著者:Take's公開:更新:

Claudeで自分専用のAI秘書を作る ― 予定・調べ物・定期チェックを任せるまでの実装・運用記録

要約

  • ドラマのAIを再現するデモ動画と、その元になったプロンプト集を検証したところ、「秘書機能」の核は派手な演出ではなく、記憶・定期実行・承認フローの設計だと分かった
  • 運営者は個人AIエージェントを日常運用しており、朝のブリーフィング、変化があったときだけ知らせる定期チェック、過去の決定を踏まえた対応を任せている
  • プロンプト集の7つのプロンプトのうち4つは、実際にカスタムスキルとして実装し、日常の作業で使っている

きっかけは「ドラマのAI秘書を自作する」動画だった

ドラマ『VIVANT』に登場するAI「ハヤト」を、Claude Codeで自作して動かす――そんな実演動画が公開され、私も題材として取り上げたことがある。音声で会話し、現在地からロケ地を案内し、予定や売上まで答える。デモとしては見事な仕上がりだった。

ただし、動画の元になったプロンプト集を実際に検証してみると、見え方が変わった。配布物はClaude Code向けの短い指示文の集まりで、仕組み自体は標準的なものだった。一方で、キャラクターの動画素材はプロンプト集に含まれておらず別途用意が必要で、音声合成も自分のアカウントとAPIキー(有料)を用意する前提だった。つまり「プロンプトを入れれば完成」ではなく、一番手間のかかる部分は配布の外にあった。

そして検証の過程で気づいたのは、デモの後半――予定を答え、未対応の仕事を知らせ、過去の会話を踏まえて応答する「秘書」としての部分は、私が日常的に使っているAIエージェントの姿とかなり重なるということだった。本記事は動画の紹介ではなく、その自前のAI秘書をどう作り、どう運用しているかの記録である。

運用しているAI秘書の構成

私が日常運用しているのは、個人向けAIエージェント「Muse」である。役割は大きく4つある。ただし、4つとも同じ動き方ではない。スケジュールで自動的に動くもの、依頼のたびに司令塔が振り分けるもの、最後に私の承認を挟むものが混ざっている。その区別も含めて書く。

1つ目は朝のブリーフィングで、これは定期スケジュールによる自動実行である。その日の日付と曜日、給料日までの日数、次の休みの日を、毎朝決まった時刻に無人で届ける。地味だが、予定の見落としを防ぐ効果は大きい。

2つ目は定期チェックの見守りで、これも自動実行である。広告審査の結果メール、主要なAIモデルの公式リリース、家計簿サービスの入出金などを定期的に確認し、「変化があったときだけ」知らせる。変化がない日は静かにしていることが、継続して任せるうえでの条件だと考えている。

3つ目は記憶で、これはやり取りの中で自動的に蓄積・整理される。私の好み、過去の決定、進行中のプロジェクトの状態を保持し、次のやり取りに反映する。たとえば「公開やマージの判断は承認カードで出す」「記録上の下書き・公開状態は当てにせず、その場で確認する」といった運用ルールも、失敗のたびに記憶へ刻んできたものだ。

4つ目は、複数のAIモデルの分業統括である。取り込みと長文処理はGemini、企画と独立レビューはChatGPT、実装はCodex、執筆と品質確認はClaudeという役割分担を決めてあるが、実行は自動ではなく、依頼のたびに司令塔役のエージェントが担当を振り分け、結果を検証して統合する。

この分業がそのまま回っているのが記事制作のパイプラインである。私がYouTube動画のURLを渡すと、Geminiが下書きを作り、ChatGPTが推敲し、カバー画像を用意して、noteの下書きとして保存するまでをエージェントが進める。ただし公開はしない。公開するかどうかは承認制で、私の手に残してある。

