policy-radar スキル

目的

草川の政策ワークフローを1スキルで完結:

1. 外部スキャン — 中央省庁・三重県・他自治体の最新政策動向を定期取得
2. 亀山照合 — kameyama_context.md と突き合わせて意味のあるネタだけ抽出
3. 草川視点蓄積 — 市民の声・過去発信・社会トレンドと統合して政策候補に育成
4. 議会論点化 — 議会で使える論点として📝一般質問ネタDBへ昇格
5. 承認保存 — 草川承認後にNotion DBへ確定保存

旧 policy-update skill（2026-04-30〜2026-05-21）の機能を統合し、5モード化。

機能分担（既存skill/agentと重なるもの）

skill/agent	カバー範囲	本スキルとの違い
news-briefing	亀山/三重/関心テーマ/国政動向/iJAMP の日次ニュース	日次・件数厳選・記事レベル、政策深掘りはなし
ohayo	朝の一日全体ブリーフ	集約・俯瞰、政策発掘はなし
policy-researcher agent	他自治体先進事例調査	オンデマンド単発、定期スキャンなし
kameyama-researcher agent	亀山市行政側ファクト	受動的、変化検知なし
policy-synthesizer agent	政策統合分析	本スキル内で呼び出す
policy-radar（本スキル）	5モードで政策パイプライン全体を回す	政策の発掘→蓄積→議会論点化のハブ

起動条件

以下のいずれかが含まれる発言で起動:

共通トリガー

• 「policy-radar」「/policy-radar」「policy-update」（後方互換）

モード別トリガー

• モードA（朝スキャン）: 「政策レーダー」「省庁スキャン」「省庁の最新」「<省庁名>の発表」「最新政策動向」「政策ネタ拾って」「国の動きで亀山にどう効く」「他自治体事例ある？」
• モードB（深掘り）: 「/seisaku <テーマ>」「<テーマ>の政策動向」「<テーマ>の最新事例」「<テーマ>を深掘り」
• モードC（週次）: 「週次政策」「今週の政策アップデート」「weekly」、自動起動（毎週月曜想定）
• モードD（月次）: 「月次政策」「月次棚卸し」「monthly」、自動起動（毎月1日想定）
• モードE（オンデマンド）: 「政策アップデート」「政策候補を更新」「政策を整理したい」「今後の政策を考えたい」

判定が付かない場合、最初に1問だけ確認。

入力（草川から取得・推定可能なものは推定）

• モード（必須、判定不可なら確認）
• 対象期間 — モードCは直近7日、モードDは直近30日、モードA/B/Eは指定 or 自動
• テーマ（モードB/E必須）
• 出力先希望（任意） — 政策候補DB / 一般質問ネタDB / 両方

5モード処理フロー

---

モードA: 朝の定期スキャン（差分検知型）

詳細は prompts/morning_brief.md 参照。

要点:

1. sources.yaml の全情報源を WebFetch（前回スキャン日以降）
2. kameyama_context.md の現状照合フィルタA-C適用
3. 既存ネタDB照合（重複防止）
4. 優先度判定（高3件/中5件/低2件で上限10件）
5. 重要度「高」のみチャット提示→草川承認→DB保存
6. archive/last_scan.json を更新

---

モードB: テーマ深掘り（7ステップ分析）

詳細は prompts/topic_deep_dive.md 参照。

要点:

1. テーマ理解と前提整理（kameyama_context.md から抽出）
2. 国の方向性スキャン（sources.yaml の該当領域省庁）
3. 他自治体先進事例スキャン（policy-comparison-benchmarker / policy-researcher）
4. 7ステップ分析（国の方向性→亀山素材→接続点→提言3段階→議会論点Q1〜Q4→EBPM指標→一次資料）
5. Notion保存（後述の振分けロジック）

---

モードC: 週次差分更新

対象期間: 直近7日

Step C-1: 既存🎯政策候補DB 確認

• 🎯政策候補DB（data_source_id: 6f1895ac-3373-43b8-97d7-7ee4aa2791e0）を notion-fetch
• 直近30日に登録されたエントリと、ステータス「進行中」のエントリを把握
• 重複防止のため新規追加前に既存候補と類似度を判定

Step C-2: 並列調査層の起動（旧 policy-update から継承）

5並列で起動:

