MARP-ZK 戦略ガイド

あなたに最適な知識管理環境の構築

Codex gpt-5.4 Opus Architect OpenClaw調査 実証テスト 4つの知見を1つの戦略に結晶化

分析基盤: 論文6本 (PubMed/PMC) + GitHub検索30件 + 425Kトークン消費

目次

# セクション リンク
1 最終判定 Codex gpt-5.4の結論
2 認知科学エビデンス なぜあなたに合うか
3 おすすめランキング ツール推奨順位
4 MARP-ZK + Excalidraw 1位の詳細
5 3層モデル Capture → Crystal → Deck
6 ドメイン別適合度 各領域の最適手法
7 トークン経済学 コスト分析
8 最大リスク SVG墓場を避ける
9 理想アーキテクチャ object-first設計
10 ロードマップ Phase 0→3
11 ツール比較 5ツール評価
12 まとめ: 3原則 知識の海に溺れないために

最終判定

Codex gpt-5.4 (180Kトークン, reasoning: xhigh)

「MARP-ZKはあなたにかなり合う」 ただし全面置換ではなく、知識の結晶化レイヤーとして deck = 保存形式ではなく、レンダリング形式にする

採用すべきもの: MARP-ZK as 結晶化レイヤー (Crystallization Layer)
採用すべきでないもの: MARP-ZK as PKM全面置換 (Total Replacement)

知識管理が学習ではなくデザイン作業になった瞬間に死ぬ

← 目次

なぜあなたに合うのか？

認知科学エビデンス (PubMed 6論文)

words + pictures Mayer Multimedia原則 自分で図を描く学習 効果量 g=0.69 (meta) 「学習スタイル」理論 エビデンス弱い あなたに効く理由 = multimodal + low clutter + generative learning 「HSPだから視覚が最強」ではなく「自分で再構成すること」が鍵

HSP(SPS)の特性: 深い情報処理 + 微細な差異への感受性 + 過刺激されやすさ

→ テキスト壁 = 過刺激。SVG = 低クラッター + マルチモーダル = HSPの処理特性に適合

← 目次

おすすめランキング

知識管理ツール × あなたの環境

🥇 1位 MARP-ZK + Excalidraw 発散→収束モデル 🥈 2位 Obsidian Canvas を視覚MOCレイヤーに追加 🥉 3位 D2言語でSVG自動生成パイプライン構築 参考 Heptabase — 思想的に最も近いが有料SaaS。評価推奨
← 目次

1位: MARP-ZK + Excalidraw

発散→収束の2フェーズモデル

発散フェーズ Excalidraw 手描き風ダイアグラム 雑でOK、速さ重視 上位20% 収束フェーズ MARP-ZK Skill 74 構造化SVG + 用語集 Playwright品質検証 成果物 HTML + PDF ZK BUILD.md連携

なぜ1位: Excalidrawで思考を雑に出す → 上位20%だけMARPで結晶化。Captureは醜くてよい。

← 目次

3層モデル: Capture → Crystal → Deck

全ドメイン統一の維持戦略

Capture (100%) 雑・速い・醜くてOK 音声、箇条書き、PDF抜粋 Crystal (10-20%) visual concept card化 SVG + 1文claim + source Deck (教える価値) curated MARP deck HTML + PDF + Playwright 100個のメモ → 10-20枚のカード → 教える価値ある束だけデッキ化 3500スライドを全部磨くのは不可能。この漏斗が維持可能性の鍵
← 目次

ドメイン別 適合度マップ

全ドメインに同じ作法は使わない

MARP-ZK 最適ドメイン 別アプローチが良いドメイン MRI研究 本業、図解必須 AI/LLM 3PCデッキ実証済 英語学習 SRS/音声が主役 育児日記 原則カードのみ ガジェット 比較表/決定カード 脳科学/HSP 自己理解に直結
← 目次

トークン経済学

ストレージは無料同然、コンテキストは高い

指標 数値 評価
1デッキの容量 ~40KB (800行MD) 無視可能
100デッキ合計 ~4MB + SVG 50MB 17TBの0.0003%
1デッキのトークン ~10,000-12,000 tokens ここがコスト
100デッキ全文 100万tokens超 毎回食わせるのは非現実的

対策ルール

  1. SVGは外部ファイル化 (XMLはトークン効率が悪い)
  2. card単位でRAG検索 (全文読込しない)
  3. 全文再生成をやめる (差分更新)
  4. 各カードに 1文要約 + キーワード + source を持たせる
← 目次

最大リスク: SVG墓場

図だけ増えて再利用できない状態

SVG墓場 (失敗パターン) 図は綺麗だが検索できない claimもsourceもない LLMも人間も再利用不能 生きた資産 (成功パターン) 図 + 1文claim + source terms.yamlでキーワード管理 BUILD.mdでZKリンク追跡

成功条件: Captureは醜くてよい。Crystallizationだけ美しくする。

← 目次

理想アーキテクチャ

object-first、deck はビュー

Concept Object (本体) title / claim / diagram / source / confidence / tags Card View Deck View Canvas View HTML Portal Flashcard 1つのオブジェクト → 5つの見た目に変換可能

今のMARPデッキはこのビューの1つ。 本体はconcept objectであり、デッキ自体ではない。

← 目次

次の一手: おすすめ順序

Phase 0 → Phase 1 のロードマップ

Phase アクション 期間 成果物
0a AI Orchestration デッキ作成 今週 2nd MARP-ZK deck
0b Excalidraw + Obsidian 導入評価 今週 発散ツール確立
1a DMN/CEN × HSP デッキ 来週 自己理解 + 実験
1b D2 言語の試用 来週 SVG自動生成パイプ
2 MRI研究デッキ (MotherShip連携) 今月 本業への適用
3 Heptabase 14日間トライアル 適時 代替評価

最初はAI Orchestration: ZKノート最多 (7件)、3PCデッキで実証済み、Cockpit単独で完結可能

← 目次

ツール比較まとめ

各ツールの立ち位置

ツール 役割 強み 弱み 推奨度
MARP-ZK 結晶化 CLI自動化、SVG、AI生成 手動変換コスト 主軸
Excalidraw 発散 手描き風、速い、Obsidian統合 構造化弱い 必須補完
Obsidian Canvas MOC/索引 グラフ可視化、既存ZK統合 表示専用 推奨
D2 SVG自動化 コードで図、再現可能 学習コスト 試用
Heptabase 代替評価 視覚PKM設計思想 有料SaaS、移行コスト 評価のみ
← 目次

まとめ: 3つの原則

知識の海に溺れないために

原則 1 Captureは醜くてよい Crystalだけ美しく 100メモ → 20カード → 教える価値ある束 原則 2 deckはビュー 本体はconcept object claim + diagram + source + confidence 原則 3 ドメインごとに 作法を変える MRI/AI → MARP-ZK 英語 → SRS / 育児 → カード
← 目次

参考文献

  • [1] Greven et al., 2019 — SPS review (Neuroscience & Biobehavioral Reviews)
  • [2] Jagiellowicz et al., 2011 — HSP visual scenes fMRI (PMC3023077)
  • [3] Acevedo et al., 2021 — SPS depth of processing
  • [4] Pashler et al., 2008 — Learning styles evidence (myth)
  • [5] Mayer — Multimedia Principle (Cambridge Handbook)
  • [6] Cromley et al., 2020 — Drawing-to-learn meta-analysis (g=0.69)

分析実行: Codex gpt-5.4 (180K tokens) + Opus Architect + OpenClaw調査

Generated by Cockpit MARP-ZK Skill 74 — 2026-04-06

← 目次