みなさん、こんにちは。
ChatGPTやClaudeなどのLLMに、自分の過去のブログ記事を読み込ませたいと思ったことはありませんか？
- 自分の文体や思考の癖を学習させて、新しい記事の構成案を作らせたい
- 特定テーマの過去記事をベースに、自分専用のFAQやマニュアルを作りたい
ブログを長年運営していると、過去記事が数百本に達します。しかしChatGPTやClaudeに「自分の思考パターンを学習させたい」「特定テーマの知見をまとめてほしい」と思ったとき、生のWordPressデータは使い物になりません。WordPressからエクスポートしたXMLデータ（WXR形式）はHTMLタグや不要なメタデータだらけで、そのままAIに食わせるにはノイズが多すぎるのです。
では既存ツールを試そうと探してみると、世の中にある変換ツールの多くは「1記事＝1ファイル（Markdown）」にバラすブログ移行用ばかりで、「AIに一括投入するために1つの綺麗なテキストファイルにまとめる」という用途を満たすものがありませんでした。
そこで、自分が過去に設定した「カテゴリ・タグ」で厳選し、LLMが最も効率よく処理できる1ファイルのプレーンテキストに一括整形するスクリプトを作成しました！
GitHubでコードを公開しています： https://github.com/taoman26/wordpress_reformatting
既存のツールではダメだった理由（なぜ作ったのか？）
「WordPress XML 変換」と検索すると、多くのスクリプトが見つかります。しかし、それらはAI時代のデータ前処理ツールとしては以下の課題があるんですよね。
1. 「1記事＝1ファイル」の壁
既存ツールはHugoやObsidianへの「移行」が目的のため、ファイルを細かく分割します。しかし、LLMに読み込ませる際は、何十個ものファイルをバラバラにアップロードするよりも、構造化された1つのファイルになっている方がユーザーの手間もかからず、AIの処理効率も上がります。
2. キーワード検索による「ゴミデータ」の混入
本文中の「キーワード」で記事を抽出しようとすると、たまたま1回その単語が登場しただけの薄い記事まで拾ってしまい、AIに読ませるデータの純度が下がります。その点、自分が事前に付与しておいた「カテゴリ」や「タグ」を使えば、本文の中身に関係なく、狙ったテーマの記事だけを確実に拾い集められます。
3. 無駄なトークン（文字数）の消費
HTMLタグやWordPress（Gutenberg）のブロックコメントが残っていると、AIの文字数制限（トークン）を無駄に消費してしまいます。
このスクリプトが解決すること（何をするものか？）
このスクリプトは、未加工の全データが入ったXMLをローカル（手元）に置き、自分がこれまで丁寧に分類してきた「カテゴリ・タグ」をフックにして、必要な記事だけをAIに最適なフォーマットで1ファイルに出力します。
1. 「カテゴリ・タグ」ベースの高精度フィルタリング
「本文中のキーワード」ではなく、WordPress側にすでに設定済みの「カテゴリ」や「タグ」の名前でフィルタリングするため、そのテーマについてしっかり書かれたノイズのない高品質な記事だけを確実に厳選できます。
2. LLMが100%誤認識しない「美しい構造化」
出力されるテキストは、LLM（特にRAGやLong-contextモデル）が情報の区切りを完璧に理解できるように設計されています。
【出力フォーマット例】
記事 1
------------------------------
タイトル: 軽量Linuxの決定版？！Bodhi Linux インストールガイド
URL: https://example.com
発行日: 2025/03/17 08:55:00
本文:
（HTMLタグやGutenbergのブロックコメントが除去された、読みやすいプレーンテキスト）
==================================================
記事 2
...- メタデータと本文の区切り（—–）と記事同士の区切り（=====）を明確に変えることで、AIが「どこからどこまでが1つの記事か」を迷いません。
- URLと発行日をセットで付与しているため、AIに「2025年以降の記事をベースに要約して」「ソースURLを提示して」と指示した際、嘘（ハルシネーション）の出力を防ぎ、正確な参照元を出してくれます。
実際の活用例 ― こんなプロンプトで真価を発揮します
このスクリプトで出力した output.txt をChatGPTやClaudeにアップロードし、以下のように指示を出すだけで、ブログ資産が最強の知識ベースに変わります。
プロンプト例
添付のテキストファイルは、私のブログから特定のカテゴリ・タグで抽出した記事一覧です。
各記事は `====================` で区切られています。
このデータを元に、ユーザーから想定される「Bodhi Linuxのトラブルシューティングに関するFAQ」を5つ作成してください。回答には必ずソースとなった記事のURLを併記してください。
HTMLタグや不要なメタデータを徹底的に排除したプレーンテキストなので、AIのコンテキストウィンドウを節約でき、大量の記事を一度に、かつ安価（APIの場合）に処理させることが可能です。
ブログ資産をAIの頭脳に
ブログ記事は、自身が時間をかけて蓄積してきた貴重なデータ資産です。
このスクリプトを使えば、数年分の過去記事から特定のテーマだけを「カテゴリ・タグ」で一瞬でハックし、AIの専用コンテキスト（知識ベース）として魂を吹き込むことができます。
手元にWordPressのXMLバックアップがある方は、ぜひ試してみてください！
👉 GitHubリポジトリはこちら： taoman26/wordpress_reformatting
本日も最後までお読みいただきありがとうございました。
それでは、よいWordpressライフを！
