AIニュースは「巡回」ではなく「ハーネス」で回す

Claude Codeで作る日次リサーチOSと7つのskills

はじめに

AI業界は、変化の速度そのものが競争条件になっています。
朝に新モデルが出て、昼に仕様差分の解釈が流れ、夜にはユーザーの実使用感が出回る。
翌日には、その話題が別の論点に押し流されることも珍しくありません。

この速度に対して、多くの人は「情報源を増やす」方向で対抗しようとします。
Xを見る。Hacker Newsを見る。Redditを見る。YouTubeも見る。Google Trendsも見る。Product Huntも見る。
けれど、情報源を増やしただけでは、むしろ負けやすくなります。

理由は単純です。
速報と事実が混ざる。
同じニュースを何度も読む。
集めるほど、書く時間が消える。
翌日になると、またゼロから始まる。

必要なのは、巡回の根性論ではありません。
必要なのは、観測 → 検証 → 判定 → 保存 → 再利用を一続きで回す仕組みです。

この記事では、その仕組みを日次AIニュース・リサーチハーネスとして整理します。
Claude Code を入口にしつつ、X、Hacker News、Reddit、YouTube、Google Trends、検索サジェスト、Research Vault をどう分担させるかを設計し、最後にそのまま展開できる ZIP 付録まで用意しました。

なぜ普通の情報収集は続かないのか

AIニュースの情報収集がつらくなるのは、意志が弱いからではありません。
設計が雑なまま、速度の違う媒体を同じ箱で処理しているからです。

たとえば、X は最速です。
ただし、最速である代わりに、デマ、誤読、誇張、引用の引用も混ざります。
Hacker News は技術評価に強いですが、開発者コミュニティ寄りに偏ります。
Reddit はユーザーの実感に強い一方で、感想と事実の境界が曖昧になりやすい。
Google Trends や検索サジェストは需要の気配を見るには有効ですが、それ自体は事実確認の道具ではありません。

つまり、情報源ごとに「何を見る場所か」が違います。
それなのに、全部をまとめて「ニュース収集」として扱うと、頭の中で役割が崩れます。

その結果、次の4つが起きます。

1. 速報と確定情報が混ざる

Xで見た話を、まだ一次情報を見ていないのに「起きたこと」として扱ってしまう。
この時点で、リサーチではなく拡声器になります。

2. 同じ話題を何度も別件として読んでしまう

X、HN、Reddit、ニュースサイト、YouTube が、同じ話を別々に語っていることはよくあります。
それを4件のニュースとして読めば、疲れるのに理解は深まりません。

3. 情報を消費して終わる

その日は読んで満足しても、翌日にはどこで見たか分からない。
似た話題が来るたびに、また同じ下調べをやり直す。
これでは複利が働きません。

4. アウトプットの時間が消える

本来価値を生むのは、情報を読んだ後です。
投稿にする。記事にする。教材にする。判断材料にする。
しかし、巡回が重くなるほど、この変換フェーズが圧迫されます。

ここで必要になるのが、ニュース収集を作業ではなく運用構造として扱う視点です。

巡回ではなく、日次リサーチハーネスとして設計する

この仕組みを一文で定義すると、こうなります。

ここで主語は「サイト」ではありません。
主語は、ニュース事象をどう処理するかです。

処理の流れは、次の6フェーズに分けると安定します。

Phase 1. Collect

X、Hacker News、Reddit、Google Trends、検索サジェスト、必要に応じてYouTubeから、まずは広めに候補を拾います。
この段階では、まだ断定しません。
扱うのはあくまで速報シグナルです。

Phase 2. Cluster

同じニュース事象を束ねます。
たとえば OpenAI の新発表が、X、HN、Reddit、公式ブログの4か所で見つかったとしても、それは4件ではなく1クラスタです。

Phase 3. Verify

各クラスタについて、一次情報を取りにいきます。
優先順位は、公式ブログ、公式ドキュメント、GitHub、論文、開発者本人の一次投稿です。
一次情報が取れなければ、未確認のまま保留します。

Phase 4. Score

新規性、権威性、日本語圏重要性、技術的含意、需要シグナル、再利用価値、宣伝臭さを見て評価します。
バズっているから採用、ではなく、なぜ採用したかが残るようにします。

Phase 5. Report

その日の重要ニュースを5〜10件程度に圧縮して日報化します。
このとき重要なのは、要約だけでなく、なぜ日本語圏で重要かまで書くことです。

Phase 6. Save

日報と個別クラスタを Vault に保存します。
この保存があるから、翌日以降の調査が速くなります。

どの情報源を、何のために使うのか

ここを明確にすると、情報源が増えても運用が崩れません。

1. X と X検索系

役割は 速報観測 です。

新モデル、新機能、リリース、リーク、開発者の一次言及、実演スクリーンショットなど、最初の異変はここに現れやすい。
一方で、最もノイズも多いので、ここだけで確定させてはいけません。

2. Hacker News

役割は 技術評価 です。

エンジニアが何を面白いと感じたか。
何を怪しいと感じたか。
何が設計論や開発実務に効くのか。
その論点を短く抽出するのに向いています。

3. Reddit

役割は ユーザー反応の観測 です。

比較、導入感想、制限、失敗談、ローカルLLMの実測など、実際に使った側のノイズ混じりの情報がここにあります。
だからこそ、雰囲気ではなく、判断材料だけを抜く必要があります。

4. YouTube字幕

役割は 先取り解説の圧縮 です。

AIツールや新ワークフローは、記事より先に動画で説明されることが多い。
30分動画を丸ごと見るのではなく、字幕や概要から「何が新しいか」と「どこに一次情報があるか」を抜き出します。

5. Google Trends

役割は 需要の変化の観測 です。

話題になっていることと、実際に検索され始めていることは違います。
関連クエリの立ち上がりを見ると、記事テーマや教材テーマの先行シグナルになります。

6. 検索サジェスト / SERP

役割は 検索意図の把握 です。

「Claude Code」が話題でも、人々が調べているのは「使い方」なのか、「料金」なのか、「比較」なのか、「安全性」なのか。
この違いで、作るべきコンテンツは変わります。

7. Research Vault

役割は 自己記憶の資産化 です。

ここが最重要です。
外のニュースは誰でも見られます。
でも、自分が何を重要と見たか、どの角度で投稿しようとしたか、何を未確認のまま保留したかは、自分の Vault にしか残りません。
この記録が、翌日の調査コストを下げ、発信の一貫性を作ります。

この記事で使う7つの skills

今回の構成では、全体を回す入口として `ai-news-daily` コマンドを置き、その下に7つの skills をぶら下げます。
重要なのは、全体運用はコマンド、個別能力は skills と切り分けることです。