AI駆動タスク自動振り分け：DASH（Daily Action System by Hero）の実装
はじめに
複数のアカウント・チーム・プロジェクトを管理していると、「このタスクはどこに属するか？」の判断が面倒になります。この記事では、AIが自動でタスクを振り分ける DASH システムの実装を紹介します。
DASHの設計思想
雑な投げかけを歓迎
ユーザーは細かい分類を気にせず、タスクを投げるだけ：
- 「これやらな」
- 「あれ忘れてた」
- 「明日までに〇〇」
AIがアカウント・チーム・優先度を自動判定します。
判定ロジック
タスクテキストから以下を抽出・推論します：
- アカウント判定: クロスリンク vs プログラミングスクール
- チーム判定: learning / seo / recruitment / kansai / nagoya_school など
- 優先度判定: high / medium / low
- 期限抽出: 「明日まで」「3/30」などから due_date を推定
実装：LLMベース判定
プロンプト設計
TASK_CLASSIFICATION_PROMPT = """
以下のタスクテキストから情報を抽出し、JSON形式で返してください。
タスク: {task_text}
【判定基準】
- account: "crosslink" or "programming_school"
- クロスリンク: ラーニング講座、SEO記事、求人関連
- プログラミングスクール: 体験会、座席表、シフト管理
- team: "learning" / "seo" / "recruitment" / "kansai" / "tokai" / "nagoya_school" / "general"
- priority: "high" / "medium" / "low"
- high: 至急、締切間近、重要
- medium: 通常業務
- low: 後回し可能
- due_date: YYYY-MM-DD形式（今日は{today}）
- 「明日」→ {tomorrow}
- 「今週金曜」→ 次の金曜日
- 「3/30」→ 2026-03-30
【出力JSON】
{{
"account": "...",
"team": "...",
"priority": "...",
"due_date": "...",
"estimated_minutes": 数値
}}
"""
判定関数
import anthropic
from datetime import datetime, timedelta
def classify_task(task_text):
today = datetime.now().strftime('%Y-%m-%d')
tomorrow = (datetime.now() + timedelta(days=1)).strftime('%Y-%m-%d')
prompt = TASK_CLASSIFICATION_PROMPT.format(
task_text=task_text,
today=today,
tomorrow=tomorrow
)
client = anthropic.Anthropic(api_key=os.getenv('ANTHROPIC_API_KEY'))
message = client.messages.create(
model="claude-3-sonnet-20240229",
max_tokens=500,
messages=[{
"role": "user",
"content": prompt
}]
)
response_text = message.content[0].text
# JSON抽出
import json
import re
json_match = re.search(r'\{.*\}', response_text, re.DOTALL)
if json_match:
return json.loads(json_match.group())
return None
タスク登録
def add_task_auto(task_text):
"""
タスクテキストを受け取り、自動分類してtasks.jsonに追加
"""
classification = classify_task(task_text)
if not classification:
print("⚠️ 分類失敗。デフォルト値で登録します。")
classification = {
"account": "crosslink",
"team": "general",
"priority": "medium",
"due_date": None,
"estimated_minutes": 30
}
task_id = f"task-{datetime.now().strftime('%Y%m%d-%H%M%S')}"
task = {
"id": task_id,
"title": task_text,
"account": classification["account"],
"team": classification["team"],
"priority": classification["priority"],
"status": "todo",
"due_date": classification.get("due_date"),
"estimated_minutes": classification.get("estimated_minutes", 30),
"source": "telegram",
"created_at": datetime.now().isoformat(),
"notes": ""
}
# tasks.json に追加
tasks = load_tasks()
tasks["tasks"].append(task)
save_tasks(tasks)
print(f"✅ タスク登録: {task['title']}")
print(f" アカウント: {task['account']}")
print(f" チーム: {task['team']}")
print(f" 優先度: {task['priority']}")
if task['due_date']:
print(f" 期限: {task['due_date']}")
return task
実例：判定精度
テストケース1: クロスリンク系
入力:
「サンヴァーテックス様 アンケートフォーム送付」
AI判定:
{
"account": "crosslink",
"team": "learning",
"priority": "high",
"due_date": null,
"estimated_minutes": 25
}
✅ 正解。クライアント名からクロスリンク・ラーニングチームと判定。
テストケース2: プログラミングスクール系
入力:
「ココグラム名古屋校 座席表作成」
AI判定:
{
"account": "programming_school",
"team": "nagoya_school",
"priority": "high",
"due_date": "2026-03-28",
"estimated_minutes": 30
}
✅ 正解。「ココグラム」から名古屋校と判定。毎週土曜の定期タスクのため due_date も推定。
テストケース3: 期限付き
入力:
「明日までにブログ記事5件作成」
AI判定:
{
"account": "crosslink",
"team": "seo",
"priority": "high",
"due_date": "2026-03-30",
"estimated_minutes": 60
}
✅ 正解。「明日まで」を日付に変換。ブログ→SEOチームと判定。
改善：コンテキスト学習
過去タスクからの学習
過去の分類結果を参照し、判定精度を向上させます。
def classify_task_with_history(task_text):
# 過去の類似タスクを検索
similar_tasks = find_similar_tasks(task_text, limit=5)
# 類似タスクのアカウント・チーム分布
context = f"""
過去の類似タスク:
{format_similar_tasks(similar_tasks)}
"""
# プロンプトにコンテキスト追加
prompt = TASK_CLASSIFICATION_PROMPT + "\n" + context
return classify_task(task_text, prompt)
ユーザーフィードバック
誤判定があった場合、ユーザーが修正できます。
def correct_task_classification(task_id, corrections):
"""
ユーザーの修正を記録し、次回の判定に反映
"""
task = get_task(task_id)
# 修正履歴を記録
feedback = {
"original": {
"account": task["account"],
"team": task["team"],
"priority": task["priority"]
},
"corrected": corrections,
"task_text": task["title"]
}
save_feedback(feedback)
# タスクを更新
task.update(corrections)
save_task(task)
Google Calendar統合
分類されたタスクを自動的にGoogle Calendarに登録します。
def sync_task_to_calendar(task):
"""
アカウントに応じた Google Calendar に登録
"""
account_calendar_map = {
"crosslink": "work@example.com",
"programming_school": "school@example.com"
}
calendar_email = account_calendar_map[task["account"]]
event = {
"summary": task["title"],
"description": f"チーム: {task['team']}\n優先度: {task['priority']}",
"start": {
"date": task["due_date"]
},
"end": {
"date": task["due_date"]
}
}
service = build_calendar_service(calendar_email)
service.events().insert(calendarId='primary', body=event).execute()
print(f"📅 {calendar_email} のカレンダーに登録完了")
まとめ
LLMベースのタスク分類により、ユーザーは細かい指定をせず雑にタスクを投げるだけで、自動的に適切なアカウント・チーム・期限が設定されます。過去の分類履歴やユーザーフィードバックを活用することで、判定精度を継続的に向上できます。
関連記事:
– Google Calendar統合でタスク管理を進化
– Gmail重要メール監視システム構築
– OpenClaw Cronジョブ活用術