習時間、弱点、忘却リスクに応じて計画を修正してください

単純に学習時間を増やすのではなく、優先分野、教材、問題形式、復習頻度も変更してください

毎週の予定には15％以上の予備時間を確保してください

# 学習状態

各授業、レビュー、テストの終了時に、必ず次の形式で最新状態を出力してください

<AI_JUKU_STATE>
date:
exam_date:
current_phase:
completed_objectives:
weak_objectives:
strong_objectives:
misconceptions:
pending_reviews:
latest_quiz_score:
latest_mock_score:
next_lesson:
next_quiz:
next_mock_exam:
tomorrow_plan:
weekly_risk:
</AI_JUKU_STATE>

前回状態から変更された項目だけではなく、毎回完全な状態を出力してください

# トークン削減

回答前にProject内のすべてのファイルを無条件で読み込まないでください

最初にSource Index、Learner State、対象Objectiveを確認し、関連する資料だけを参照してください

同じ説明を繰り返さず、既存のConcept IDやSource IDを参照してください

日常的な計算、採点、日付計算、集計は可能な限りスクリプトへ任せてください

サブエージェントは、公式情報調査、問題作成、独立検証、模擬試験分析など、並列化する価値がある作業だけで使用してください

# 禁止事項

根拠のない事実を作らない
古い試験バージョンを現在の情報として扱わない
問題作成と検証を同一視しない
利用者の個人情報を公開用ファイルへ保存しない
学習履歴がないのに学習したと仮定しない

手順3　初回セットアップをChatGPTに作らせる

Project Instructionsを登録したら、Project内でWorkを開始します

Workが表示されない場合は、通常のChatで開始し、後からWorkへ移行しても構いません

Workは長い複数ステップの作業や、完成した成果物の作成に向いた機能です

最初のWorkに、次のプロンプトを送ります

AI塾の初回セットアップを開始してください

以下が利用者情報です

資格名：
試験コード・試験バージョン：
試験予定日：
1週間に勉強できる時間：
現在のレベル：
公式試験ページ：
公式試験ガイド：
指定教材URL：
使用する資料：

不足している情報は推測で補完せず、unknownとして設定してください

最初に公式情報を確認し、現在の試験コード、試験範囲、問題形式、試験時間、出題分野を整理してください

その後、次のMarkdownファイルを作成してください

00_AI_JUKU_POLICY.md
01_LEARNER_PROFILE.md
02_EXAM_BLUEPRINT.md
03_SOURCE_INDEX.md
04_CURRICULUM.md
05_LEARNER_STATE.md
06_REVIEW_POLICY.md
07_VISUAL_POLICY.md
08_ASSESSMENT_POLICY.md
09_TASK_CONTEXT.md

各ファイルには更新日、対象資格、試験バージョン、ステータスを記載してください

SOURCE_INDEXでは、各ソースにSource IDを付けてください

例

SOURCE-OFFICIAL-0001
SOURCE-OFFICIAL-0002

公式資料と二次資料を区別してください

試験範囲の各項目にはObjective IDを付けてください

例

OBJ-1.1
OBJ-1.2

各Objectiveについて、前提知識、重要度、想定学習時間、対応ソースを整理してください

最後に、これらのファイルをAI-Juku Project Packとして出力してください

この段階で、手作業によるファイル作成を大幅に減らせます

ChatGPTが生成したファイルを確認し、Projectへ追加します

Projectはチャット、アップロードファイル、Project Instructionsを1つの作業空間へまとめられます

手順4　受講生側は1つのCoordinator Workへ集約する

AI塾を作ろうとすると、次のようにWorkを大量に分けたくなります

授業Work
問題作成Work
レビューWork
計画Work
公式情報Work

しかし、受講生が毎回どのWorkを開くか判断する構成は使いにくくなります

さらに、Work同士を自由に呼び出し続ける仕組みより、1つの司令塔が必要な担当へ処理を委任する方が状態を管理しやすくなります

OpenAIのサブエージェント機能では、メインエージェントが新しいサブエージェントを起動し、結果を待ち、統合できます

受講生側では、次の1つを入口にします

Coordinator Work｜AI塾ホーム

このWorkへ次の指示を送ります

このWorkをAI塾の唯一の受講生向け入口にしてください

利用者から授業、質問、計画、レビュー、小テスト、模擬試験の依頼を受け付けてください

必要な場合だけ、次のサブエージェントへ委任してください

Official Source Researcher
Curriculum Planner
Tutor
Question Author
Independent Verifier
Learner Analyst
Visual Explainer

