学びを記事・スライド・Xへ高速展開する― AI-assisted Learning Loopで回すコンテンツ生成術

生成AIを使っていても、テック記事、登壇スライド、X投稿をそれぞれゼロから作っていては、コンテンツ制作に多くの時間がかかります。

本セッションでは、技術学習を8つの段階で循環させる「AI-assisted Learning Loop」を土台に、1つの学習テーマを高速学習し、記事・スライド・X投稿へ短時間で展開するコンテンツ生成術を紹介します。

自作ツールのTechBlogWriter、SlideDeckCreator、CaptureScreenMCP、daily-dashboardを使い、情報収集、素材整理、構成作成、文章生成、スライド化、画面キャプチャ、レビュー、SNS投稿までを、AI・スキル・MCPによって効率化する実際のワークフローを解説します。

重要なのは、AIに速く書かせることだけではありません。一度整理した学習内容を複数のコンテンツで再利用し、繰り返す工程をテンプレートやスキルとして蓄積することで、制作時間そのものを短縮していきます。

AI生成物の検証や人が判断すべきポイントも含め、品質を落とさずにアウトプットを高速化し、日々の学習を実務・技術発信・次の学習につながる資産へ変える方法をお話しします。

Transcript

1. 学びを記事・スライド・Xへ 高速展開する― AI-assisted Learning Loop で回すコンテンツ生成術 1つの学習テーマ 同じ内容を再利用 記事 スライド X AI-assisted Learning Loop / 学びを専門性・実務の価値・評価の材料へ 学習と発信を専門性と実務の価値の説明へつなぐ AI-assisted Learning Loop 1 / 37
2. 自己紹介 Ochtum（オクトゥム） ちなみにゲームのハンドルネームです 猫とゲームを愛するエンジニアです。IT関連の情報発信 と、ゲームや日常をポストしています。よかったらフォロ ーしてください!! X ochtum18 Qiita ochtum GitHub ochtum Speaker Deck ochtum PrairieCards ochtum 自己紹介 Prairie Cards プロフィール 2 / 37
3. 普段参加しているコミュニティ：.NETラボ .NETラボ .NET・Microsoft製品・開発技術 毎月第4土曜日を基本に、技術を学ぶ勉強会。 現地／YouTube Liveのハイブリッド開催や、 発表資料の公開も。 .NET・Microsoft技術を、継続して学び、交流できる場 [9] dotnetlab.connpass.com/ コミュニティ・勉強会 3 / 37
4. 普段参加しているコミュニティ・勉強会 ITエンジニア One Up 勉強会 AIエージェント活用・キャリア・交流 市場価値向上をテーマにした、学びと交流の場。 AI活用やキャリアについて経験を共有。 エンジニアコミュニティ ORION 技術の共有・意見交換・交流 技術LTと質問・意見交換、その後の懇親会。 Discordでの技術雑談・情報共有も。 技術の共有や経験の交換を通じて、学びと交流を広げる [10] streamline.connpass.com/ コミュニティ・勉強会 [11] orion.connpass.com/ 4 / 37
5. 参加予定のイベント 2026 10/26（月） 19:30 START C#／Blazorではじめる 高速プロトタイピング ～GitHub Copilot × Azure × Supabaseで アイデアを形に～ 参加予定のイベントをご紹介します。 詳細・参加方法 C#・BlazorとAIを使い、アイデアを動く形にする [12] rosca.connpass.com/event/406179/ 参加予定イベント 5 / 37
6. 今日のゴール 学習内容を効率よく発信し、 自分の専門性と実務での価値を伝えられるようになる 01 → 学習 残す内容 担当 成果 02 実務での確認 根拠 → 03 記事・登壇・X 価値を伝える説明材料へ 市場価値向上・給与アップ・単価アップを目指す [1] 今日のゴール 6 / 37