なお、分業の設計そのものや承認フローの作り方は、本記事とは別に「ハーネス」を主題にした記事で詳しく扱う。ここでは秘書として何がどう動いているかに絞る。

プロンプト集を「スキル」として実装した

AIハヤトのプロンプト集と併せて配布されていた「7つの神プロンプト」(全38ページ)も検証した。深層思考、専門家チームの召喚、真実追跡のリサーチ、凡作の品質引き上げなど、7つ全てが実在し、内容も揃っていた。

このうち4つは、検証だけで終わらせず、2026年11月15日にカスタムスキルとして実装した。

  • 超深層思考(deep-thinking-mode)
  • 一流専門家チーム召喚(expert-team-mode)
  • 真実追跡・ディープリサーチ(deep-research-mode)
  • 凡作→神品質変換(quality-boost-mode)

残りの3つは、既存の運用ルールと重なるためスキル化は見送った。

スキルは、作業の内容に応じてエージェント側が適合を判断して読み込む。検証で得た「使える型」を、必要なときに自動で引っ張ってくる部品にできた点が、プロンプト集を眺めて終わるのとの一番の違いだ。効果がはっきり出たのは、次の2件である。

具体例の1つ目は、quality-boost-mode 由来のA/B/Cの考え方である。「改変してよい範囲・要相談の範囲・絶対に変えない範囲」という線引きを、動画から記事を作るワークフローのスキルに取り込んだ。記事制作では下書きと推敲を別々のAIが担当するため、推敲の過程で事実関係が書き換わる事故が起きやすい。そこで、事実・数値・固有名詞・日付は「絶対に変えない範囲(C)」と明文化したことで、推敲を任せても原典が壊れなくなった。

2つ目は、deep-research-mode の型が検証作業に定着したことである。SNSで見かけたツールや手法の真偽を確かめる作業では、一次情報を優先し、事実と推測と未確認を分けて報告する型をそのまま使っている。配布物の「すごそうな宣伝文句」を、実在する前提・裏付けのない自己申告・集客の構造に分解して判断できるようになったのは、この型のおかげである。

音声とキャラクターは「別工事」だった

正直に書くと、デモで最も「ハヤトらしい」部分――常時音声で会話し、キャラクターの声と映像で応答するフロントエンド――は、私の環境にはまだない。

理由は検証で分かった通りで、この部分はプロンプトでは作れない。キャラクターの映像素材の用意、音声合成サービスとの契約とキー取得が前提になり、工数も費用も本体とは別にかかる。私の運用では秘書機能を優先し、音声は「音声メモで返信する」形にとどめている。

ドラマの再現にこだわらなければ、秘書としての核――記憶し、定期的に動き、判断が要る場面では承認を求める――は、既存のツールと運用設計の組み合わせで十分に作れる。これが実際に作ってみての結論である。

運用して分かった制約

最後に、運用の中で痛感した制約を2つ挙げる。

1つは、記録は鵜呑みにできないことだ。下書きのつもりで触った記事が実は公開済みだった、という失敗を繰り返したため、「編集や削除の前には必ずその場で公開状態を確認する」というルールを徹底している。AIの記憶も万能ではなく、古い記録と現在の状態が食い違うことがある。前提を確認してから動く設計が要る。

もう1つは、承認フローを最初から組み込むことだ。公開、マージ、本番への反映といった取り返しのつかない操作は、エージェントが準備と検証まで行い、実行の判断は人が下す。最後のボタンを人が持つ線引きがあるからこそ、日常の細かい作業は安心して任せられる。承認フローの設計や分業の統括方法については、本記事では要点だけにとどめ、詳細は「ハーネス」を主題にした別記事で扱う。

まとめ

「自分専用のAI秘書」は、プロンプト集を入れれば完成するものではなかった。実際の中身は、記憶の持ち方、定期実行の設計、複数モデルの分業、承認フローといった地味な実装の積み重ねである。

逆に言えば、その積み重ねさえすれば、キャラクター再現のような大がかりな演出なしに、秘書としての実用品は作れる。デモ動画は入口として優れていたが、実務で効くのは演出よりも運用設計だった。