Tag Architecture Guide¶
Claude Code ⇄ Obsidian統合の副次的効果として実現される、自動多次元タグシステムについて詳しく解説します。
タグアーキテクチャの位置づけ¶
CKCの主目標はClaude Code ⇄ Obsidian統合ですが、その過程で手動分類負荷を軽減するために、自動多次元タグシステムが副次的効果として生まれます。
従来の問題とCKCの解決アプローチ¶
graph TB
A[Claude Code開発] --> B[.claude/ファイル作成]
B --> C[従来: 手動分類の悩み]
C --> C1["「これはプロンプト？コード？」"]
C --> C2["カテゴリ決定疲労"]
B --> D[CKC: 自動分析]
D --> E[多次元タグ自動生成]
E --> F[Obsidian最適化配置]
F --> G[シームレス統合完了]
style C fill:#ffcccc
style D fill:#ccffcc
style G fill:#ccccff
7次元タグシステム（副次的効果）¶
タグ次元の概要¶
CKCの自動分析により、以下の7次元でコンテンツが自動分類されます：
# Claude Code開発コンテンツの自動分析例
type: prompt # コンテンツ性質
tech: [python, fastapi, rest] # 技術スタック
domain: [web-dev, backend] # アプリケーション領域
team: [backend, fullstack] # チーム関連性
status: tested # ライフサイクル状態
complexity: intermediate # スキルレベル
confidence: high # 分析信頼度
各次元の詳細解説¶
1. Type（コンテンツ性質）¶
type:
prompt: # Claudeへの指示・プロンプト
code: # 実行可能コード・スニペット
concept: # 概念・アイデア・設計思想
resource: # 参考資料・ドキュメント・リンク
判定例:
$ uv run ckc classify .claude/api_prompt.md --show-evidence
type: prompt (信頼度: 93%)
└── 根拠: "以下のプロンプトを使用", "Claudeに依頼", "指示文"
2. Tech（技術スタック）¶
tech:
languages: [python, javascript, typescript, rust, go, ...]
frameworks: [react, fastapi, django, express, nextjs, ...]
tools: [git, docker, kubernetes, terraform, ...]
platforms: [aws, gcp, azure, vercel, ...]
databases: [postgresql, mongodb, redis, ...]
Claude Code特化例:
# Claude開発でよく使用される技術
tech: [python, fastapi, pydantic, typer, rich, pytest]
claude_integration: [anthropic-api, claude-sdk]
3. Domain（アプリケーション領域）¶
domain:
web-dev: # Web開発
mobile-dev: # モバイル開発
machine-learning: # AI/ML
devops: # インフラ・運用
data-science: # データ分析
security: # セキュリティ
ui-ux: # デザイン
4. Team（チーム関連性）¶
team:
backend: # バックエンド開発
frontend: # フロントエンド開発
fullstack: # フルスタック開発
ml-research: # AI/ML研究
devops: # インフラ・運用
design: # UI/UXデザイン
product: # プロダクト管理
5. Status（ライフサイクル状態）¶
status:
draft: # 作成中・実験段階
tested: # テスト済み・検証済み
production: # 本番使用中・実用化
deprecated: # 非推奨・古い
Obsidian配置との連携:
# 状態ベースファイル配置
status: draft → inbox/
status: tested → active/
status: production → knowledge/
status: deprecated → archive/
6. Complexity（スキルレベル）¶
complexity:
beginner: # 初心者向け・基本的
intermediate: # 中級者向け・応用
advanced: # 上級者向け・専門的
expert: # エキスパート向け・研究レベル
7. Confidence（分析信頼度）¶
confidence:
low: # 50-70% - 人間による確認推奨
medium: # 71-85% - 一般的な信頼度
high: # 86%+ - 高信頼度
Claude Code特化メタデータ¶
追加のClaude特化タグ¶
# Claude Code開発特化メタデータ
claude_model: sonnet-4 # 使用Claudeモデル
claude_feature: code-generation # Claude機能分類
success_rate: 87 # プロンプト成功率
iteration: 3 # 改善回数
project_context: "API開発" # プロジェクト文脈
usage_frequency: high # 使用頻度
last_used: "2025-06-20" # 最終使用日
プロンプト特化メタデータ¶
