AI CLI

「生成AIを導入したのに、毎回プロンプトを入力し、回答をコピーして、別のファイルへ貼り付けている」 この状態では文章作成が速くなっても、自分の時間は消費され続けます。AIが回答するたびに人間の操作が必要なら、それはAIを使った手作業であり、業務自動化とはいえません。 そこで活用したいのが、ターミナルから生成AIを操作できるAI CLIです。CLIは「Command Line Interface」の略で、PowerShellやコマンドプロンプトからAIへ指示を送り、結果をファイルへ保存できる仕組みを指します。 AI CLIをPythonやPowerShell、タスクスケジューラと連携すれば、情報収集、文章生成、品質検査、保存、公開、通知までを一つの処理として動かせます。たとえば、ブログ記事や商品説明を夜間に生成し、品質検査に合格した原稿だけを公開キューへ送る、といったローカル自動化が可能です。 この記事では、私が運用する自動ブログの実測値と失敗ログをもとに、AI CLIによる業務自動化の始め方を解説します。読了後には、単発の時短ツールではなく、自分が操作していない時間にも成果物を蓄積し、集客や販売へつなげる「自動化資産」の設計図を作れるようになります。 ただし、自動化しただけで収益が発生するわけではありません。結果は検索需要、提供価値、販売商品、集客経路、運用コストによって変わります。本記事は一般的な情報提供であり、利益を保証するものではありません。 AI CLIによるローカル自動化の全体像 AI CLIは、ブラウザのチャット画面を開かず、プログラムからAIを呼び出すための窓口です。 たとえば、毎週作成している営業レポートを自動化する場合、処理は次のようにつながります。 売上CSVを取得 ↓ Pythonで金額・件数を集計 ↓ AI CLIで報告文を生成 ↓ 数値・見出し・禁止表現を検査 ↓ MarkdownやPDFとして保存 ↓ 共有フォルダへ配置 ↓ 完了または異常を通知 Pythonは計算やファイル操作を担当し、AI CLIは要約、分類、文章生成を担当します。タスクスケジューラは、決めた時刻に処理を起動します。 この役割分担には理由があります。AIは読みやすい文章を作れますが、入力にない数字を補ってしまう可能性があります。金額や件数はPythonで確定させ、その計算結果だけをAIへ渡す方が安全です。 また、「ローカルAI CLI」という言葉には注意が必要です。CLIを自分のPCで動かしていても、処理先のAIモデルがクラウドにある場合、入力内容は外部へ送信されます。 次の二つは別の構成です。 クラウドAIをローカルPCのCLIから操作する PC内で動くローカルモデルをCLIから操作する 顧客名、契約内容、未公開売上などを扱う場合は、利用規約、データ保持方針、学習利用の有無、送信先を事前に確認してください。 AI CLIを業務自動化に使う5つのメリット 1. ブラウザ操作を減らせる チャット型AIでは、プロンプトの入力、回答待ち、コピー、保存を人間が繰り返します。AI CLIなら、この一連の操作をスクリプトから実行できます。 担当者が不在でも処理を起動できるため、次のような定期業務に向いています。 夜間のレポート作成 朝の商品情報更新 SEO記事の下書き生成 問い合わせ内容の分類 定型資料の更新 ただし、毎回担当者がコマンドを入力する構成は半自動です。起動、保存、品質検査、異常通知まで接続することで、通常運転時の人間操作を減らせます。 2. ローカルファイルと連携しやすい AI CLIは、CSV、JSON、Markdown、ソースコードなど、PC内のファイルを扱う処理へ組み込みやすい方法です。 売上CSVを例にすると、次の作業を一つのフローにできます。 CSVから売上と件数を集計する 前週との差を計算する 異常値を検出する AIに報告文を書かせる 完成レポートを指定フォルダへ保存する 実行結果をログへ残す ファイル名、入力形式、保存先を固定すれば、担当者ごとの作業方法の違いも減らせます。 ...