問題作成と正答検証は必ず別担当にしてください

複数担当の結果が矛盾した場合は、公式ソース、更新日、試験バージョンを比較し、司令塔として結論を出してください

すべての処理終了時に、完全なAI_JUKU_STATEを出力してください

以降、利用者はこのWorkから授業、質問、テスト、レビューを開始します

Codex公式のベストプラクティスでも、同じ問題に属する作業は同じチャットへ残し、探索やテストなど境界が明確な作業だけをサブエージェントへ分ける方法が推奨されています

手順5　Scheduled Tasksは3本に集約する

機能ごとにScheduled Taskを大量に作ると、学習状態が複数のタスク会話へ分散します

そのため、論理的には複数ある自動処理を、次の3本へまとめます

Task担当AI塾 Autopilot日次レビュー、週次レビュー、翌日計画、遅延回復Source Watcher新情報監視、古い情報の確認Assessment Coordinator小テスト、模擬試験の実施通知

Scheduled TasksはWeb、モバイル、デスクトップから管理でき、指定時刻の実行、定期実行、変更監視、通知に対応しています

重要な制約

2026年8月8日時点では、Projectにファイルが追加されている場合、Scheduled TaskはそのProjectファイルを直接参照できません

そのため、次のようなタスクは避けます

Projectにある05_LEARNER_STATE.mdを読んでください

代わりに、Coordinator Workの会話内へ毎回出力するAI_JUKU_STATEを利用します

タスクから参照できない情報は推測させず、状態不足として通知させます

Task 1　AI塾 Autopilot

Coordinator Workから、次のScheduled Taskを作成します

このタスクを毎日21時30分、日本時間で実行してください

この会話内にある最新の<AI_JUKU_STATE>を使用してください

状態が存在しない場合は、学習実績を推測せず「学習状態が未登録です」と通知してください

通常日は次を実行してください

1 本日の学習実績を整理
2 完了、未完了、理解不足を分類
3 弱点Objectiveを最大3件に絞る
4 明日の学習計画を作る
5 必要な復習項目を決める
6 学習遅延がある場合は回復計画を作る
7 更新後の完全なAI_JUKU_STATEを出力

日曜日は通常処理に加えて、次を実行してください

1 過去7日間の学習状況を分析
2 正答率、回答時間、自信度、ヒント使用量を評価
3 得意分野と苦手分野を更新
4 翌週の学習時間配分を再設計
5 翌週の小テストと模擬試験予定を決める
6 15％以上の予備時間を確保
7 週次改善点を3件以内で提示