# プロンプトファイル専用メタデータ
prompt_type: system_prompt # システム/ユーザープロンプト
input_format: markdown # 入力形式
output_format: code # 期待出力形式
token_estimate: 150 # 推定トークン数
temperature: 0.7 # 推奨温度設定
自動分析プロセス（v0.10.0 YAKE統合強化）¶
YAKE統合自動分析フロー¶
graph TB
A[.claude/ファイル作成] --> B[コンテンツ読み取り]
B --> C[言語検出・前処理]
C --> D[YAKEキーワード抽出]
D --> E[従来の自動分析エンジン]
E --> F[ハイブリッド分析統合]
F --> G[7次元分類強化]
G --> H[信頼度評価]
H --> I[メタデータ生成]
I --> J[Obsidian配置決定]
J --> K[同期実行]
style D fill:#e1f5fe
style F fill:#e8f5e8
YAKE統合による分析強化¶
v0.10.0では、YAKE (Yet Another Keyword Extractor) により自動分析が大幅に強化されました：
1. 多言語対応分析¶
# 日本語技術文書の自動分析例
content: |
# FastAPIの認証システム実装
JWTトークンベースの認証を実装します。
OAuth2スキーマとセキュリティスコープを使用。
# YAKE抽出キーワード
yake_keywords: ["FastAPI", "認証システム", "JWT", "OAuth2", "セキュリティ"]
# 統合分析結果
type: concept
tech: [fastapi, jwt, oauth2]
domain: [web-dev, backend, security]
complexity: intermediate
confidence: high
2. キーワード品質評価¶
# キーワード信頼度スコアリング
extracted_keywords:
- keyword: "FastAPI"
confidence: 0.95
relevance: "high"
- keyword: "認証"
confidence: 0.89
relevance: "high"
- keyword: "実装"
confidence: 0.72
relevance: "medium"
YAKE統合分析根拠の透明性¶
$ uv run ckc classify .claude/react_component.md --show-evidence
YAKE統合分析結果:
├── 言語検出: English (信頼度: high)
│ └── 根拠: 英語キーワード、技術用語パターン
├── YAKE抽出キーワード:
│ ├── "React component" (スコア: 0.05, 関連度: high)
│ ├── "TypeScript" (スコア: 0.08, 関連度: high)
│ ├── "useState hook" (スコア: 0.12, 関連度: medium)
│ └── "JSX syntax" (スコア: 0.15, 関連度: medium)
├── type: code (信頼度: high) ⬆️
│ └── 根拠: "```jsx", "export default", YAKE["component", "syntax"]
├── tech: [react, typescript, jsx] (信頼度: high) ⬆️
│ └── 根拠: "React.useState", YAKE["TypeScript", "JSX"], パターンマッチ
├── domain: [web-dev, frontend] (信頼度: high) ⬆️
│ └── 根拠: YAKE["component", "browser"], "フロントエンド"
├── team: [frontend, fullstack] (信頼度: high) ⬆️
│ └── 根拠: React技術、YAKE UI関連キーワード
├── complexity: intermediate (信頼度: medium) ⬆️
│ └── 根拠: TypeScript使用、YAKE["advanced hooks"], カスタムロジック
└── confidence: high ⬆️
└── 根拠: YAKE高品質キーワード、明確な技術指標、構造化コード
YAKE統合による分析強化¶
🔍 キーワード品質: 技術特化用語の精密抽出
🌍 多言語対応: 日本語技術文書の正確な分析
📊 信頼度向上: より確実な自動分類
🎯 分析根拠: キーワード+パターンマッチングの複合分析
Obsidian統合での活用¶
動的クエリ生成¶
CKCは多次元タグを活用して、Obsidian用の高度なクエリを自動生成します：
# 自動生成されるObsidianクエリ例
## 高成功率Python プロンプト
```
TABLE success_rate, claude_model, updated, iteration
FROM #prompt
WHERE contains(tech, "python") AND success_rate > 80
SORT success_rate DESC, updated DESC
```
## チーム別知識マップ
```
TABLE type, domain, complexity, status
FROM #backend OR #frontend
WHERE status = "production"
GROUP BY team
```
## 技術進化追跡
```
LIST iteration, updated, success_rate
WHERE contains(tech, "fastapi") AND type = "prompt"
