学習の進め方

ChatGPTで始める：開始文を一覧から選んでコピー

口頭で学び、面接で確かめ、また学ぶ

中心になるのは、ChatGPTとの口頭セッションです。学習では説明やヒントを使って理解を深め、テストではまず自分で設計を説明して、判断の根拠や不足を確かめます。

両方とも終了後にChatGPTが Session SyncのGitHub Issue を作成し、そのURLをCodexへ渡すと、このサイトへ記録と必要な教材が反映されます。

学習の振り返りが蓄積したら、ここで横断シナリオの作成を依頼し、テストへ進みます。面接の振り返りには「どう判断できたか」「何が足りなかったか」が残り、ページ末尾のプロンプトから、不足を補う学習を始められます。サイトの解説や図を読んで学ぶこともできます。毎回テストへ進む必要はなく、学習を重ねてから確かめても構いません。

対策の方針から選ぶ

転職・面接対策の方針と求人につながる対策バックログから、Consumer題材を既存topicへつなぐ。Database / System Design / Systems Performance・OS・Networkの三本柱で学ぶ。性能観察の入口とトラフィック設計の入口は、読んでから会話learnへ進む。Codingの必要性と具体的な日程は保留（2026-09-09更新）。

今日のテーマを選ぶ

Database 10題・Architecture 10題の入口を見る

スキーマ、トランザクション、復旧、API、キュー、信頼性などから一題を選び、 Learn／Practice／口頭Interviewを始める。各ページに短い問いとChatGPTへの開始文がある。

学んだ内容を資料なしで確かめる

学習後の口頭テスト：ChatGPTを面接官にする

初回に自分で出せた回答と、追質問・ヒント後の回答を分けて記録する。通常の学習とテストを往復し、結果は同じSession SyncでCodexへ渡す。

実験から始めたいとき

Database Index：設計して、実行計画で確かめる

1. 教材を読み、index を追加する理由と代償を自分の言葉で説明する。
2. Docker の実験で、index 追加前後の実行計画を比較する。
3. 資料を閉じ、実験で選んだ設計の理由と代償をChatGPTへ口頭で説明する。
4. ChatGPT に回答をレビューしてもらい、結果を同期 Issue にまとめる。
5. Issue URL を Codex に渡し、学習記録へ反映する。
6. 次回は needs_revisit の問いから始める。

所要時間の目安は 30〜45 分。読了だけで学習済みとは判定しない。

AI に渡す最初の依頼

ChatGPT開始文

https://github.com/MFQWKMR4/tech2026 の CHATGPT.md と対象reviewを読み、
database-index の practice を始めてください。
needs_revisitを優先し、一問ずつ質問してください。解答は先に示さないでください。
読めないファイルは読めないと伝えてください。
終了時は実際の回答を根拠に、CHATGPT.mdと既存テンプレートに従ってYAML＋Session narrativeを含む [Session Sync] GitHub IssueをMFQWKMR4/tech2026に作成し、URLを返してください。作成できない場合は未作成と明示し、コピー可能なタイトルと本文を返してください。

GitHub を読めない場合は、ターミナルで npm run session:pack -- database-index を実行し、出力を ChatGPT に貼る。 Issue を作成できない場合は、返された本文を GitHub に手動で貼る。 詳しい同期手順は repository にある。 未pushの変更はGitHubから読めないため、ローカルの手順は docs/session-workflow.md を参照する。

11月までの進め方

Database / System Design / Systems Performance・OS・Networkを学び、学習後の口頭テストで再確認する。11月の面接準備という目的は維持し、月別・週別の配分は今は固定しない。テスト結果から次に学ぶ内容を決める。

このサイトは教材のビューア。対話とレビューは ChatGPT、教材と記録の編集は Codex / Cursor で行う。 学習ホームから次の問いへ、学習プロフィールからトピックごとの段階・同期済みセッション・補強したリソースを辿れる。