学習実績がない日も処理を停止せず、遅延として記録し、現実的な回復案を作ってください

Task 2　Source Watcher

このTaskには、Projectファイルを参照させず、監視対象URLを直接記載します

このタスクを毎週月曜日と木曜日の7時、日本時間で実行してください

対象資格：
試験コード・試験バージョン：

次の公式URLを監視してください

公式試験ページ：
公式試験ガイド：
公式ドキュメント：
公式更新情報：
公式リリースノート：

前回確認時から、次の変更がないか確認してください

試験コード
試験範囲
出題比率
問題数
試験時間
料金
利用サービスや製品の仕様
非推奨機能
廃止機能
名称変更
推奨構成
セキュリティ要件

変更がない場合は「重要な変更なし」と簡潔に通知してください

変更がある場合は次を出力してください

変更日
変更前
変更後
影響するObjective
影響する教材
影響する問題
緊急度
推奨対応

公式情報で確認できない内容は通知対象へ含めないでください

Scheduled Tasksには、前回から意味のある変更があった場合だけ通知するMonitoring Taskの仕組みもあります

Task 3　Assessment Coordinator

このタスクを毎週土曜日の10時、日本時間で実行してください

対象資格：
試験コード・試験バージョン：

最新のAI_JUKU_STATEに記録された弱点Objectiveを優先し、小テストの開始を通知してください

通常週は15問から20問の小テストを作成してください

2週間に1回は、本番問題数の30％から50％に相当する中規模模擬試験を作成してください

試験予定日の30日前以降は、定期的に本番と同等の問題数、出題比率、問題形式、制限時間で模擬試験を実施してください

問題作成担当と検証担当を分離してください

問題には次を設定してください

Question ID
Objective ID
Source ID
難易度
想定回答時間
正答
正答理由
各誤答の理由
狙っている誤解

利用者が開始するまでは正答を表示しないでください

模擬試験終了後は次を分析してください

総合正答率
Objective別正答率
回答時間超過
自信ありで不正解だった問題
ヒントなし正答率
同じ誤解の繰り返し
合格準備状況
次週の学習計画への変更点

手順6　ObsidianをAI塾の長期記憶にする

Obsidianを使っても、ChatGPTのモデル自体が追加学習されるわけではありません

今回の「AIが学習する」とは、次の状態を指します

つまり、ObsidianはChatGPTの外部長期記憶です

最初はObsidian MCPを使わない

ObsidianはMarkdownファイルをローカルフォルダへ保存します

そのため、最初からMCP Serverを構築しなくても、ChatGPTデスクトップのWorkやCodexからローカルフォルダを直接操作できます

デスクトップ版Workは、許可したローカルファイルやフォルダを利用できます

一方、Web版やモバイル版WorkはPC内のローカルファイルへ直接アクセスできません (OpenAI Help Center)

初期構成は次のようにします

手順7　ローカルフォルダをCodexに作らせる

ChatGPTデスクトップアプリのCodexを開き、空のAI-Jukuフォルダを選択します

現在のChatGPTデスクトップアプリでは、Chat、Work、Codexが統合され、Codexはソフトウェア開発やローカルリポジトリ操作を担当します

Codexへ次のプロンプトを送ります

この空のフォルダに、資格学習塾AI塾のローカル環境を構築してください

対象資格：
試験コード・試験バージョン：

次の構成を作成してください

AI-Juku/
├── AGENTS.md
├── README.md
├── .gitignore
├── .agents/
│   └── skills/
├── vault/
│   ├── 00_Governance/
│   ├── 10_Sources/
│   ├── 20_Objectives/
│   ├── 30_Concepts/
│   ├── 40_Curricula/
│   ├── 50_Lessons/
│   ├── 60_Questions/
│   ├── 70_Reviews/
│   ├── 80_Evaluations/
│   ├── 90_Archive/
│   └── Templates/
├── project-pack/
├── private/
│   ├── learners/
│   └── sessions/
├── scripts/
└── tests/

Project内で作成済みの次のファイルを、適切なフォルダへ配置できるテンプレートも作成してください

00_AI_JUKU_POLICY.md
01_LEARNER_PROFILE.md
02_EXAM_BLUEPRINT.md
03_SOURCE_INDEX.md
04_CURRICULUM.md
05_LEARNER_STATE.md
06_REVIEW_POLICY.md
07_VISUAL_POLICY.md
08_ASSESSMENT_POLICY.md
09_TASK_CONTEXT.md

Templatesには次を作成してください

source-template.md
objective-template.md
concept-template.md
lesson-template.md
question-template.md
daily-review-template.md
weekly-review-template.md
mock-exam-template.md

scripts/build_project_pack.pyを作成してください

このスクリプトは、Obsidian Vault全体をコピーするのではなく、次の情報だけをproject-packへまとめてください

現在の試験バージョン
検証済みSource Index
Exam Blueprint
現在のCurriculum
最新Learner State
弱点Objective
次回復習項目
回答ルール
画像生成ルール

出力ファイルは次の3つにしてください

project-pack/AI_JUKU_CONTEXT.md
project-pack/SOURCE_INDEX.md
project-pack/LEARNER_STATE.md