7. 今日の説明順 イントロ → 問題 → 提案 → 学習 → 発信 → 再利用と評価 → まとめ 日々の学びと伝えられる価値 学ぶ・試す・伝えるを専門性と実務の価値 につなぐ p. 8–8 学習と制作で残っている困りごと 記録に残らず、同じ質問を繰り返す p. 9–9 Learning Loopで学びを残してつなぐ 整理・記録から実務・発信・次の学びへ p. 10–11 本文① 根拠付きの学習内容の整理 8段階の関係、学習メモ、実務適用と検証 p. 12–14 本文② 記事・登壇・Xと実務の価値の説明 2つの流れとAIに任せる作業 p. 15–28 本文③ 制作手順の再利用と評価の説明材料 手順保存、品質と人の判断、市場価値・給 与・単価 p. 29–29 学び・発信・実務の価値の説明を振り返る 効率化、根拠、専門性と評価の関係 p. 30–30 学習内容を発信へ展開する工程と判断箇所を順に確認できる 説明順 7 / 37
8. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 日々の学びを 専門性と実務の価値の説明につなげる 日々の取り組み 残す内容 伝えられる価値 学ぶ・試す 疑問・根拠・利用条件・確認結果 何を理解し、どこで使えるか 記事・登壇・Xで伝える 主張・具体例・注意点・参照先 自分の専門性と判断の理由 実務で生かす 課題・自分の担当・成果と根拠 何に貢献できるかの説明材料 日々の学びと確認結果を相手に伝わる材料として残す 日々の学びと伝えられる価値 8 / 37
9. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ AIに聞いて終わりで、学びが積み上がらない 01 分からないことを1つ質問する 02 回答を読んで、なんとなく分かった気になる 03 でも実務でどう使うかは分からない 04 後から見返せるメモや記事には残っていない 05 結局、同じような質問をまた繰り返す [1] 記録が残らず、同じような質問を繰り返してしまう 学習と制作で残っている困りごと 9 / 37
10. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ AI-assisted Learning Loopで学びをつなぐ 提案すること 対応する段階 残す・使う内容 理解を深め、整理して残す Context（前提共有） → Explain（説明） → Dialogue（対話） → Structure（構造化） 前提・理解・根拠 Markdownの学習メモ 実務で使い、根拠を確かめる Apply（実務適用） → Verify（検証） 利用場面・制約・確認結果 記事・登壇・Xへ発信する Publish（発信） 相手に伝わる説明と参照先 内容や手順を保存し、 次の学びへ使う Automate（手順の再利用） → 次のContext（前提共有） 保存したメモ・手順を 新しい資料・疑問と再利用 8段階を通じて、理解・記録・実務・発信・再利用をつなげる [1] 学びの整理と実務・発信への展開 10 / 37
11. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 残した学びを、実務・発信・次の学びへつなげる 実務 整理して残した学び Context（前提共有） → Explain（説明） → Dialogue（対話） → Structure（構造化） 要点・根拠・具体例 Apply（実務適用） → Verify（検証） 利用場面を具体化し、試して根拠を確かめる 発信 Publish（発信） 記事・登壇・Xへ、自分の言葉で展開する 利用条件・確認結果 疑問・未確認事項 次の学び Automate（手順の再利用） → 次のContext（前提共有） 保存したメモ・手順を次のContext（前提共有）へ渡す 新しい疑問・確認結果を追加 残した学びを実務・発信・次の学びへ再利用する [1] 学びの整理と実務・発信への展開 11 / 37
12. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 理解と発信を8段階でつなぐ Context （前提共有） Explain （説明） Dialogue （対話） Structure （構造化） 成果物：資料・コード・疑 問点・目的 成果物：重要語と、公式資 料を読むための前提 成果物：自分の理解と、修 正した内容 成果物：Markdown・比較 表・手順 理解と成果物の引継ぎ → 次の学習で手順を再利用 理解と成果物の引継ぎ → 次の学習で手順を再利用 説明で見つかった理解の不足 説明で見つかった理解の不足 Automate （手順の再利用） Publish （発信） Verify （検証） Apply （実務適用） 成果物：プロンプト・テン プレート・スキル 成果物：記事・スライド・ X投稿 成果物：公式情報・実行結 果・未確認事項 成果物：業務での利用場面 と制約 AI-assisted Learning Loopは学習・実務適用・検証・発信・手順保存を循環させる8段階 の考え方である [1] 本文① 根拠付きの学習内容の整理 12 / 37
13. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 対話内容を、AI自身にMarkdownへまとめてもらう 段階 対話で行うこと（説明用の例） Context （前提共有） 目的：MCPの学びを記事・登壇で使い たい 疑問：MCPは実務のどこで使える？ Explain （説明） AIの説明と公式資料を読み、 MCPと接続先の役割を確認する Dialogue （対話） 自分の言葉で説明し直し、 誤り・不足をAIとの対話で確かめる ## 利用したい場面 学んだMCPの使いどころを記事・登壇で伝える。 Structure （構造化） AIへの依頼：ここまでの対話を mcp-learning.mdにまとめ、 ファイルとして保存してください ## 未確認事項 接続条件・利用場面・確認すべき内容 AIが作成：mcp-learning.md ## 要点 MCPはAIと外部機能をつなぐ規約。 接続先の機能をAIから利用できる。 ## 根拠 MCP公式ドキュメント [2] 対話の整理とファイル保存はAIに任せ、内容を自分で確認する [1] [2] 本文① 根拠付きの学習内容の整理 13 / 37
14. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 試した結果と残る疑問を、同じメモへ追記する 前ページのmcp-learning.mdへ追記する例｜実行結果を示すものではありません 試すときに残す項目 追記したメモの使い方 ## MCPを試した記録 利用場面・環境・接続先 試した操作と実行結果 確認した資料のURL 記事へ：確認できた範囲と根拠 未実施・不明な点は「未確認」に。 結果と疑問を同じメモに残す。 次の学びへ：残った疑問 例：別の環境でも使える？ 追記するもの：利用条件・結果・根拠・未確認事項 確認済みと未確認を分け、記事の根拠と次の学びを残す [1] [2] [4] 本文① 根拠付きの学習内容の整理 14 / 37
15. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 発信先に合わせて、AIへの依頼を変える ここまでは、学習メモを 発信へ使う考え方。 実際の運用は2つ。 RSS → X投稿 Markdown → Qiita記事 → スライド 発信先 AIへの依頼 伝える内容 記事 Markdownから 背景・仕組み・利用例を説明 詳しい説明と根拠 スライド Qiita記事から 構成・図・話す内容を作成 話の流れと具体例 X RSSの元記事から 要点とリンクを整理 要点と記事へのリンク 発信先に合う説明をAIに作ってもらい、入力と根拠を引き継ぐ [1] 本文② 記事・登壇・Xと実務の価値の説明 15 / 37
16. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ AIでコンテンツ作成を効率化する3つのツール ツール 入力 AIで進める作業・成果物 daily-dashboard （C#製） RSS・関連キーワード 関連キーワードで投稿ネタを選定→HTML出力。 AIがHTMLから元記事を確認し、 X投稿する記事を複数選定→X投稿。 TechBlogWriter AIに保存してもらった Markdown AIのスキルで、保存したMarkdownからQiita記事を作成。 SlideDeckCreator Qiita記事 AIのスキルで、Qiita記事から登壇スライドを作成。 RSSからX投稿、MarkdownからQiita記事・スライドの作成をAIで効率化する [3] [4] [6] 本文② 記事・登壇・Xと実務の価値の説明 16 / 37
17. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 2つの流れで発信を効率化する ① RSSからX投稿 RSS daily-dashboard（C#製） 自動処理 関連キーワードで 投稿ネタの候補を抽出 緑のAI表示＝AIを使う工程 HTMLファイル 元記事確認・選定 投稿ネタを 候補一覧として出力 AIが元記事を確認 投稿する記事を複数選定 AIで投稿文を作成 選んだ記事をXへ投稿 Qiita記事 スライド AI X投稿 AI 効率化：候補の抽出・元記事の確認・投稿作業 ② 学習から記事・登壇 AIとの対話 説明・壁打ちで 学びの理解を深める AI Markdown AI自身が対話をまとめ ファイルに保存 AI TechBlogWriter AIスキルで記事を作成 AI AI SlideDeckCreator AIスキルでスライド作成 効率化：対話の整理・記事執筆・スライド作成 記事の確認・投稿と、学びの整理・記事・スライド作成をAIで効率化する [3] [4] [6] 本文② 記事・登壇・Xと実務の価値の説明 17 / 37
18. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ RSSの候補をHTMLにまとめる ① daily-dashboard：RSS → HTML → 元記事確認・選定 → X投稿 現在：RSS → HTML 入力 C#で実装した自動処理 成果物 RSS 関連キーワード RSSを取得し、関連キーワードで選定 候補をHTMLファイルへ出力 投稿ネタの候補一覧 HTMLファイル ここで効率化すること RSSの全件確認を、関連キーワードによる候補抽出で絞り込む。 このHTMLファイルを、次ページでAIに渡す。 C#製のdaily-dashboardでRSSを取得・選定し、HTMLに出力する [6] 本文② 記事・登壇・Xと実務の価値の説明 18 / 37
19. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ HTMLから元記事をAIに確認・選定してもらう ① daily-dashboard：RSS → HTML → 元記事確認・選定 → X投稿 現在：元記事の確認・選定 入力 AIに任せること 成果物 前ページの候補一覧 HTMLファイル HTMLから候補の元記事を確認 Xに投稿する記事を複数選定 記事ごとの要点と参照URLを整理 投稿する記事の候補 要点・参照URL AIへの依頼例 このHTMLにある元記事を確認し、投稿する記事をいくつか選んでください。 各記事の要点と参照URLも整理してください。 AIにHTMLを渡し、元記事の確認と投稿する記事の選定を任せる [6] 本文② 記事・登壇・Xと実務の価値の説明 19 / 37
20. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 選んだ記事のX投稿をAIに任せる ① daily-dashboard：RSS → HTML → 元記事確認・選定 → X投稿 現在：投稿文の作成・X投稿 入力 AIに任せること 成果物 前ページで選定した記 事 要点・元記事のURL 選んだ記事の要点を投稿文へ整理 元記事へのリンクを添付 Xへ投稿 選定した複数の記事を 紹介するX投稿 AIへの依頼例 選んだ記事について、要点と元記事へのリンクを含むX投稿文を作成し、 Xへ投稿してください。 選定した記事をもとに、投稿文の作成からX投稿までAIで進める [6] 本文② 記事・登壇・Xと実務の価値の説明 20 / 37
21. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 保存したMarkdownを記事作成へ渡す前に確認する ② 学習から記事・登壇｜13ページで保存したMarkdownを使う AIが保存したMarkdown 記事作成へ渡す前の判断 要点・根拠のURL 利用場面・確認した結果 残っている疑問・未確認事項 根拠と要点が対応している？ 未確認を事実として書いていない？ 公開できない情報は含まれない？ 対話の転記はAI自身が担当。 ここからは記事に使えるか確認。 確認・修正したMarkdownを TechBlogWriterへ渡す。 この工程の役割：対話の整理をやり直さず、記事に使う内容を確かめる 根拠・未確認事項・公開できる範囲を確かめ、記事作成へ渡す [1] 本文② 記事・登壇・Xと実務の価値の説明 21 / 37
22. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ TechBlogWriterは5つのスキルで記事を作る 入力：AIに保存してもらったMarkdown 01 元ネタ整理 02 構成案 03 図解生成 04 本文作成 05 レビュー 01_ArticleOrganization 02_ArticleSection Creation 03_ArticleDiagram Creation 04_ArticleCreation 05_ArticleReview 素材のMarkdown 根拠・疑問点 記事の見出し案 図解の計画 記事用の図解 図解の生成記録 Qiita向けの記事本文 構成・事実の指摘 改善する箇所 元ネタ → セクション素案 → 図解＋記事本文 → レビュー結果 05の指摘を本文へ反映して仕上げる。03は図解計画に沿って必要な図を作成。 整理・構成・図解・本文・レビューを、AIのスキルで順に進める [3] 本文② 記事・登壇・Xと実務の価値の説明 22 / 37
23. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ SlideDeckCreatorは6つのスキルでスライドを作る 入力：Qiita記事 ＋ 発表の目的・時間 01 ストーリー 02 スライド設計 03 画像準備 01-lt-slide-story 02-lt-slide-blueprint 03-lt-slide-visuals 話の流れ・時間配分・ノート 配置・図・文字量・アニメーション 必要な画像・図の素材 06 ブラウザ内編集 05 レビュー 04 HTML・PDF生成 06-lt-slide-editor 05-lt-slide-review 04-lt-slide-build テキスト・配置・ノートの調整 表示崩れ・原稿との対応 HTML・PDF・発表者ビュー 基本は01→06。00のスタイル抽出・07のデザイン管理は必要に応じて利用。 話の流れから表示確認・編集まで、AIのスキルで成果物を引き継ぐ [4] 本文② 記事・登壇・Xと実務の価値の説明 23 / 37
24. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 記事作成①：Markdownを記事の素材に整理する TechBlogWriterで「記事の元ネタ整理」スキルを使う 保存したMarkdown 「記事の元ネタ整理」スキルへの依頼 01_ArticleOrganization ## 学んだこと AIとの対話をMarkdownに保存。 記事・登壇へ展開する。 ## 根拠 学習メモと確認した資料のURL。 このMarkdownを記事の元ネタとして 整理してください。 結論・根拠・利用場面・未確認事項を 分けて残してください。 ## 未確認 制作時間の短縮量は未計測。 次に渡すもの：整理した元ネタのMarkdown 保存した学習内容を「記事の元ネタ整理」スキルへ渡す [3] 本文② 記事・登壇・Xと実務の価値の説明 24 / 37
25. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 記事作成②：見出し案と図解計画を確認する TechBlogWriterで、構成案を作るスキルから図解を作るスキルへ計画を渡す 「記事構成案の作成」スキルの出力 「図解の生成」スキルへの入力 02_ArticleSectionCreation 03_ArticleDiagramCreation 1. AIに聞いて終わる問題 2. 対話をMarkdownに残す方法 3. 3ツールによる発信の効率化 4. 確認と修正 5. 手順の保存と価値の説明 目的：2つの発信経路を示す 経路A：RSS → HTML → X投稿 経路B：Markdown → 記事 → スライド 配置：ワークフローを説明する節 確認する点：見出しの順番と、図が伝える関係が合っているか 構成案と図解計画を、本文を書く前に確認する [3] 本文② 記事・登壇・Xと実務の価値の説明 25 / 37
26. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ スライド作成①：記事と発表の条件をAIへ渡す SlideDeckCreatorの「ストーリー作成」スキルを使う例（01-lt-slide-story） スキルに入っている制作手順 今回AIへ渡す依頼の例 話の流れと各ページの主張を整理 話す内容と時間配分を作成 前後の説明のつながりを確認 この記事からスライドを作りたいです。 目的：日々の学びを価値へつなげる 時間：30分 流れ：問題 → 提案 → 学習 → 発信 → 再利用と評価 → まとめ 毎回、手順を説明し直さずに使う。 「ストーリー作成」スキルを使って、 話の流れを作成してください。 再利用するのはスキルの制作手順。毎回渡すのは、今回の記事・目的・持ち時間。 スキルにある制作手順を再利用し、記事・目的・時間を渡して作ってもらう [4] 本文② 記事・登壇・Xと実務の価値の説明 26 / 37
27. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ スライド作成②：AIの構成案を確認する SlideDeckCreatorで、前ページの依頼から作られる話の流れを確認する（説明用の例） AIが作る構成案の例 スライドにする前に確認する 問題：学びが記録に残らない 提案：学習ループで整理して残す 学習：対話をMarkdownへ保存 発信：3ツールで記事・スライド・Xへ 再利用：手順と確認項目を残す 価値：専門性と実務での工夫を伝える 今回の目的に合う順番か 30分で話せる説明量か 元記事と説明が対応しているか 確認・修正した構成案を、 スライド設計・HTML作成へ渡す。 AIに構成とスライド作成を任せ、話の流れと説明量は自分でも確認する。 構成案を確認してから、スライドの設計と作成へ進む [4] 本文② 記事・登壇・Xと実務の価値の説明 27 / 37
28. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ スライド作成③：完成した資料を確認・修正する SlideDeckCreatorの「スライドレビュー」スキルで確認し、必要な修正をAIへ依頼する 作成したスライドで確認すること AIへ渡す修正依頼の例 元記事と説明が対応しているか 前後のページで話がつながるか 図の工程と説明順が合っているか 文字の重なり・見切れがないか 全体図の後の説明が分かりづらいです。 RSS → HTML → X投稿、 Markdown → 記事 → スライドの 順に詳しく説明してください。 生成した資料を見ながら確認する。 修正後の表示とノートも確認します。 気づいた点を具体的にAIへ伝え、修正後のスライドと発表者ノートを確認する。 AIが作った資料を確認し、修正してから発表・公開に使う [4] 本文② 記事・登壇・Xと実務の価値の説明 28 / 37
29. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ 記事・登壇で、専門性と実務の価値を伝える 発信で何を示せるか、その知識を仕事でどう生かせるかを説明する 記事・登壇で示すこと 実務で説明すること 評価面談・案件提案 学んだ技術を、根拠や具体例を 使って説明できる。 その知識を、どの課題に どう使えるか。 実際に担当した仕事や成果と、 記事・登壇で示した知識を 結び付けて説明する。 記事・スライドを見せて、 自分の理解と専門性を伝える。 例：調査・情報共有・資料作成の どこに生かせるかを説明する。 できたこと・生かせることを 確認できる根拠とともに伝える。 発信数だけでなく、 「何を説明でき、実務で何に貢献できるか」を具体的に伝える。 発信を、専門性・実務での価値・給与や単価を説明する材料にする [7] [8] 本文③ 制作手順の再利用と評価の説明材料 29 / 37
30. イントロ → 問題 → 提案 → 本文①学習 → 本文②発信 → 本文③再利用と評価 → まとめ まとめ：AI-assisted Learning Loopで、 学習の効率化を価値につなげる 振り返ること 今回の流れ 残るもの 1. 学びを残す 8段階で理解・実務・発信をつなぎ、 対話したAI自身にMarkdownへ整理・保存してもらう 次の学び・作成に使うメモ 2. 発信を効率化する daily-dashboard：RSS → X投稿 TechBlogWriter：Markdown → Qiita記事 SlideDeckCreator：Qiita記事 → スライド 投稿・記事・登壇資料 3. 手順を再利用する 依頼・確認項目を保存し、次回の記事・目的・時間を差し替える 再利用する依頼と確認手順 4. 価値を伝える 記事・登壇で示した知識を、実務でどう生かせるか、 評価面談や案件提案で説明する 専門性と実務での価値を 伝える説明材料 AI-assisted Learning Loopで、学びを専門性と実務の価値につなげる [1] [3] [4] [6] [7] [8] 学び・発信・実務の価値の説明を振り返る 30 / 37
31. ありがとうございました Ochtum（オクトゥム） Prairie Cards プロフィール ご清聴ありがとうございました 31 / 37
