AIコラボレーションハンドブック

clawbotと効果的に作業する方法。タスク委譲パターン、マルチチャネル戦略、そして最大限の生産性を実現するための専門家のヒント。

基礎:明確なコミュニケーション

応答するだけのクラウドAIとは異なり、clawbotは実行します。この違いは重要です:ChatGPTで興味深い会話を生成する曖昧な指示は、システムアクセスが与えられた場合、破壊的なコマンドになります。精度が重要です。

効果的な指示の原則

1️⃣
スコープを明確にする

何が影響を受けるべきかを正確に定義します。AIは明確化を求めません—コンテキストに基づいて仮定を行います。

良い例:

「過去7日間の受信トレイにあるnewsletters@*.comからのすべてのメールをアーカイブしてください。」

悪い例:

「受信トレイをクリーンアップして。」(どのメール?何をする?どのくらい古い?)

2️⃣
トリガーと条件を指定する

継続的なタスクの場合、アクションがいつ実行されるべきか、どの条件が真でなければならないかを定義します。

良い例:

「毎平日午前9時に、「緊急」とラベル付けされた未読メールがある場合、Telegramで要約を送信してください。」

悪い例:

「緊急メールについて教えて。」(いつ?どのように?何が緊急を定義する?)

3️⃣
成功基準を定義する

タスクが成功したことをAIがどのように知るかを伝えます。これにより無限ループを防ぎ、意味のあるエラー報告が可能になります。

良い例:

「すべて合格するまで、または3回の試行が失敗するまでテストを実行し、その後結果を#dev-channelに報告してください。」

悪い例:

「動作するまでテストを実行し続けて。」(何回試行?決して合格しない場合は?)

4️⃣
破壊的なアクションの確認を要求する

データを削除、変更、または公開する操作の場合、承認ステップを組み込みます。

良い例:

「この顧客の苦情に対する返信を下書きし、送信する前に承認を求めて送信してください。」

悪い例:

「顧客の苦情に自動的に返信して。」(AIが誤解したら?)

6つのタスク委譲パターン

すべての自動化は6つのパターンのいずれかに分類されます。これらを理解することで、効果的なワークフローを設計し、AIが自律的に処理できることに対する適切な期待を設定できます。

👁️
パターン1:監視

AIが変更を監視し、通知します。

AIはデータソース(ログ、API、ファイル、ダッシュボード)を継続的に観察し、特定の条件が発生したときに警告します。変更は行われません—純粋に観察的です。

使用例:サーバー健全性監視

「Prometheus /api/v1/alertsエンドポイントを60秒ごとに監視してください。severity=criticalで「firing」状態に入るアラートがある場合、詳細を#ops-emergency Slackチャネルに送信してください。」

使用例:競合他社インテリジェンス

「毎日午前2時にcompetitor.com/pricingをチェックしてください。価格が10%以上変更された場合、ページのスクリーンショットを撮り、比較をメールで送信してください。」

ベストプラクティス

緊急度に基づいてチェック間隔を設定します:重要なシステムは30-60秒ごと、ビジネス指標は毎時、トレンド監視は毎日。

パターン2:リマインダー

AIが時間ベースまたはイベントトリガーの通知を送信します。

シンプルなカレンダーアラートとは異なり、AIリマインダーにはコンテキスト、準備手順、または事前取得された情報を含めることができ、リマインダーを実行可能にします。

使用例:会議準備

「「client-meeting」とタグ付けされたカレンダーイベントの30分前に、WhatsApp経由で以下を送信してください:(1)参加者名、(2)Notionからの最後の会話の要約、(3)Jiraからの未解決のアクションアイテム。」

使用例:締切管理

「私が担当者であるJiraチケットの締切の7日前にTelegram経由でリマインドしてください。1日前に未完了の場合、緊急にエスカレートしてください。」

ベストプラクティス

リマインダーに実行可能なコンテキストを含めます。「30分後に会議」は役に立たない;「Acme Corp社とのクライアント通話が30分後 - API制限について質問している」は価値があります。

パターン3:実行

AIがあなたの代わりにアクションを実行します。

AIはシステムの状態を積極的に変更します:ファイル、データベース、API、サービス。ここでセルフホスト型インフラストラクチャが不可欠になります—クラウドAIはこのレベルのアクセスを持つことはできません。

使用例:デプロイメント自動化

「v*.*.*に一致する新しいタグがmainブランチにプッシュされたら、CIテストを実行してください。すべて合格したら、ステージングにデプロイします。Sentryでエラーなしで10分後、本番環境に昇格させてください。」

使用例:データクリーンアップ

「毎週日曜日の午前3時に、#randomチャネルの90日より古いSlackメッセージをアーカイブしてください。削除する前に~/archives/slack/にJSONにエクスポートしてください。」

