このプロセスは複雑すぎるため、私には書けません。この記事は Claude Code によって書かれました。
なぜこの記事を読むのか？
Claude Code の作業ディレクトリのスクリーンショットを見た多くの人の最初の反応は、「個人メディアのブロガーが、そこまで複雑にする必要あるの？」というものです。
しかし、このシステムを使えば以下のような実績があると伝えると、反応は「教えてくれない？」に変わります。
- 年間 13,000 件のコンテンツを公開
- フォロワー 1 万人以上のプラットフォームを 7 つ同時運用
- 1 年で 70 万人のフォロワーを獲得
この記事がその答えです。
核となる哲学: 断片からシステムへ
ほとんどの人は AI を以下のように使っています。
- アイデアが浮かぶ → AI に質問 → 回答を得る → 公開 → 忘れる
- また次にアイデアが浮かぶ → 再び AI に質問 → また回答を得る → 再び公開 → 再び忘れる
これは 断片的な創作 であり、毎回一からやり直しています。
私の方法は以下の通りです。
- アイデアが浮かぶ → トピックライブラリに記録 → AI が素材ライブラリを検索 → 検証済みのフレームワークを再利用 → 公開 → データレビュー → 方法論を蓄積
これは 体系的な創作 であり、毎回の創作がシステムにレンガを一つずつ積み上げていきます。
ディレクトリ構造の概要
完全なワークフロー: アイデアから公開まで
ステップ 1: トピックの記録（断片的なアイデア管理）
アイデアが浮かんだら、「トピックを記録して」と言います。
AI は自動的にそのアイデアを 01-Content Production/Topic Management/00-Topic Records.md に記録します。
このファイルは私の「アイデア集積箱」であり、すべての断片的なアイデアがまずここに投入されます。
ステップ 2: トピックの深化（アイデアから原稿へ）
あるトピックを深掘りしようと決めたら、AI は以下のことを行います。
- 素材ライブラリを検索（これが鍵）
まず、Core Concept Library/ を確認: 関連する理論的フレームワークはあるか？
次に、Golden Quote Library/ を確認: 質の高い表現はあるか？
次に、03-Published Topics/ を確認: 関連する原稿はあるか？
- 再利用を提案
関連するコンテンツが見つかった場合、AI は一から作成する代わりに再利用するよう提案します。
これにより「車輪の再発明」を防ぎます。
- 原稿を生成
再利用可能なものがない場合、AI は私のスタイルに基づいて新しい原稿を生成します。
原稿は 01-Topics to be Deepened/ に保存されます。
ステップ 3: タイトルとカバー画像の生成
原稿が完成したら、「Xiaohongshu のタイトルとカバーを生成して」と言います。
AI は Methodology Accumulation/dontbesilent Xiaohongshu Title Methodology.md に基づいて以下を生成します。
- 3 つのタイトル候補
- カバーテキストの提案
- タイトルのロジックの説明
ステップ 4: ショート動画のフック最適化
ショート動画の場合、「フックを最適化して」と言います。
AI は Content Data Statistics/dontbesilent Manually Organized Short Video Hooks.xlsx のデータに基づいて、最初の 5 秒の完読率を最適化します。
ステップ 5: 公開とデータ記録
公開後、原稿を 03-Published Topics/ に移動し、以下を記録します。
- 公開時間
- データパフォーマンス（再生数、いいね数、コメント数）
- 振り返りと反省
このデータは Content Data Statistics/ と Methodology Accumulation/ にフィードバックされます。
AI の自動化機能
AI に対していくつかの自動化機能を定義しています。例えば以下の通りです。
- トピックを記録: 断片的なアイデアを素早く記録
- タイトルを生成: 方法論に基づいて Xiaohongshu のタイトルを生成
- フックを最適化: ショート動画の 5 秒完読率を改善
- 素材を検索: 再利用可能なコンテンツを自動で見つける
- データレビュー: 公開データを記録し、方法論にフィードバック
これらの機能により、AI は単に「質問に答える」だけでなく、「ワークフローを実行する」存在になります。
素材ライブラリ管理: 「運任せ」から「システム化」へ
これこそがシステム全体の核心です。
従来の方法:
- 原稿を書くたびにゼロから始める
- 過去に何を書いたか把握していない
- 優れた表現、フレームワーク、事例が各原稿に散在している
私の方法:
- AI が原稿を書く前に、まず素材ライブラリを検索する
- 関連コンテンツが見つかれば、再利用を提案する
- 毎回の創作が素材ライブラリに新たなレンガを積み上げる
素材ライブラリの構造:
Content Material Library/
├── Core Concept Library/ # 再利用可能な理論的フレームワーク（例：「生産的関心」）
├── Golden Quote Library/ # 質の高い表現
├── Viral Manuscript Library/ # 検証済みのコンテンツ構造
├── 100 Thoughts Series/ # 10,894 件のツイートから抽出した 100 の思考
└── Tweet Library/ # 10,894 件のツイートの生データ
例:
「関心でお金を稼ぐ方法」について書きたい場合、AI は以下のことを行います。
