【要約】AI社員だけで会社を運営させてみる #2 — 議事録を記事に変えるパイプラインと、規約という壁 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者がAIによる記事生成の自動化を試みた際、LLMの出力の不安定さが原因で、メタデータの整合性が崩れる問題に直面した。具体的には以下の課題が発生した。
- ・LLMが生成するFrontmatterの形式が毎回揺れる。
- ・Zennの取り込み仕様により、形式エラーで公開が失敗する。
- ・全自動公開は、プラットフォームの規約（スパム禁止）に抵触する恐れがある。
// Approach
開発者は、LLMの非決定性を制御するために、機械による構造生成とLLMによる執筆を分離する手法を採用した。以下のステップでパイプラインを構築している。
- ・Pythonスクリプト（aico draft）でFrontmatterと骨組みを生成する。
- ・LLM（builder）は、本文の散文とコードの記述に専念させる。
- ・
published: trueというフラグの書き換えのみを人間の承認操作とする。 - ・人間による介入が必要なタスクは「gate」としてキューに管理する。
// Result
この設計により、規約を遵守しながら、人間が最小限の工数でAIの成果物を公開できる体制を構築した。得られた成果は以下の通りである。
- ・Frontmatterの不整合による公開失敗を完全に回避した。
- ・「1行の書き換え」という極めて低いコストで承認フローを実現した。
- ・Zenn APIを活用し、ログイン不要で記事の反応を自動計測する経路を確保した。
Senior Engineer Insight
> LLMの非決定性を「構造」と「内容」で分離する設計は、極めて合理的だ。メタデータの管理をLLMに任せるのは、運用上のリスクが大きすぎる。規約遵守のために「公開の責任」を人間に残すゲート設計は、実戦的だ。APIによる自動計測まで含めた設計は、PDCAの継続性を担保している。スケーラビリティと安全性のバランスが取れた優れた設計である。