ベストプラクティス

非本番環境で最初に実行ワークフローをテストします。利用可能な場合は--dry-runフラグを使用します。ロールバックメカニズムを組み込みます。

📊
パターン4:分析

AIがデータを処理し、洞察を抽出します。

AIは大量のデータ—ログ、メトリクス、ドキュメント、会話—を読み取り、要約し、パターンを識別し、または質問に答えます。システム変更はありませんが、価値のあるインテリジェンスを生成します。

使用例:ログ分析

「/var/log/nginx/error.logの最後の1000行を分析してください。最も一般的な5つのエラーパターンを特定し、影響(影響を受けたリクエスト)を推定し、修正を提案してください。」

使用例:会議インテリジェンス

「先月の「product-review」とタグ付けされたすべてのZoom会議のトランスクリプトを読んでください。頻度による上位5つの機能リクエストは何ですか?それぞれを誰が言及しましたか?」

ベストプラクティス

分析をアクションと組み合わせます。レポートを生成するだけでなく—即座の注意が必要な発見をエスカレートするようAIを構成します。

🔗
パターン5:統合

AIが複数のサービスを接続し、同期を保ちます。

AIはミドルウェアとして機能し、ネイティブに統合されていないシステム間でデータを移動します。これはZapierスタイルの自動化を置き換えますが、ドラッグアンドドロップのワークフローの代わりに自然言語ロジックを使用します。

使用例:CRM ↔ サポート同期

「Zendeskで新しいチケットが作成されたら、顧客がHubSpotに存在するかチェックしてください。存在する場合、タイムラインにチケットリンクを追加します。存在しない場合、チケットメタデータで連絡先レコードを作成してください。」

使用例:時間追跡

「Jiraチケットをクローズしたら、「進行中」から「完了」までの時間を計算し、Jiraプロジェクトキーに一致するプロジェクトの下でClockifyにログを記録してください。」

ベストプラクティス

統合を冪等(複数回実行しても安全)に設計し、失敗を優雅に処理します。監査証跡のためにすべての同期操作をログに記録します。

🤖
パターン6:自動化(マルチステップワークフロー)

AIが条件付きロジックに基づいて複数のアクションを連鎖します。

これは以前のすべてのパターンを、分岐ロジック、リトライメカニズム、決定木を持つ洗練されたワークフローに組み合わせます。AIは複雑なシーケンスを自律的にオーケストレーションします。

使用例:インシデント対応

「Prometheusが「HighMemoryUsage」アラートを発火したら:(1)このサービスが過去1時間に再起動したかチェックします。はいの場合、無視します。(2)いいえの場合、ヒープダンプをキャプチャします。(3)gdbで分析します。(4)メモリリークが検出された場合、サービスを再起動し、Jiraバグをファイルします。(5)#ops Slackにインシデントレポートを投稿します。」

使用例:コンテンツ公開パイプライン

「~/blog/drafts/に新しいマークダウンファイルが表示されたら:(1)スペルと文法をチェックします。(2)SEOメタデータを生成します。(3)投稿内の画像を最適化します。(4)~/blog/ready/に移動します。(5)ウェブサイトリポジトリにPRを作成します。(6)プレビューリンクを#content Slackに投稿します。」

ベストプラクティス

複雑な自動化をチェックポイントのあるステージに分割します。各ステップで状態をログに記録し、失敗をデバッグでき、ワークフローがプロセスの途中から再開できるようにします。

マルチチャネル戦略

clawbotは15以上のコミュニケーションチャネルをサポートしています。効果的な使用の鍵は、すべてを接続することではなく—コンテキスト、緊急度、ワークフロー統合に基づいて各タスクタイプに適したチャネルを選択することです。

WhatsApp:個人的、高優先度

  • 重要なアラート(本番ダウン、セキュリティインシデント)
  • 時間に敏感なリマインダー(会議準備、旅行チェックイン)
  • 個人の自動化(スマートホーム、家族の技術サポート)
  • 音声メッセージによる音声コマンド

理由:常に携帯、ネイティブモバイル通知、音声入力。

Slack/Discord:チームコラボレーション

  • チームに見えるデプロイメント通知
  • プロジェクトチャネルのCI/CDステータス更新
  • 共有自動化(誰でもトリガーできるボットコマンド)
  • インシデント対応の調整

理由:透明性、チームコンテキスト、スレッド化された議論。

Telegram:信頼性、高速、柔軟性

  • 高頻度の更新(監視ダッシュボード)
  • 毎日のダイジェストとレポート
  • ファイル共有(スクリーンショット、ログ、エクスポート)
  • カスタム統合用のBot API