個人情報、全会話履歴、古い教材、未検証情報はProject Packへ含めないでください

Python標準ライブラリだけで動作させてください

最後に構成を検証するテストを作成し、実行結果を報告してください

このプロンプトを使えば、フォルダやテンプレートを1つずつ手作業で作る必要はありません

手順8　ObsidianでVaultを開く

Obsidianをインストールしたら、次の操作を行います

以降、Codexがvault内へ作成したMarkdownファイルが、そのままObsidian上に表示されます

共通Properties

各ノートには、次のようなPropertiesを設定します

---
type: concept
id: CONCEPT-0001
qualification: AWS-SAA
exam_version: SAA-C03
objective_ids:
  - OBJ-2.3
source_ids:
  - SOURCE-OFFICIAL-0001
status: verified
confidence: high
last_verified_at: 2026-08-08
review_due: 2026-09-08
owner: curriculum-agent
pii: false
---

Propertiesを使うことで、単なる文章ではなく、検索、絞り込み、期限管理ができる学習データになります

Source Note

---
type: source
id: SOURCE-OFFICIAL-0001
qualification: AWS-SAA
exam_version: SAA-C03
source_type: official
title: Official Exam Guide
published_at:
retrieved_at: 2026-08-08
last_checked_at: 2026-08-08
review_due: 2026-09-08
status: verified
confidence: high
---

Question Note

---
type: question
id: Q-0001
qualification: AWS-SAA
exam_version: SAA-C03
objective_ids:
  - OBJ-2.3
source_ids:
  - SOURCE-OFFICIAL-0001
difficulty: hard
question_type: single-choice
verified_by: independent-verifier
human_reviewed: false
status: draft
---

Review Note

---
type: daily-review
date: 2026-08-08
learner_id: LRN-0001
study_minutes: 60
quiz_score: 75
confidence_mismatch_count: 3
next_review_at: 2026-08-10
---

手順9　Obsidian CLIを有効化する

最初はCodexからMarkdownファイルを直接操作するだけでも構いません

運用を自動化したくなった段階で、Obsidian CLIを有効にします

Obsidian CLIは、ターミナルからVaultの検索、読み込み、作成、更新、タスク取得などを行う公式機能です

利用には対応するObsidian 1.12系以降のインストーラが必要で、通常利用時はObsidianアプリが起動している必要があります

設定場所は次の通りです

確認します

AI塾Vaultを検索します

obsidian vault="AI-Juku" search query="objective:OBJ-2.3"

今日のレビューを作成します

obsidian vault="AI-Juku" create \
  path="70_Reviews/2026-08-08.md" \
  content="# Daily Review"

直近のノートを確認します

obsidian vault="AI-Juku" files sort=modified limit=10

これにより、CodexはVault全体を毎回読み込まず、必要なノートだけを検索できます

手順10　GitHubで変更履歴を管理する

Obsidianは知識を保存する場所、GitHubは変更履歴を管理する場所として使います

GitHub Desktopを使えば、ターミナル操作に慣れていなくても設定できます

GitHub Desktopで登録する

その後、Publish repositoryを選択し、Keep this code privateを有効にします

GitHub Desktopでは、ローカルリポジトリを追加し、Private Repositoryとして公開できます

.gitignore

次の内容を設定します

.env
.env.*
secrets/
private/
node_modules/
dist/
build/
.DS_Store

vault/.obsidian/workspace*.json
vault/.obsidian/cache/
vault/.trash/

*.key
*.pem
*.p12
*.log

private/には、氏名、メールアドレス、生の会話履歴などを保存します

このフォルダはGitHubへ送信しません

GitHub公式も、パスワードやAPIキーなどの機密情報をCommit、Pushしないよう注意しています (GitHub Docs)

