【要約】ぼく、AIママに勉強を監視してもらってるんだ（マジキチスマイル） [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発者が作業中に集中力を欠き、娯楽に流れてしまう課題に対し、従来の自動検知手法では不十分であった。開発者が直面する問題は以下の通りである。
- ・ルールベースの限界：マウスの動きやファイル更新の有無のみでは、ドキュメント閲覧や設計検討といった「コードを書かないが重要な作業」をサボりと誤判定する。
- ・判定精度の不足：単なるプロセス監視では、学習目的の動画視聴と娯楽目的の動画視聴を区別できない。
// Approach
開発者は、LLMの文脈理解能力を活用し、作業の「目的」を判定するアプローチを採用した。具体的な手法は以下の通りである。
- ・多角的な証拠収集：git diff、未コミットの変更、開いているウィンドウ、AIへの質問履歴、VS Codeの操作履歴等を収集する。
- ・LLMによる裁判：収集した証拠と「今日の作業テーマ」をLLMに渡し、現在の行動が目的に沿っているかを判定させる。
- ・二段階の執行：初回は警告のみを行い、連続して有罪と判定された場合にのみ、対象プロセスを強制終了（kill）する。
// Result
本ツールにより、作業の文脈を維持したまま、強制力のある集中環境の構築が可能となった。得られた成果は以下の通りである。
- ・判定精度の向上：AIへの質問履歴などを考慮することで、設計検討中の「コードを書かない時間」を正しく作業として認識できる。
- ・運用の柔軟性：自然言語による休憩ルールの設定や、Claude Code/CodexのSkillとしての統合を実現している。
- ・注意点：プロセス単位の強制終了により、作業中のタブや未保存データが消失するリスクがある。
Senior Engineer Insight
> 「曖昧な状態判定をLLMに、具体的な制御をプログラムに」という設計思想は極めて合理的だ。従来のルールベースでは記述が困難な「意図の解釈」をLLMに委ねることで、検知システムの精度を飛躍的に高めている。ただし、プロセスを強制終了する実装は、実運用ではデータ損失のリスクが極めて高い。本件は、エージェントによる自律的な環境制御のプロトタイプとして評価すべきである。