Core Concept Library/Productive Interest.mdを検索Viral Manuscript Library/02-How to make money with interest and achieve scale growth.mdを検索- 「似たようなコンテンツを以前書いていますが、再利用しますか？」と伝える
これにより「車輪の再発明」を避け、コンテンツの一貫性も保たれます。
データ駆動型の方法論蓄積
私はコンテンツを「感覚」ではなく「データ」で作成しています。
Content Data Statistics/:
Dontbesilent Data Statistics Table.xlsx: 全コンテンツのデータパフォーマンスdontbesilent Manually Organized Short Video Hooks.xlsx: ショート動画フックの完読率データ
Methodology Accumulation/:
dontbesilent Xiaohongshu Title Methodology.md: データに基づいてまとめたタイトルのパターンDetailed Explanation of the Relationship between Topic, Title, and Hook.md: 3 つの要素間の論理的関係
Topic Research/:
Dan Koe Popular Topics/: Dan Koe をベンチマークしたトピック分析Topic Comparative Analysis_Good vs Poor vs Dan Koe.md: トラフィックが多いトピックと少ないトピックの比較
公開のたびにデータを記録し、方法論にフィードバックします。
こうすることで、私の方法論は「生きて」おり、データとともに反復進化します。
ビジネス運営: コンテンツは手段、ビジネスは目的
多くの人はコンテンツを作成する際、トラフィックだけに注目し、収益化を考えていません。
私の 02-Business Operations/ ディレクトリには以下が記録されています。
- 収入データと分析
- ビジネスロジックと戦略的決定
- 各ビジネスラインのデータ統計
コンテンツはトラフィックの入り口であり、ビジネスは収益化の出口です。
このディレクトリは、「コンテンツを作成する目的はお金を稼ぐことであり、単にフォロワーを増やすことではない」ということを常に思い出させてくれます。
核心的価値: システム化 > 断片化
このシステムの核心的価値は、「AI が原稿を書いてくれること」ではなく、以下の点にあります。
- 記憶システム: AI が過去に書いた内容を把握しており、車輪の再発明を防ぐ
- 素材の再利用: 優れたフレームワーク、表現、事例を繰り返し活用できる
- 方法論の蓄積: 毎回の創作がシステムに新たなレンガを積み上げる
- データ駆動: 感覚ではなく、データによって反復改善する
断片的な創作: 毎回ゼロから始め、効率が低く、品質が不安定
体系的な創作: 毎回再利用と反復を行い、効率が高く、品質が安定
どう始めればいいか？
あなたもこのようなシステムを構築したいのであれば、以下の手順をお勧めします。
- まずディレクトリ構造を確立する: ファイルタイプではなく、業務プロセスで分類する
- 次にワークフローを定義する: 反復作業のプロセスを AI に教える
- そして素材ライブラリを構築する: 良質なコンテンツ、フレームワーク、表現を蓄積する
- 最後にデータ駆動にする: データを記録し、方法論にフィードバックする
最初から完璧を求めず、小さなプロセスから始めて、徐々に改善していきましょう。
まとめ
このシステムは「スキルを見せびらかす」ためのものではなく、以下のためにあります。
- 年間 13,000 件のコンテンツを公開する
- 7 つのプラットフォームを同時に運用する
- 安定したコンテンツ品質を維持する
- 方法論を継続的に蓄積する
あなたも「断片的な創作」から「体系的な創作」へレベルアップしたいのであれば、この記事がその出発点です。
Claude Code にこのシステム構築を依頼するには？
朗報です。ゼロから考える必要はありません。
この記事を Claude Code に送るだけで、Claude Code がこのタスクを完了するのを手伝ってくれます。
ユーザープロンプトテンプレート
dontbesilent のようなコンテンツ制作システムを構築したいです。
私の基本状況:
- 制作しているコンテンツの種類: [ショート動画 / 画像＋テキスト / 音声]
- 使用しているプラットフォーム: [Xiaohongshu / Douyin / 公式アカウント / ...]
- 現在の課題: [毎回ゼロから始めてしまう / 過去の素材が見つからない / どんなトピックが良いかわからない / ...]
以下の点について支援をお願いします:
1. 私に適したディレクトリ構造を設計する
2. 素材ライブラリ管理システムを構築する
3. 必要な AI 自動化機能を定義する
4. この記事のアイデアを参考にした CLAUDE.md プロジェクトガイドを作成する:
[この記事のリンクまたは内容を Claude Code に貼り付けてください]
活用のヒント
- 小さなプロセスから始める: 最初から完璧を求めず、まずは特定の課題を解決する
- 使いながら反復する: システムは設計によってではなく、使用によって構築される
- データを記録する: 初日からデータを記録し始める。これが方法論の基盤となる
- 定期的に見直す: 週 1 回または月 1 回レビューし、どのプロセスを最適化できるか確認する
Claude Code は、あなたの実際の状況に基づいて、専用のコンテンツ制作システムをカスタマイズします。