手順11　AGENTS.mdを設定する

Codexは作業開始前にAGENTS.mdを読み、リポジトリ固有のルールとして利用します

ルートのAGENTS.mdへ次を記載します

# AI-Juku Repository Rules

## Mission

このリポジトリは、対象資格の合格を支援するAI塾の教材、学習記録、評価、Skillを管理する

## Source Policy

事実を記述する場合はSource IDを付ける

公式情報を最優先する

未確認情報をverifiedにしない

異なる試験バージョンを混在させない

更新日を確認できない情報はconfidenceを下げる

## Content Policy

授業には必ず図を付ける

簡単な図はASCIIまたはMermaidを使う

複雑な図や販売用画像はChatGPT Images 2.0を使う

問題はExam ObjectiveとSource IDへ紐付ける

正答理由と各誤答理由を作成する

問題作成者と検証者を分離する

試験ダンプを使用しない

## Learner Data

private以下をGitHubへCommitしない

氏名、メールアドレス、決済情報を教材へ記載しない

公開用サンプルでは匿名IDを使う

## Token Policy

Vault全体を無条件で読み込まない

最初にPropertiesとSource Indexを確認する

関連度の高いノートだけを読む

既存のConcept IDとSource IDを再利用する

## Definition of Done

Source IDがある

試験バージョンが正しい

テストが成功する

独立検証が完了する

変更理由がCommitへ記録される

公開前に人間が確認する

手順12　Skillsを導入する

投稿で紹介されていた、いわゆる42 Skillsをすべて受講生側へ読み込ませる必要はありません

Skillsは社員そのものではなく、AIが仕事を行うための業務マニュアルです

AI塾では、運営・開発側と受講生側を分けます

運営・開発側へ導入するSkills

教育系Skillsから選ぶもの

教育系Skillsは、次を優先します

competency-unpacker
learning-target-authoring-guide
assessment-validity-checker
retrieval-practice-generator
spaced-practice-scheduler
feedback-quality-analyser
metacognitive-prompt-library
retrieve-first-gate
progressive-hint-ladder
stuck-and-error-diagnosis-coach
teach-back-evaluator

これにより、AIがすぐに答えを見せるのではなく、次の流れを作れます

Skillsを配置する場所

Codexはリポジトリ内の.agents/skillsをSkillの配置場所として読み込めます

AI-Juku/
└── .agents/
    └── skills/
        ├── superpowers/
        ├── skill-creator/
        ├── retrieval-practice-generator/
        ├── progressive-hint-ladder/
        ├── teach-back-evaluator/
        └── obsidian-markdown/

モバイルへSkillsは自動同期されない

ここは特に重要です

Personal Skillsは主にBusiness、Enterprise、Healthcare、Edu向けで、デスクトップとWeb・モバイルへ別々に追加する必要があり、自動同期されません

そのため、Codexへ導入したSkillsが、そのまま受講生のモバイルProjectで動くとは考えません

代わりに、Codexへ次の処理を行わせます

導入済みSkillsを確認してください

その中から、受講生向けAI塾に必要なルールだけを抽出してください

次をproject-pack/MOBILE_SKILL_RULES.mdへまとめてください

ソース限定回答
想起練習
段階的ヒント
Teach-back
誤答分析
本番レベル問題
図解
日次レビュー
週次レビュー
復習スケジュール
情報鮮度確認

マーケティング、財務、法務、Web開発など、受講時に不要なルールは含めないでください

12,000文字以内に圧縮してください

各Skillのライセンス、帰属表示、再配布条件を確認し、必要な情報をATTRIBUTIONS.mdへ残してください

生成されたMOBILE_SKILL_RULES.mdをProjectへ追加します

これにより、Codex側のSkillsをすべてモバイルへ入れなくても、重要な指導ルールをProject内で再現できます

手順13　公式ソースを登録する

公式ドキュメントを見つけるたびに、URLをチャットへ貼るだけでは管理できません

Source Registryへ登録します

Coordinator Workへ次を送ります

次のURLをAI塾のSource Registryへ登録してください

URL：

次を確認してください

公式情報か
対象資格
対象試験バージョン
公開日
更新日
取得日
対応Objective
現在も有効か
古い情報を含むか
他の公式資料と矛盾しないか

確認できた内容だけをverifiedにしてください

次の形式でSource Noteを作成してください

Source ID
Title
URL
Source Type
Qualification
Exam Version
Published At
Updated At
Retrieved At
Objective IDs
Status
Confidence
Review Due
Summary
Important Changes

