AIマインドシェアマップ は何をしますか?
競合インテリジェンスツール:オーディエンスを発見し、AIシステムにクエリを実行し、応答を分析し、競合リーダーボードを構築し、ソースのギャップを特定します。
コマンド構文
/mindshare-map --entity <url> [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
エンティティモード:特定の企業/ブランドを追跡します。
/mindshare-map --market "<description>" [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
マーケットモード:焦点となるエンティティなしでのランドスケープ分析。
オプション:
--frame "..."インテント/ペルソナの方向性 — 誰が何のために検索しているか(デフォルト:オプションを調査中の購入者)--name <slug>作業ディレクトリ名(デフォルト:URLドメインまたはマーケット説明から派生)--skip-validationICP確認をスキップ(推論されたICPを使用;購入者→デフォルトトラック、その他→トラックなし)--intents-per-track=Nトラックモードでのトラックあたりのインテント数(デフォルト:6)--intents=NトラックなしモードでのICPあたりのインテント数(デフォルト:12)
例:
/mindshare-map --entity https://example.com→work/example-com-20260213//mindshare-map --market "creative agencies"→work/creative-agencies-20260213//mindshare-map --entity https://foo.com --name=foo-q1-2026→work/foo-q1-2026//mindshare-map --entity https://foo.com --frame "investors assessing category leaders"
依存関係
- Playwright MCP:オーディエンス発見リサーチ
- WebFetch:オーディエンス発見リサーチ
- Bash:パイプライン実行
- OpenAI API:GPT-5.2(クエリ用)、GPT-5-mini(フルティアソース評価用)、GPT-5-nano(抽出/分析/ライトティア評価用)
- tuff-lil-unit:パイプライン実行 — クラッシュリカバリ、ステップメモ化、並行処理
作業ディレクトリ
各実行は work/ の下に日付付きのディレクトリを作成します:
work/creative-agencies-20260213/
audience-profile.json # ICP + インテント + target_focus(プロジェクトID)
subject-context.json # リサーチ知識
tuff.db # SQLite:tuffステップ + ドメインテーブル(クエリ可能)
distillation.json # 完全な競合ランドスケープ出力
出力
- distillation.json — 完全な競合ランドスケープを含む単一ファイル:
meta— スキーマバージョン、実行ID、モード、タイムスタンプ、クエリ数、応答率、主要エンティティタイプlandscape— タイプ(会社、製品など)でグループ化され、リーチでランク付けされた query_answer エンティティother_entities— タイプでグループ化された authority_source/platform エンティティby_icp— ICPごとの内訳:{ icp_001: { landscape: {…}, other_entities: {…} } }sources.market— パブリッシャータイプ別、ドメインごとの評価(各項目にsource_type、is_competitor、authority、citation_count、citation_count_by_icp)client— ポジション、カテゴリ内ポジション、サリエンス、可視性、評判 (エンティティモードのみ)
- tuff.db —
sqlite3でクエリ可能:ステータス、トークン使用量、ドメインテーブル
DB:蒸留サマリーの背後にある詳細
tuff.db は蒸留が要約する完全な詳細を保持します。sqlite3 tuff.db でクエリ:
| 取得したい情報 | テーブル → カラム |
|---|---|
| ソース権威の推論とシグナル | assessments.result → authority |
| ソース形式と競合関係 | assessments → source_type、is_competitor |
| ドメインごとの全引用URL | assessments.result → urls |
| 応答ごとの言及詳細(サリエンス、ICP、クエリ) | analysed.mentions |
| GPT応答テキスト全文 | queries.response |
| 取得したソースページコンテンツ | sources.content |
| ソースごとの生エンティティ抽出 | extractions.entities |
セットアップ(初回実行)
SessionStart フックが自動的に ${CLAUDE_PLUGIN_DATA} に tuff-lil-unit をインストールし、package.json が変更された場合に再実行します。シェル経由で OPENAI_API_KEY が設定されていることを確認してください(キーチェーン管理推奨、~/.zshenv からエクスポート — README参照)。Playwright MCPはオプションです(エンティティモードのサイトリサーチでは、それがない場合WebFetchにフォールバックします)。
