エンジニアにとって、AI（Notion AIやCursor）との対話は、単なるコード生成の手段ではありません。それは、特定のプロジェクトにおける制約、試行錯誤、そして現場の最適解が詰まった「一次情報の宝庫」です。
しかし、多くの現場ではこの貴重な対話がチャット履歴の奥底に埋もれ、二度と参照されない「フロー情報」として浪費されています。
この貴重な知見をNotion DBへ集約し、使うほど自分の業務が効率化される「外部脳」を構築する仕組みをここに定義する
1. ログ集約は「未来の工数」への先行投資
「あの時の設計判断、AIとどうやって決着させたっけ？」
この「探す時間」は、エンジニアリングにおける最大の「無駄な時間」です。
ログをNotionのデータベース（DB）に集約して、過去の知見を再利用可能な「ストック情報」に変換すし、探す時間を削減するための「先行投資」になります。
2. 破綻しない「ログ集約DB」の論理設計
Notion AIが過去のログを正しく「参照」し、回答精度を劇的に向上させるためには、DB（データベース）の構造化が不可欠である。単なるテキストのバックアップではなく、AIが検索・抽出・学習しやすいメタデータの定義をする必要があります。
必須のDBプロパティ
AIがコンテキストを特定するための「インデックス」として、以下のプロパティを実装する
- タイトル
何を解決したか一目でわかる内容（例：Terraform importブロックの挙動検証）。 - スレッドURL(重複チェック用)
チャットのスレッドURLを格納。これをキーにして「重複時は上書き更新」するロジックを組むことで、DBの肥大化とノイズを防ぎます。 - 技術タグ
AWS, TypeScript, Playwright等、自分のスキルセットに合わせたタグ。 - URLスラッグ
AIに対する「一意なID」としての役割
本文（Body）の構成：要約を「資産」の核にする
Notionページの本文は、AIが最も深く読み取る領域です。以下のフォーマットで自動生成させ、蓄積します。
- AI生成要約
相談内容・結論だけでなく、「相談内容・結論・ボツになった途中案」を詳細に記述。なぜその結論に至ったかの「過程」が、将来の回答精度を左右します。 - 改善点セクション
その対話から得られた「AIへの指示（プロンプト）の改善案」を記録。ここがAIを自分専用に育てるための「学習データ」の核心になります。 - チャットログ（コードブロック）
生の対話履歴。必要に応じてAIが元のソースコードを参照できるようにします。
3. ログが溜まるほど「AIが勝手に賢くなる」ロジック
この集約の真価は、ログを貯めれば貯めるほど、Notion AIが「あなたの業務コンテキスト」を理解し回答の精度が自律的に向上点にあります。
- 文脈の同期（RAG的活用）
似た課題が発生した際、AIに「過去のSlugに関連するログを読み込んだ上で、今回の要件に合わせた最適解を出して」と指示できます。
これにより過去の決定事項を前提とした提案が可能になり、実務の制約に即した回答をしてくれるようになります。 - 属人性の高いルールの自動学習
蓄積された要約や改善点から、AIが「このプロジェクトのコーディング規約」や「インフラ設計の癖」を勝手に理解します。結果、プロンプトを細かく書かなくても、最初から「わかっている」回答が返ってくるようになります。
4. Notion APIによるログ抽出のワークフロー
ログの集約を「手作業のコピペ」に頼ると必ず形骸化します。
そこで、Notion AIの「スキル」を定義し、機械的に前日の対話をフックしてDBへ同期するフローを構築しています
- 対象期間の定義
実行時に日付指定がない場合、自動的に「前日分（yesterday）」をターゲットとして認識させます。 - スレッドの特定
JST基準の日付範囲を指定し、対話スレッド一覧を一括取得します。ここでsession_idとしてスレッドURLを保持させます。 - 内容の構造化解析
各スレッドをAIに深掘りさせ、単なるログではなく「相談内容・結論・ボツになった途中案」という、後から再利用しやすい形式に要約させます。 - 重複防止:
session_idをキーにして既存ページを検索。重複があれば最新の対話内容で上書き（Update）し、なければ新規作成（Create）します。情報の重複によるノイズを排除し、同じデータが作られないようにします。
このフローの核心は、保存の目的を「単なる記録」ではなく「AIルールの改善に向けた評価材料の蓄積」に置いている点にあります。ログが溜まるほど、AIへのカスタム指示（プロンプト）の解像度が上がり、翌日からの回答精度が研ぎ澄まされる。このサイクルを回すためのインフラとしてスキルを運用しています。
5. 活用法：AIを「自分の業務を理解するパートナー」に育てる
ログが溜まるほど、Notion AIが単なるツールから業務理解の深いパートナーになります。
- コンテキストの同期
新しい課題に直面した際、「過去の〇〇プロジェクトのログを参照して、今回の制約に合う構成を提案して」という指示が可能になります。 - AIルールの改善
蓄積されたログから「AIが間違えやすいポイント」を抽出し、AIのカスタム指示（ルール）をアップデートするサイクルを回します。これがAIの回答精度を研ぎ澄ませる最短ルートです。
まとめ：ログを貯めてAIを賢くし、業務を「楽」にしよう
AIとのチャットをその場限りで終わらせてしまうのは、本当にもったいないです。 Notionにログを貯めるだけで、AIは自分の仕事のやり方や経緯を学習し、どんどん賢くなっていきます。
最初は仕組みを作る手間が少しだけありますが、一度やってしまえば「あの時の情報」を遡って探す無駄な時間はゼロになります。 AIを自分専用のパートナーに育てて、どんどん業務を効率化し、もっと「楽」をしていきましょう。