• 2-A. kameyama-researcher agent — 直近7日の亀山市政（議会・行政・計画改定）
• 2-B. policy-researcher agent — 直近7日の国政・県政・先進事例
• 2-C. 市民意見 — 📝市民意見リスト（data_source_id: c2c34bd8-1e16-492e-aab0-d3f497d18d4d）の直近7日新規取得
• 2-D. 過去発信 — 直近7日のブログ・SNS（草川自身の発信から差分テーマ抽出）
• 2-E. 社会トレンド — sources.yaml の中央省庁・審議会の直近7日更新

Step C-3: 結果集約

• A〜E の出力を統合
• kameyama_context.md と照合（フィルタA-C）
• 既存候補との重複チェック（Step C-1 結果と比較）

Step C-4: policy-synthesizer agent 起動

• 全データを policy-synthesizer に渡して3〜5本の政策候補ドラフトを生成
• 各ドラフトに「新規 / 既存追記 / 議会論点化推奨」のタグ付与

Step C-5: 草川承認 → Notion振分け保存（下記「出力振分けロジック」参照）

---

モードD: 月次棚卸し

対象期間: 直近30日＋既存全候補の再評価

詳細は prompts/monthly_audit.md 参照（Layer 1-4 必須化版・追加 2026-05-21）。

4 Layer 必須実行:

• 🔴 Layer 1: 基本計画改定動向 — sources.yaml「基本計画改定動向」セクションの20計画群（住生活/国土形成/社整/交通政策/教育振興/こども/健康/介護/医療/環境/エネルギー/温対/気候適応/国土強靱化/防災/景観/空家/地方創生2.0/都市計画/公営住宅）の直近30日変化をスキャン。閣議決定・審議会答申・パブコメ・法案提出を察知。
• 🟠 Layer 2: 審議会・分科会の議事録レベル — 主要10審議会の直近30日議事録から「亀山に降りてくる方向性」を察知。
• 🟡 Layer 3: 法改正の進行 — 自治体に新規策定義務 or 既存計画改定義務を発生させる法改正を追跡。
• 🔴 Layer 4: 塩漬け計画 × 国動向クロス分析（最重要） — kameyama_context.md「塩漬け計画 × 国動向クロス分析マスタ」の14計画について、対応する国計画の動向と接続して改定主導論点を抽出。「住生活基本計画レベル」の見過ごしを構造的に防ぐ核心ステップ。

追加 Step D-6: 既存候補のステータス見直し提案:

• 「進行中」のまま3か月放置 → 「Wish List」「Archive」候補として提示
• 議会論点化が進んだ候補 → 「📝一般質問ネタDB」昇格候補として提示
• 重複統合可能な候補 → マージ提案

追加 Step D-7: kameyama_context.md 更新ログ追記 — 月次棚卸しで発見した重要動向を末尾「更新ログ」セクションに追記。次回月次棚卸し時の参照履歴になる。

重要: Layer 1-4 のすべて必須（飛ばさない）。「住生活基本計画レベルの見過ごし」を出さないことが本モードの責任。

---

モードE: オンデマンド政策アップデート

起動例: 「子育てDXの政策候補を作って」「太陽光規制で動向まとめて政策候補化」

モードB（深掘り）+ モードC（蓄積）のハイブリッド:

1. テーマ確認
2. モードB の7ステップ分析を実行
3. モードC の並列調査層を該当テーマに限定して起動
4. policy-synthesizer で統合
5. 草川承認 → 振分け保存

---

📤 出力振分けロジック（重要・新規）

統合の核心。自動判定→草川確認→振分け保存:

自動判定の基準

条件	推奨振分け先
3か月以内に議会で扱える論点	📝一般質問ネタDB
議員アクション5問（行政に問える/単費or国費/賛否ある/EBPM可能/一次資料あり）で4問以上	📝一般質問ネタDB
中長期論点（5年以上の継続）・複数テーマ統合・観察段階	🎯政策候補DB
国動向待ち・先進事例不足・亀山現状未整備	🎯政策候補DB
即アクション必要（公開・要望書提出・委員会報告要求等）	✅タスクDB（補助的）
議会論点化が進み議会期に近い	🎯政策候補DB → 📝一般質問ネタDB 昇格

Notion保存先

DB	data_source_id	用途
🎯政策候補DB	6f1895ac-3373-43b8-97d7-7ee4aa2791e0	中長期政策アイデア蓄積
📝一般質問ネタDB	42716725-fece-497f-9782-705076539de4	議会質問の元ネタ
✅タスクDB	292cf503-a68f-81c6-b9dd-000b3ffdd2ce	「議会で扱う」等の行動タスク
📰ニュースDB	(news-briefing skill経由)	重複チェック用