理由:レート制限なし、インラインボタン、強力なBot API。

メール:フォーマル、アーカイブ、外部

  • ステークホルダー向けの週次レポート
  • フォーマルな通知(法的、コンプライアンス)
  • 外部パーティとのコミュニケーション
  • フォーマット付きの長文コンテンツ

理由:ユニバーサル、フォーマルレコード、リッチフォーマット。

プロのヒント:チャネルルーティングルール

異なるメッセージタイプを適切なチャネルに自動的にルーティングするようclawbotを構成します:エラーはSlack #opsへ、要約はTelegramへ、重要なアラートはWhatsAppへ。IDENTITY.mdまたはチャネル固有の設定でルーティングロジックを定義します。

スキルエコシステム:機能の拡張

clawbotの565以上のコミュニティスキル(ClawdHub)はAgentSkills標準に従っています。スキルは、インストール、カスタマイズ、組み合わせができる事前構築済みの統合とドメイン固有の機能を提供します。

スキルの発見

スキルはClawdHub(GitHubベースのマーケットプレイス)を通じて配布されます。カテゴリで閲覧するか、キーワードで検索します:

CLI経由:

clawbot skills search kubernetes

チャット経由:

「PostgreSQLデータベースを監視するためのスキルを見せて。」

人気のカテゴリ:DevOps(kubectl、docker、terraform)、クラウド(AWS、Azure、GCP)、生産性(カレンダー、メール、ノート取り)、開発(GitHub、GitLab、CI/CD)、スマートホーム(Home Assistant、IoT)、データ(データベース、分析、ETL)。

スキルのインストール

スキルは、宣言的な機能定義を持つNode.jsパッケージとしてインストールされます:

ClawdHubからインストール:

clawbot skills install kubectl

Git URLからインストール:

clawbot skills install https://github.com/user/custom-skill

セキュリティ注意

スキルはclawbotの権限で実行されます。インストールする前にスキルのソースコードをレビューしてください。特にシステムコマンドを実行したり、資格情報にアクセスしたりするスキルの場合。GitHubのスターが多く、最近更新されたスキルを優先してください。

スキルのカスタマイズ

ほとんどのスキルは環境変数または設定ファイルを介して設定を公開します。一般的なカスタマイズ:

API資格情報

暗号化を有効にして~/.clawbot/secrets.envに保存します。

例:

GITHUB_TOKEN=ghp_xxxxx
SLACK_BOT_TOKEN=xoxb-xxxxx

スキル固有の設定

~/.clawbot/skills/{skill-name}/config.jsonでデフォルトを上書きします

例(kubectlスキル):

{"default_namespace": "production", "timeout": 30}

権限コントロール

ツール許可リストを介してスキルが実行できるアクションを制限します。

例:

「kubectl get」と「kubectl describe」を許可し、「kubectl delete」を拒否

10のエキスパートレベルの使用パターン

clawbotパワーユーザーからの高度なテクニックで、「役立つアシスタント」から「不可欠なインフラストラクチャ」に変換します。

1️⃣
IDENTITY.mdによるコンテキスト認識

~/.clawbot/IDENTITY.mdに好み、作業コンテキスト、ドメイン知識を保存します。AIはすべてのインタラクションの前にこれを読み、繰り返しの説明なしに応答をパーソナライズします。

含めるべき内容:

• あなたの役割と技術スタック
• プロジェクト構造と命名規則
• 好みのコミュニケーションスタイル
• タイムゾーンと勤務時間
• 主要な連絡先とその役割
• 意思決定原則

2️⃣
リスク管理のための承認ワークフロー

結果を伴う操作(デプロイメント、データ変更、外部コミュニケーション)の場合、承認ゲートを構成します。AIがアクションをドラフトし、チャット経由で承認します。

設定(ツールポリシー内):

tools.exec.approval: "rm -rf"、"kubectl delete"、"git push --force"に一致するコマンドに対して"ask"

3️⃣
継続的改善のためのフィードバックループ

自動化が実行された後、何がうまくいき、何がうまくいかなかったかをAIに明示的に伝えます。セッションメモリに記憶され、将来の動作を調整します。

フィードバック例:

「そのメールの下書きは形式的すぎました—次回はよりフレンドリーなトーンを使用してください。」
「ログ分析はstderrのエラーを見逃しました—stdoutとstderrの両方をチェックしてください。」

4️⃣
Gateway Cron経由のスケジュールされたタスク

繰り返しの自動化には、システムcronの代わりにclawbot Gatewayのcronスケジューリングを使用します。AI生成されたcronジョブは自然言語を理解し、失敗をインテリジェントに処理します。

自然言語cron:

「休日を除く毎平日午前9時」→ Gatewayがcron式に変換し、休日カレンダーを処理します。

5️⃣
ワークフローへのスキルの連鎖

複数のスキルをシーケンスに組み合わせます。AIは統合コードを書くことなくスキル間のデータフローを調整します。

マルチスキルワークフロー:

「「github」スキルを使用して最新のリリースノートを取得し、次に「slack」スキルを使用して要約を#announcementsに投稿し、次に「twitter」スキルを使用してツイートを下書きします。」

6️⃣
説明責任のための監査ログ

すべてのAIアクションを追跡するために包括的なログを有効にします。デバッグ、セキュリティ監査、インシデント中に何が起こったかを理解するために不可欠です。

ログの場所:

~/.clawbot/logs/gateway.log(すべてのメッセージ)
~/.clawbot/logs/exec.log(システムコマンド)
~/.clawbot/logs/skills.log(スキル呼び出し)

7️⃣
高リスク自動化のためのサンドボックステスト

本番システムに自動化をデプロイする前に、分離された環境でテストします。Dockerコンテナ、ステージングサーバー、または--dry-runモードを使用します。

テスト戦略:

1. コマンドを手動でテスト
2. ドライランモードでAI自動化を実行
3. 実際のデータでステージングにデプロイ
4. 24-48時間監視
5. 本番環境に昇格

8️⃣
チャネルごとのスキルポリシー

特定のチャネルに特定のスキルを制限します。例:破壊的な操作はWhatsApp(認証されている場所)でのみ許可し、公開Discordでは決して許可しません。

チャネルポリシー:

WhatsApp:すべてのスキル有効
Slack #ops:DevOpsスキルのみ
Discord:読み取り専用スキルのみ
Telegram:監視とレポート

9️⃣
マルチターンタスクのためのセッション継続性

やり取りが必要な複雑なタスクの場合、専用のセッションを開始します。AIはメッセージ全体でコンテキストを維持し、中間結果を記憶します。

セッション例:

「支払いサービスエラーのデバッグセッションを開始します。」
→ AIがセッションを作成し、明確化の質問をします
→ あなたがログを提供し、AIが分析します
→ AIが修正を提案し、あなたが承認します
→ AIが実装して検証します
「セッションを終了し、修正内容を要約してください。」

🔟
タスクタイプのためのモデル選択

異なるAIモデルは異なるタスクに優れています。インテリジェントにルーティングするようclawbotを構成します:複雑な推論にはClaude、コードにはGPT-4、オフライン/プライベート操作にはOllamaを使用します。

モデルルーティングルール:

コードレビュー:GPT-4 Turbo(コードに最適)
データ分析:Claude Sonnet(推論に最適)
シンプルな自動化:Ollama llama3(無料、ローカル)
機密データ:Ollamaのみ(決してクラウドにしない)

一般的な問題と解決策

clawbotユーザーが遭遇する実際の課題とその解決方法。

問題:AIが誤ったコマンドを実行する

原因:曖昧な指示または不十分なコンテキスト。

解決策:より明示的にします。リスクの高いコマンドには承認ワークフローを使用します。正しい動作の例をIDENTITY.mdに追加します。

前:

「古いログを削除」

後:

「/var/log/myapp/内の30日より古い*.logに一致する名前のログファイルを削除してください。年齢に関係なく最新の10ファイルは保持します。削除する前に確認を求めてください。」

問題:自動化がランダムに動作しなくなる

原因:外部APIのレート制限、資格情報の有効期限切れ、または一時的なネットワーク障害。

解決策:指数バックオフでリトライロジックを組み込みます。エラーについて~/.clawbot/logs/を監視します。自動化が失敗したときのアラートを設定します。

問題:通知が多すぎる

原因:監視しきい値が敏感すぎる、またはノイズフィルタリングがない。

解決策:デバウンスを追加します(「条件が5分間持続する場合にのみアラート」)および重複排除(「同じ問題について1時間に1回以上アラートしない」)。

問題:AIが複雑なワークフローを誤解する

原因:1つのメッセージでワークフロー全体を記述しようとしている。

解決策:ステージに分割します。1つのステージを構成し、テストし、次を追加します。段階的な改善にはセッション継続性を使用します。

問題:ログ内の機密データ

原因:AIが資格情報やプライベートデータを含む完全なコマンド出力をログに記録している。

解決策:パターン(APIキー、トークン、パスワード)を編集するためのログサニタイゼーションルールを構成します。定期的にログをレビューし、必要に応じて新しい編集ルールを追加します。

clawbotをマスターする準備はできましたか?

1つのシンプルな自動化から始めましょう。自信がついたら、さらにパターンを重ねていきます。数週間以内に、clawbotなしでどうやって作業していたのか不思議に思うでしょう。

始める 実例を見る