「生成AIを導入したのに、毎回プロンプトを入力し、回答をコピーして、別のファイルへ貼り付けている」 この状態では文章作成が速くなっても、自分の時間は消費され続けます。AIが回答するたびに人間の操作が必要なら、それはAIを使った手作業であり、業務自動化とはいえません。 そこで活用したいのが、ターミナルから生成AIを操作できるAI CLIです。CLIは「Command Line Interface」の略で、PowerShellやコマンドプロンプトからAIへ指示を送り、結果をファイルへ保存できる仕組みを指します。 AI CLIをPythonやPowerShell、タスクスケジューラと連携すれば、情報収集、文章生成、品質検査、保存、公開、通知までを一つの処理として動かせます。たとえば、ブログ記事や商品説明を夜間に生成し、品質検査に合格した原稿だけを公開キューへ送る、といったローカル自動化が可能です。 この記事では、私が運用する自動ブログの実測値と失敗ログをもとに、AI CLIによる業務自動化の始め方を解説します。読了後には、単発の時短ツールではなく、自分が操作していない時間にも成果物を蓄積し、集客や販売へつなげる「自動化資産」の設計図を作れるようになります。 ただし、自動化しただけで収益が発生するわけではありません。結果は検索需要、提供価値、販売商品、集客経路、運用コストによって変わります。本記事は一般的な情報提供であり、利益を保証するものではありません。 AI CLIによるローカル自動化の全体像 AI CLIは、ブラウザのチャット画面を開かず、プログラムからAIを呼び出すための窓口です。 たとえば、毎週作成している営業レポートを自動化する場合、処理は次のようにつながります。 売上CSVを取得 ↓ Pythonで金額・件数を集計 ↓ AI CLIで報告文を生成 ↓ 数値・見出し・禁止表現を検査 ↓ MarkdownやPDFとして保存 ↓ 共有フォルダへ配置 ↓ 完了または異常を通知 Pythonは計算やファイル操作を担当し、AI CLIは要約、分類、文章生成を担当します。タスクスケジューラは、決めた時刻に処理を起動します。 この役割分担には理由があります。AIは読みやすい文章を作れますが、入力にない数字を補ってしまう可能性があります。金額や件数はPythonで確定させ、その計算結果だけをAIへ渡す方が安全です。 また、「ローカルAI CLI」という言葉には注意が必要です。CLIを自分のPCで動かしていても、処理先のAIモデルがクラウドにある場合、入力内容は外部へ送信されます。 次の二つは別の構成です。 クラウドAIをローカルPCのCLIから操作する PC内で動くローカルモデルをCLIから操作する 顧客名、契約内容、未公開売上などを扱う場合は、利用規約、データ保持方針、学習利用の有無、送信先を事前に確認してください。 AI CLIを業務自動化に使う5つのメリット 1. ブラウザ操作を減らせる チャット型AIでは、プロンプトの入力、回答待ち、コピー、保存を人間が繰り返します。AI CLIなら、この一連の操作をスクリプトから実行できます。 担当者が不在でも処理を起動できるため、次のような定期業務に向いています。 夜間のレポート作成 朝の商品情報更新 SEO記事の下書き生成 問い合わせ内容の分類 定型資料の更新 ただし、毎回担当者がコマンドを入力する構成は半自動です。起動、保存、品質検査、異常通知まで接続することで、通常運転時の人間操作を減らせます。 2. ローカルファイルと連携しやすい AI CLIは、CSV、JSON、Markdown、ソースコードなど、PC内のファイルを扱う処理へ組み込みやすい方法です。 売上CSVを例にすると、次の作業を一つのフローにできます。 CSVから売上と件数を集計する 前週との差を計算する 異常値を検出する AIに報告文を書かせる 完成レポートを指定フォルダへ保存する 実行結果をログへ残す ファイル名、入力形式、保存先を固定すれば、担当者ごとの作業方法の違いも減らせます。 ...