32. 補足：8段階と残す成果物 段階 目的 残す成果物 Context（前提共有） 前提共有 資料・コード・疑問点・目的 Explain（説明） 説明 重要語と、公式資料を読むための前提 Dialogue（対話） 対話 自分の理解と、修正した内容 Structure（構造化） 構造化 Markdown・比較表・手順 Apply（実務適用） 実務適用 業務での利用場面と制約 Verify（検証） 検証 公式情報・実行結果・未確認事項 Publish（発信） 発信 記事・スライド・X投稿 Automate（手順の再利用） 手順の再利用 プロンプト・テンプレート・スキル 参照者が8段階の目的と成果物を一覧で確認できる [1] [2] [4] 補足・出典 32 / 37
33. 補足：前提共有・対話・整理の依頼例 場面 依頼例（再構成） Context （前提共有） 目的・公式URL・既知の内容・疑問点を前提に、重要語と全体の関係を説明してく ださい。 Dialogue （対話） 私の説明にある誤り・不足・実務で誤解しやすい点を、根拠とともに指摘してくだ さい。 Structure （構造化） 確認した内容を、結論・仕組み・利用例・注意・根拠・未確認事項に分けて整理し てください。 目的・自分の理解・出力形式をAIへの依頼に含める [1] [2] [3] [4] 補足・出典 33 / 37
34. 補足：工程間の受け渡しと完了条件 工程 最初の作業・入力 成果物 担当 完了条件 RSS抽出 RSS・関連キーワード 候補一覧のHTML daily-dashboard キーワードに合う候補の抽出 元記事確 認・選定 前工程のHTML 選定した記事・要点・U RL daily-dashboard＋AI 元記事を確認した候補の整理 X投稿 選定した記事とURL 記事を紹介するX投稿 daily-dashboard＋AI 要点とリンクの対応 Markdown AIとの説明・壁打ち 保存 整理した学習メモ 対話したAI自身 結論・根拠・未確認の区別 Qiita記事 保存したMarkdown Qiita記事 TechBlogWriter＋AI 学習内容と記事の対応 スライド Qiita記事・目的・時間 スライドと話す内容 SlideDeckCreator＋AI 記事と発表内容の対応 各工程の入力・成果物・確認条件を照合する [1] [3] [4] [6] 説明順 34 / 37
35. 出典：学習ループとMCP 出典 資料・URL 確認日 [1] AI-assisted Learning Loop：技術学習を理解・実務・発信につなげる8段階 / ochtum / Qiita https://qiita.com/ochtum/items/f5959fb3213937225045 2026-10-17 [2] What is the Model Context Protocol (MCP)? / Model Context Protocol https://modelcontextprotocol.io/docs/2026-07-28/getting-started/intro 2026-10-17 参照資料は学習ループの元記事とMCPの公式説明である [1] [2] 補足・出典 35 / 37
36. 出典：3ツールの確認範囲 ツール 参照先 今回の説明範囲 daily-dashboard https://github.com/ochtum/daily-dashboard RSS→関連キーワード選定→HTML →AIによる元記事確認・選定→X投 稿 TechBlogWriter https://github.com/ochtum/TechBlogWriter 保存したMarkdown→Qiita記事 SlideDeckCreator https://github.com/ochtum/SlideDeckCreator Qiita記事→スライド 3ツールの説明は本人の指定と各リポジトリの資料に基づく [3] [4] [6] 補足・出典 36 / 37
37. 出典：専門性と職務の価値の説明 出典 資料・URL 確認日 [7] 職業能力評価基準 / 厚生労働省 https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/koyou_roudou/jinzaikaihatsu/ability_skill/sy okunou/ 2026-10-19 [8] 履歴書・職務経歴書の書き方 / ハローワークインターネットサービス https://www.hellowork.mhlw.go.jp/member/career_doc01.html 2026-10-19 参照資料は職業能力の評価と職務経歴の整理に関する公的資料である [7] [8] 補足・出典 37 / 37