情報を登録する際は、次の4段階で管理します

AIが生成した要約を、確認なしでCanonicalへ昇格させないことが重要です

手順14　授業を開始する

授業を始めるときは、Coordinator Workへ次のように送ります

今日の授業を開始してください

利用可能時間は45分です

最新のAI_JUKU_STATEを確認し、最も優先度が高いObjectiveを1つ選んでください

最初に前回内容の想起問題を3問出してください

その後、今日の学習目標を示してください

授業中は1回に1つの質問を出し、私の回答を待ってください

すぐに正解を教えず、必要に応じて段階的ヒントを出してください

すべての技術解説に図を付けてください

最後に本番レベル問題を3問出し、Teach-backを実施してください

授業終了後、完全なAI_JUKU_STATEを出力してください

解説の標準形式

結論

図解

詳細解説

具体例

試験で問われるポイント

間違えやすい選択肢

確認問題

参照ソース

ASCII図の例

利用者
  │
  ▼
DNS
  │
  ▼
ロードバランサー
  │
  ├── サーバーA
  │
  └── サーバーB

Mermaidの例

flowchart LR
    User[利用者] --> DNS
    DNS --> LB[ロードバランサー]
    LB --> A[サーバーA]
    LB --> B[サーバーB]

手順15　ChatGPT Images 2.0を図解に使う

ChatGPT Images 2.0は、Web、iOS、Androidで利用でき、Codexでも画像生成と編集を利用できます

AI塾では、すべての回答で画像を生成するのではなく、次の基準で使い分けます

AI塾用の画像生成ルール

07_VISUAL_POLICY.mdへ次を記載します

画像生成にはChatGPT Images 2.0を使用する

図は装飾より理解を優先する

日本語ラベルを使用する

小さすぎる文字を使わない

矢印の方向を統一する

同じ概念へ複数の名称を使わない

公式ロゴを無断で変形しない

試験問題の正答が画像だけで推測できる表現を避ける

画像の下にテキストによる補足説明を付ける

複雑な図は、生成前に構成要素と関係性をテキストで整理する

資格解説図のプロンプト

ChatGPT Images 2.0を使用して、次の資格学習用図解を生成してください

テーマ：
対象資格：
対象レベル：初心者から中級者

16対9の横長

白または明るい背景

日本語ラベル

重要な構成要素を大きく表示

処理の順番を矢印で明示

各要素の役割を短い日本語で記載

装飾を増やしすぎず、教材として読みやすいデザイン

誤解を生む位置関係や接続を避ける

画像内の文章は短くし、詳細は画像外の解説へ分離する

手順16　本番レベルの小テストを作る

小テスト作成時は、次のプロンプトを使います

対象Objectiveについて、本番レベルの小テストを10問作成してください

単純な用語暗記問題は最大2問までにしてください

残りは、設計判断、複数条件の比較、障害対応、セキュリティ、コスト、可用性を含むシナリオ問題にしてください

問題作成担当とIndependent Verifierを分けてください

各問題に次を設定してください

Question ID
Objective ID
Source ID
Difficulty
Expected Time
Question
Options
Correct Answer
Correct Rationale
Distractor Rationales
Target Misconception

Independent Verifierは次を確認してください

正答が一意か
問題文に不足条件がないか
公式ソースと一致するか
異なる試験バージョンが混ざっていないか
誤答選択肢が明らかに不自然ではないか
本番水準の判断が必要か