AI CLIをタスクスケジューラから呼び出せば、ブログ記事は自動生成できます。 しかし、実運用で難しいのは「記事を1本生成すること」ではありません。認証エラーやタイムアウトが起きても、低品質な記事を公開せず、原因を追跡できる状態を作ることです。 Hiroが運用するブログ自動化基盤では、2026年7月21日に次の事象が同じ一日の中で発生しました。 下書き生成からNotion保存、Git pushまで完了 Codex CLIが240秒でタイムアウトし、記事生成をスキップ Gemini CLIの認証・互換性エラーからCodex CLIへ切り替え AIスロップ検査が基準未達の記事を保存前に停止 成功例だけを見ると、AIブログ自動化は簡単に見えます。実際の運用では、止まり方を設計して初めて無人化できます。 この記事では、Hugo、Python、AI CLI、GitHub、Cloudflare Pagesを使い、初心者が小さく始める手順から、専門家が確認すべき障害対策、KPI、公開判定まで解説します。 AI CLIによるブログ自動化とは AI CLIによるブログ自動化とは、Claude、Gemini、CodexなどのコマンドラインツールをPythonから呼び出し、記事生成やレビューを連続実行する仕組みです。 Hiroのリポジトリでは、PythonからAI APIを直接呼び出していません。ローカルPCまたはクラウドrunnerにインストールしたAI CLIを、subprocess経由で実行しています。 処理の流れは次のとおりです。 記事トピックを選ぶ AI CLIで下書きを生成する 別のAI CLIでレビューする 最終チェックを行う AIスロップ検査を通す Markdownファイルを保存する Notionへ記録する GitでコミットしてGitHubへpushする Cloudflare PagesがGitHubの更新を検知してビルドする この構成では、記事生成、品質判定、保存、公開を別工程として観測できます。 「AIが回答した」と「記事が公開可能になった」は同じではありません。保存前に機械的な品質ゲートを置く必要があります。 Hiroの2026年7月21日の実行ログ ここからは、generator/logs/generate.logと同日のGit履歴で確認できた一次情報を見ていきます。 成功例：認証エラーから切り替えてGit pushまで完了 「Cloudflare PagesでHugoブログを高速配信するメリット」というトピックでは、次の処理が記録されています。 19:42:39 トピック選択、Codex CLIで下書き生成開始 19:44:52 下書き生成成功 19:44:58 Gemini CLIによるレビュー失敗 19:47:38 Codex CLIへ切り替え、レビュー成功 19:51:10 最終チェック成功、Markdown保存 19:51:10 Notion保存成功 19:51:14 origin/mainへのgit push成功 Gemini CLIの失敗理由は、単純な「ログイン期限切れ」とは断定できません。ログには、利用中のクライアントが個人向けGemini Code Assistでサポートされなくなったことを示すIneligibleTierErrorが残っています。 したがって、対策も「再ログインする」だけでは不十分です。 確認項目は次の3つです。 ...