パイプラインフェーズが Could not locate the bindings file(better-sqlite3 のネイティブバインディングエラー)で失敗した場合、インストールがネイティブビルドステップをスキップしたことを示します。修正:cd ${CLAUDE_PLUGIN_DATA} && npm rebuild better-sqlite3 を実行し、フェーズを再試行してください。
フェーズ 0:作業ディレクトリのセットアップ
何よりも先に、作業ディレクトリを解決します:
- スラッグの導出 を入力から:
--entity:ドメインを抽出、スラッグ化 →example-com--market:説明をスラッグ化 →creative-agencies--name=フラグで上書き(日付サフィックスは追加されません)
- 日付サフィックスの追加:
${slug}-${YYYYMMDD}(例:creative-agencies-20260213)--name=が提供された場合はスキップ(ユーザーがフルネームを制御)
WORK_DIRの設定 =work/${slug}-${YYYYMMDD}/- 存在確認:
WORK_DIRに既にデータが存在する場合、ユーザーにプロンプト:work/creative-agencies-20260213/ は既に存在します。上書きするか、別の名前を使用しますか? - ディレクトリ作成:
mkdir -p ${WORK_DIR}
以降のすべてのフェーズは --work-dir=${WORK_DIR} を使用します。
フェーズ 1:オーディエンス発見
サブエージェント主導のリサーチ+ユーザー検証。audience-profile.json を生成します。
ステップ 1.0:フレーム
--frame フラグをキャプチャ(デフォルト:購入者フレーム)。
ステップ 1.1:ICPの生成
Task({
subagent_type: 'general-purpose',
prompt: `実行:references/${'entity' in subject
? 'entity-mode-instructions' : 'market-mode-instructions'}.md\n\n${
'entity' in subject ? `エンティティURL:${subject.entity}` : `マーケット:"${subject.market}"`}\n\nWORK_DIR:${WORK_DIR} — subject-context.json をこのディレクトリに書き込みます。ハードコードされた work/ パスではありません。`
})
ステップ 1.2:ICPの検証
提案されたICPをユーザーに提示。フィードバックを収集し、必要に応じて調整。--skip-validation が指定されている場合はスキップ。
発見が research_limited を返した場合(エンティティモード、WebFetchが読み取れなかったJSレンダリングサイト)、--skip-validation 下でもユーザーに伝えます:
{entity}はJSレンダリングされているようです。そのため、これらのICPはサイト自体よりも一般的なWebリサーチに依存しています。Playwright MCPをインストールすると、完全なサイトを読み取ることができます。追加して発見を再実行するか、このまま続行しますか?
ステップ 1.2a:トラック選択
ICPが確認された後、マーケットマッピングトラックを決定:
| フレーム | --skip-validation あり | インタラクティブ |
|---|---|---|
| 購入者 | デフォルトトラック(4) | デフォルトまたはトラックなしを提案 |
| カスタム | トラックなし | カスタムトラックまたはトラックなしを提案 |
デフォルトトラック:landscape、recommendation、specialization、scenario。すべてのトラックはエンティティを表面化する必要があります。表現ガイダンスについては references/intent-query-generation-instructions.md を参照してください。
ステップ 1.3:インテントとクエリの生成
ICPごとに1つのサブエージェント、並列で。 各ICPに対して、3つの中立的なスロットをフレームを通じて解釈したロールプレイブリーフを作成します:
| スロット | 購入者 | 投資家 | ジャーナリスト |
|---|---|---|---|
motivations | 目標 | 投資テーゼ | 記事のテーマとアングル |
constraints | ペインポイント | デューデリジェンスの懸念 | 編集上の制約 |
context | 現在の状況 | ポートフォリオの文脈 | 現在のアサインメント |
サブエージェントに送信する前に、構築したブリーフを audience-profile.json のICPの brief ブロックに記録します。
references/intent-query-generation-instructions.md のトラック付きまたはトラックなしテンプレートを使用。トラック付き:--intents-per-track=N(デフォルト6)、インテントJSONに track を含む。トラックなし:--intents=N(デフォルト12)、track は省略。
const icpResults = await Promise.all(confirmedICPs.map(icp =>
Task({
subagent_type: 'general-purpose',
model: 'sonnet',
prompt: buildRoleplayBrief(icp, confirmedTracks, trackless)
})
))
ステップ 1.3b:クエリレビュー
単一のレビューサブエージェント(Sonnet)が、生成されたすべてのクエリを方法論上の問題についてスキャンします。フラグが立てられたクエリと理由を返し、オーケストレーターが修正または破棄してからユーザーに提示します。