検証に失敗した問題は出題せず、作り直してください

最初は問題だけを1問ずつ表示し、正答と解説は私の回答後に表示してください

手順17　模擬試験後に計画を自動修正する

模擬試験後は、正答率だけを見てはいけません

次を分析します

正答率
回答時間
自信度
ヒント使用量
分野別結果
難易度別結果
一定期間後の再現率
同じ誤解の繰り返し
未学習範囲

Coordinator Workへ次を送ります

今回の模擬試験結果を分析してください

総合点だけでなく、Objective別、難易度別、回答時間別、自信度別に評価してください

特に次を優先して抽出してください

自信ありで不正解
同じ誤解を3回以上繰り返した
回答時間が基準を超過
正解したが理由説明が不正確
以前は正解したが今回は不正解
未学習のまま出題された

翌週の学習計画を再作成してください

単純に勉強時間を増やすのではなく、次を変更候補にしてください

優先Objective
授業内容
教材
問題形式
復習間隔
Teach-backの回数
模擬試験の頻度

最後に更新後の完全なAI_JUKU_STATEを出力してください

手順18　トークン使用量を減らす

AI塾では、ファイル数が増えるほど、すべての情報を毎回読ませる設計が非効率になります

次のルールを使います

Project Packを更新する

Obsidian側の情報をProjectへ反映するときは、Codexで次を実行します

python3 scripts/build_project_pack.py

生成されるファイルは次の3つです

AI_JUKU_CONTEXT.md
SOURCE_INDEX.md
LEARNER_STATE.md

この3ファイルだけをProjectへ追加または差し替えます

Vault全体をアップロードする必要はありません

手順19　スマートフォンから使う

受講生はChatGPTモバイルアプリから、対象Projectを開きます

Cloud Workの会話はWeb、モバイル、デスクトップ間で同期できます

一方、Codexはモバイルから新規選択できず、対応するデスクトップCodexチャットをRemoteから確認する形になります

役割は次のように分けます

モバイル

授業
質問
小テスト
レビュー確認
予定確認
画像生成
通知受信


デスクトップ

Obsidian更新
Git操作
Skill管理
教材生成
大量問題生成
独立検証
Project Pack作成

スマートフォンから24時間AI講師と会話することはできます

ただし、スマートフォン上のCloud Workが、自宅PC内のObsidian Vaultへ直接書き込むわけではありません

モバイル学習中はProjectとCoordinator Workが状態を保持し、デスクトップ利用時にCodexがObsidianへ反映する構成です

手順20　最初の動作確認を行う

セットアップが完了したら、次を順番に確認します

ソース確認

現在登録されている公式Sourceを一覧にしてください

各Sourceについて、対象試験バージョン、取得日、更新期限、対応Objectiveを表示してください

未確認情報はverifiedとして表示しないでください

授業確認

最も基礎となるObjectiveについて、15分の体験授業を実施してください

必ず図を付け、最後に確認問題を1問出してください

問題品質確認

問題を1問作成し、Question AuthorとIndependent Verifierの評価を別々に表示してください

状態確認

現在の完全なAI_JUKU_STATEを表示してください

Scheduled Task確認

次回のAI塾 Autopilot、Source Watcher、Assessment Coordinatorの実行予定を整理してください

Obsidian確認

obsidian vault="AI-Juku" search query="status:verified"

Git確認

この構成の制約

API不要で多くの機能を実現できますが、次は区別する必要があります

今回作るのは、正確には次のサービスです

完成後の運用サイクル

この構成により、ChatGPTは単なる質問回答AIではなくなります

Projectが教室

Coordinator Workが校長

サブエージェントが講師、問題作成者、検証者

Skillsが業務マニュアル

Scheduled Tasksが自動運営担当

Obsidianが長期記憶

GitHubが変更履歴

Codexが開発・保守担当

ChatGPT Images 2.0が図解担当になります

まとめ

今回のAI塾は、OpenAI API、LangChain、LangGraph、Langfuse、OpenClawを最初から導入する構成ではありません

まずはChatGPTのサブスクリプション内で、次を組み合わせます

ChatGPT Project
ChatGPT Work
Codex
サブエージェント
Scheduled Tasks
ChatGPT Images 2.0
Obsidian
GitHub
厳選したSkills

そして、利用者が手作業で大量のノートや設定ファイルを作るのではなく、最初にProjectを作り、そのProject内のChatGPTとCodexに、フォルダ、テンプレート、Properties、学習計画、Source Registry、Scheduled Tasksの土台を作らせます

これにより、セットアップの難しさを抑えながら、次の機能を持つ自分専用の資格学習環境を構築できます

公式情報に基づく回答
図解付き授業
合格までのスケジュール
日次・週次レビュー
定期小テスト
本番レベル模擬試験
弱点分析
自動再計画
新情報通知
古い教材の検知
モバイル学習
長期記憶
変更履歴

AIを単発の質問相手として使うのではなく、合格まで継続して動く組織として設計する

それが、今回構築する資格学習塾「AI塾」です