草川承認フォーマット

## 🎯 Policy Radar 草案 N件

### 1. <テーマ名>
- **要約**: <2〜3行>
- **自動判定**: 📝一般質問ネタDB（即議会論点化推奨）
- **理由**: 議員アクション5問のうち4問満たす・6月議会で扱える
- **既存DB照合**: 新規 / 「○○」候補への追記 / 重複スキップ

### 2. <テーマ名>
- **要約**: <2〜3行>
- **自動判定**: 🎯政策候補DB（中長期蓄積）
- **理由**: 国動向待ち・3〜5年スパン
...

このまま:
- A: 全部この振分けで保存
- B: 「1番だけ ネタDB、2番は候補DB、3番は両方」等の個別指定
- C: スキップ（output/ ファイルのみ保存）
- D: テーマ深掘り後に判断（モードB起動）

---

安全ゲート（必須）

policy-radar 単独で投稿・発信用文章は生成しない。ネタ抽出と整理のみ。

ブログ・SNS化が必要な場合は別途以下のフローに通す（CLAUDE.md準拠）:

1. blog-writer / sns-content-creator で生成
2. content-fact-checker で一次情報検証
3. content-risk-reviewer で8軸リスクスキャン
4. 草川承認後にNotion保存

ただしNotion DB保存前のネタ自体に固有名詞・統計値が含まれる場合は本スキル内で content-fact-checker をスポット起動。

設定ファイル

• sources.yaml — 監視する情報源リスト（草川が編集可能）
• kameyama_context.md — 亀山市の既存計画・現状ファイル（実装が進むたびに更新、最終更新 2026-05-21）
• prompts/morning_brief.md — 朝の定期スキャン用プロンプト（モードA）
• prompts/topic_deep_dive.md — テーマ深掘り用プロンプト（モードB）

アーカイブと差分検知

• archive/last_scan.json — モードA最終スキャン日時とスキャン済みURL
• archive/seen_articles.json — 過去に拾った記事のURL/タイトル（重複検知）
• archive/weekly_log.json — モードC週次実行ログ（既存候補との照合履歴）
• archive/monthly_audit.json — モードD月次棚卸し履歴
• output/<日付>_*.md — 日別・モード別出力アーカイブ

運用ルール（CLAUDE.md準拠）

• 議事録参照: 草川発言＋市答弁ペアのみ抽出（他議員ブロックはスキップ）
• 架空エピソード禁止: 「ある市民が」型の感情演出はNG、実体験/一次情報/公式データのみ
• 議会・他議員への提言色を抜く: 政策提言の宛先は執行部に限定
• タイトル50字以内（Notion保存時）
• PDFバイナリは pdftotext（WebFetchで読めない場合）
• D5 リサーチスコープ厳守: agent呼出時は「依頼スコープに直接答える資料に限定。voice-dna・3pillars等のローカル既存資料は明示依頼時のみ参照。tool_uses 30回以内目安」を必ず指示文に含める
• 承認なきDB保存禁止: AI判断で勝手にNotion確定保存しない（旧 policy-update 継承）

トラブルシュート

症状	対処
sources.yamlにない情報源を追加したい	yamlを直接編集、次回スキャンから反映
同じテーマで何度も新規登録される	archive/seen_articles.json と既存候補DB照合の両方を確認
kameyama_context.mdが古くなった	半年に1回 Explore agent で archive 再抽出
省庁の動向ばかりで地域実例が薄い	モードB で policy-comparison-benchmarker を明示的に呼ぶ
既存🎯政策候補DBと重複登録	Step C-1 / D-1 の dedup チェックロジックが機能していない可能性、archive/weekly_log.json 確認
並列調査層がトークン爆発	Step C-2 の5並列を3並列に絞る（A+B+C のみ）、後で D+E を追加

関連リソース

Notion 出力先

• 🎯政策候補DB: https://www.notion.so/6f1895ac337343b897d77ee4aa2791e0
• 📝一般質問ネタDB: https://www.notion.so/42716725fece497f9782705076539de4
• ✅タスクDB: https://www.notion.so/292cf503a68f81c6b9dd000b3ffdd2ce
• 📰ニュースDB（news-briefing経由）