SORT updated DESC
```
タグベースナビゲーション¶
# Obsidian内での高度検索例
# 特定技術の知識横断
#tech/python AND #status/production
# 複雑度別学習パス
#complexity/beginner → #complexity/intermediate → #complexity/advanced
# プロジェクト横断パターン発見
#domain/api-design AND #success-rate/>80
# チーム知識共有
#team/backend AND #confidence/high
カスタマイズと拡張¶
タグ設定のカスタマイズ¶
# ckc_config.yaml - タグ設定例
tags:
# 基本7次元
type_tags: ["prompt", "code", "concept", "resource"]
tech_tags: ["python", "javascript", "react", "fastapi"]
domain_tags: ["web-dev", "machine-learning", "devops"]
team_tags: ["backend", "frontend", "ml-research"]
status_tags: ["draft", "tested", "production", "deprecated"]
complexity_tags: ["beginner", "intermediate", "advanced"]
confidence_tags: ["low", "medium", "high"]
# プロジェクト特化拡張
custom_tags:
business_value: ["low", "medium", "high", "critical"]
maintenance: ["stable", "active", "deprecated"]
security_level: ["public", "internal", "confidential"]
分析の調整（YAKE統合設定）¶
# 自動分析設定（v0.10.0強化）
ai:
auto_classification: true
confidence_threshold: 0.75
evidence_tracking: true
yake_enabled: true # YAKE統合有効化
# YAKE設定詳細
yake_config:
max_ngram_size: 3
deduplication_threshold: 0.7
max_keywords: 20
confidence_threshold: 0.5
supported_languages:
japanese: "ja"
english: "en"
spanish: "es"
french: "fr"
german: "de"
italian: "it"
portuguese: "pt"
# 特定次元の重み調整
dimension_weights:
type: 1.0
tech: 0.9
domain: 0.8
complexity: 0.7
yake_keywords: 0.8 # YAKEキーワードの重み
ベストプラクティス¶
効果的なタグ活用¶
自動分析の活用
# 自動分析を信頼し、手動調整は最小限に uv run ckc classify .claude/ --batch --auto-apply
Obsidian内での発見
# 予期しない知識の関連性を発見 #tech/react AND #domain/machine-learning
チーム知識共有
# チーム固有の知識を特定 uv run ckc search --team backend --confidence high
手動調整が必要な場合¶
# 手動でタグを追加・修正する例
---
title: "特殊なAPIパターン"
type: concept
tech: [python, fastapi]
domain: [web-dev, backend]
complexity: advanced
confidence: medium # 自動分析では低かったが、実際は確実
manual_override: true # 手動調整したことを記録
custom_tags: [enterprise, scalability] # プロジェクト特化タグ
---
まとめ（v0.10.0 YAKE統合強化）¶
多次元タグシステムは、Claude Code ⇄ Obsidian統合の副次的効果として生まれ、v0.10.0でYAKE統合により大幅に強化された機能です：
主な価値（YAKE統合強化）¶
手動分類負荷軽減: 「どのカテゴリ？」の決定疲労解消
多言語知識発見: 日本語・英語含む7言語での高度な横断検索
分析透明性: YAKE+パターンマッチング分析根拠の明示
キーワード品質: 技術特化用語の精密抽出による信頼性向上
v0.10.0での進化¶
🧠 AI強化: YAKE教師なし学習による自動キーワード抽出
🌍 多言語対応: 日本語技術文書の正確な自動分析
📊 分析強化: キーワード+パターンマッチングの複合分析
🔍 発見力強化: 関連性の高いキーワードによる知識発見
統合との関係¶
主目標: Claude Code ⇄ Obsidian シームレス統合
副次効果: YAKE統合自動多次元タグによる組織化
結果: より精密で手動負荷なしの構造化知識管理
このYAKE統合タグアーキテクチャにより、開発者は分類作業に全く時間を取られることなく、Claude Code開発に集中しながら、Obsidianで多言語対応・高精度に組織化された知識を自動蓄積できます。
関連ドキュメント¶
YAKE統合詳細ガイド - 技術仕様と使用方法
Core Concepts - CKCの基本概念
Obsidian Migration - 既存ボルトの移行