Task({
subagent_type: 'general-purpose',
model: 'sonnet',
prompt: `これらの生成されたクエリを研究方法論の問題についてレビューしてください...\n${allQueries}`
// 基準と出力形式については references/query-review-instructions.md を参照
})
ステップ 1.4:インテントの検証とプロファイルの書き込み
インテントをユーザーに提示し、フィードバックを収集。${WORK_DIR}/audience-profile.json を書き込み。--skip-validation が指定されている場合は検証をスキップ。
フェーズ 2:パイプライン(タスクベース、バックグラウンドジョブ)
ステップ 2.1:タスク作成と依存関係の設定
const query = TaskCreate({
subject: "すべてのICPについてGPTにクエリを実行",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:query -- --work-dir=${WORK_DIR}' })",
activeForm: "GPTにクエリ実行中"
})
const fetch = TaskCreate({
subject: "引用URLを取得",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:fetch -- --work-dir=${WORK_DIR}' })",
activeForm: "URL取得中"
})
const extract = TaskCreate({
subject: "ソースからエンティティを抽出",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:extract -- --work-dir=${WORK_DIR}' })",
activeForm: "エンティティ抽出中"
})
const assess = TaskCreate({
subject: "ソース権威を評価",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:assess -- --work-dir=${WORK_DIR}' })",
activeForm: "ソース評価中"
})
const analyse = TaskCreate({
subject: "GPT応答を分析",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:analyse -- --work-dir=${WORK_DIR}' })",
activeForm: "応答分析中"
})
const distill = TaskCreate({
subject: "競合ランドスケープを蒸留",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:distill -- --work-dir=${WORK_DIR}' }). 出力:distillation.json",
activeForm: "ランドスケープ蒸留中"
})
// 依存関係グラフ:
// クエリ → 取得 → 抽出 → 評価 ─┐
// └──→ 分析 ─────────────────┴→ 蒸留
TaskUpdate({ taskId: fetch.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: extract.id, addBlockedBy: [fetch.id] })
TaskUpdate({ taskId: assess.id, addBlockedBy: [extract.id] })
TaskUpdate({ taskId: analyse.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: distill.id, addBlockedBy: [assess.id, analyse.id] })
ステップ 2.2:タスクグラフの実行
query から開始。各完了時に:タスクを完了としてマークし、ブロック解除された依存タスクを開始。
進捗の監視 — 各フェーズはアイテムごとにDBに書き込みます。いつでも進捗を確認:
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} query # 単一フェーズ:"query: 24/24"
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} # 全フェーズ
クラッシュまたは中断時: 失敗したフェーズを再実行—tuffステップメモ化により完了済みアイテムはスキップされます。
フルパイプライン(非インタラクティブ): NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline -- --work-dir=${WORK_DIR} は6つのフェーズすべてを順次実行します。
フェーズ 3:納品
パイプラインが完了したら、出力をユーザーに提示:
**AIマインドシェアマップ完了** → `${WORK_DIR}/`
**出力:**
- `${WORK_DIR}/distillation.json` — 競合ランドスケープデータ
- `${WORK_DIR}/audience-profile.json` — ICP + インテント
**主な発見:**
- 発見されたエンティティ:{{entities_discovered}}
- ソース裏付けあり:{{source_backed_count}}
- ターゲット順位:{{rank_of}}中 #{{rank}} *(エンティティモードのみ)*