入力情報源

• 📝市民意見リスト: c2c34bd8-1e16-492e-aab0-d3f497d18d4d
• 🎤AIインタビュー結果（depth-interview-kusagawa.vercel.app 経由）
• ローカル kusagawa_archive/ の草川過去発言

関連agent

• kameyama-researcher — 亀山市ファクト
• policy-researcher — 国政・他自治体
• policy-synthesizer — 統合分析
• policy-comparison-benchmarker — 類似自治体比較
• policy-archive-miner — 草川過去発言抽出

統合履歴

• 2026-04-30: policy-update skill 単独で初版作成（3モード: 週次/月次/オンデマンド）
• 2026-05-21: policy-radar skill 新設（2モード: 朝スキャン/深掘り）
• 2026-05-21: 両者統合 → policy-radar 5モード版（A/B/C/D/E）。旧 policy-update skill は廃止しトリガーを policy-radar に吸収。旧トリガー「policy-update」も後方互換として policy-radar 起動。
• 2026-05-21: クラウドRoutine 2件を新設し、モードC/Dを完全自動化:
  • weekly-policy-radar (trig_01MyKkdatWADfmAdUgB3UDu7) — 毎週日曜23:05 JST → モードC実行
  • monthly-policy-radar (trig_019LPFjUFu9anWC53UFJCavK) — 毎月1日23:08 JST → モードD実行（Layer1-4必須）
  • 両Routineとも Notion保存は「承認状態=草川承認待ち」or「状況=調査中」で止める＝確定保存禁止
  • 完了時 Gmail下書きを生成（草川通知）
  • 翌朝の ohayo §3-8 が承認待ち件数を表示・Routine失敗検知も同セクションで実施
  • 金曜夜の oyasumi 週次レポートに「policy-radar 承認待ち累積」行を追加

ohayo/oyasumi との連動（重要）

• ohayo §3-8 — 毎朝、🎯DBと📝DBから承認待ち件数を取得して表示。月曜=weekly-policy-radar結果通知、毎月2日=monthly-policy-radar結果通知、それ以外=累積件数のみ
• oyasumi 金曜週次レポート — 週次サマリ表に「📡 policy-radar 承認待ち累積」行を追加（🎯草川承認待ちX件 + 📝🆕🔄状況=調査中Y件）
• 時刻設計: oyasumi 22:00 → policy-radar 23:05 という順序で、oyasumi が完了してからRoutineが走る（Notion競合回避）

初版設計の意図

• 「すべて取り込む」より「絞る基準」を先に決める: 最初は20源、3か月運用してから拡張
• 「亀山に関係ない」の除外ルール: kameyama_context.md「関心の薄い分野」セクション
• 議員視点の問いを定義: フィルタCに集約
• ノイズ除外を学習: archive/noise_patterns.md に蓄積
• 議会タイミング連動: 6/9/12/3月議会の各3か月前に深度を上げる
• 承認ワークフロー必須: AI判断で勝手にNotion確定しない（旧 policy-update から継承）
• dual-DB output: 議会論点化が進んだものは📝へ、観察段階は🎯へ自動振分け

---

設計者メモ: 統合により「外部スキャン→内部蓄積→議会論点化」の連続パイプラインを単一スキルで実現。情報過多にしない（モードAは10件上限）／既存DBとの重複防止が最優先。

---

📌 DB統一override（2026-07-05・本文の旧記述より優先）

• 🎯政策候補DB（ds 6f1895ac- / page b9f8d42a）は凍結済み・新規書込禁止。🗄️旧アーカイブ内に参照専用で保管（過去分の参照・引用はOK）。
• 政策ネタ・一般質問ネタの登録/更新はすべて「🎯政策・質問ネタDB（統一パイプライン）」1本：data_source 42716725-fece-497f-9782-705076539de4 / page cb47d25e30b14b61b39f56254bf9432a（🎯政策・質問ハブ=34bcf503-819e配下）。
• 統一DBの使い方：状況=収集→未整理→調査中→質問案→提出/通告→実施→完了／時間軸=議会直近（3か月以内の議会論点）・中長期（旧政策候補相当）・観察／ネタ元に「市政報告会・政策スキャン・AIインタビュー・地域訪問」追加済み。
• 本文中の「政策候補DBへ保存」は「統一DBに時間軸=中長期で保存」と読み替える。凍結DBの案件を再開する時は、その1件だけ統一DBへ昇格させる。