AIを導入したのに、毎回プロンプトを入力し、回答をコピーしてファイルへ貼り付けていないでしょうか。 その状態は「AIを使った手作業」であり、業務自動化ではありません。作業時間を本当に減らすには、入力の取得、AIによる生成、品質検査、保存、公開、通知までを一つの処理としてつなぐ必要があります。 そこで役立つのが、PowerShellやPythonから生成AIを実行できるAI CLIです。 この記事では、Codex CLIを例に、Windows PCでローカル業務自動化を始める手順を解説します。一般的なメリットだけでなく、Hiroが運用するauto-ai-blogの実行ログ、認証エラー、240秒タイムアウト、品質検査による公開停止まで公開します。 先に重要な点を明確にしておきます。 「ローカルでCLIを実行すること」と「AIモデルがPC内で動くこと」は別 AI CLIが正常終了しても、成果物の品質が保証されるわけではない 自動化しただけでは収益は発生しない 誤送信の影響が大きい業務には、人間の承認を残すべき 利用するAIや投稿先の規約、情報管理ルールを確認する必要がある 目標は、AIに文章を書かせることではありません。人間が常時操作しなくても、検査済みの成果物が蓄積され、集客や販売、コスト削減につながる「自動化資産」を作ることです。 AI CLIによるローカル業務自動化とは AI CLIとは、ターミナルから生成AIを操作するためのコマンドラインツールです。 たとえばCodex CLIの非対話モードでは、codex execを使ってスクリプトや定期処理から指示を実行できます。最終回答は標準出力へ、進行状況は標準エラーへ出力されるため、Pythonから結果とエラーを分けて取得できます。 最新のコマンドや認証方法は変更される可能性があるため、導入時にはCodex CLIの非対話モードに関する公式ドキュメントも確認してください。 基本的な処理は、次の順序で進みます。 タスクスケジューラが決まった時刻に処理を開始する PythonがCSV、Markdown、商品情報などを読み込む PythonがAI CLIへプロンプトを渡す AI CLIが文章、分類、要約などを返す Pythonが形式、必須項目、文字数、重複を検査する 合格した成果物だけを保存または公開する 実行時間、終了コード、検査結果をログへ残す 失敗時だけ担当者へ通知する この構成にすると、人間の役割を「毎回のコピー＆ペースト」から「ルール設計と例外対応」へ移せます。 AI CLIを業務自動化に使う5つのメリット 1. ブラウザ操作を繰り返さずに処理できる チャット画面では、入力、待機、コピー、保存を人間が繰り返します。CLIなら、その一連の操作をPythonやPowerShellから実行できます。 たとえば、夜間に売上CSVを読み込み、週次レポートを生成し、朝までに共有フォルダへ保存できます。 ただし、担当者が毎回コマンドを起動する設計は半自動です。起動から保存、異常通知まで接続して初めて、無人運用へ近づきます。 2. ローカルファイルと連携しやすい AIへ渡す前に、PythonでCSVを集計したり、不要な列を削除したりできます。AIに計算を推測させず、プログラムで確定した数字だけを渡せる点も重要です。 一方、クラウド型AIのCLIでは、入力内容が外部へ送信されることがあります。顧客名、メールアドレス、APIキー、未公開売上などを、そのままプロンプトへ入れてはいけません。 必要に応じて次の対策を行います。 個人名を顧客IDへ置き換える 不要な列をAIへ渡さない APIキーをプロンプトやログへ出力しない 送信できない情報は端末内モデルで処理する 利用規約と組織の情報管理ルールを確認する 3. 小規模な検証を始めやすい 公式APIを直接組み込む場合は、認証、HTTP通信、レスポンス形式、レート制限などへの対応が必要です。 すでに利用できるAI CLIがあるなら、Pythonのsubprocessから呼び出して小さく試せます。 ただし、大量処理、利用量の厳密な管理、安定した構造化出力が必要なら、CLIより公式APIやSDKが適する場合があります。CLIはAPIの完全な代替ではありません。 4. 処理を別の業務へ再利用できる 処理を次の部品に分けておくと、別業務へ転用できます。 入力取得 プロンプト作成 AI生成 品質検査 保存 公開 通知 KPI集計 ブログ記事の生成処理を作った後、入力を商品データへ変えれば商品説明文の下書きに使えます。保存先を投稿キューへ変えれば、SNS告知文の作成にも応用できます。 ...

毎日のレポート作成、記事生成、データ整理、投稿作業、メール下書き、定型チェック。1回あたり10分の作業でも、毎日続けば月に数時間から数十時間を失います。 さらに問題なのは、時間だけではありません。 手作業の業務は、疲れた日に品質が落ちます。忙しい日は止まります。担当者が変わると手順が崩れます。つまり、業務が「人に依存する消耗作業」のまま残ります。 そこで使えるのがローカルAI CLIによる業務自動化です。 AI CLIとは、ChatGPT、Codex、Claude、GeminiのようなAIを、ブラウザではなくターミナルやPowerShellから呼び出す仕組みです。PythonやバッチファイルからAI CLIを実行すれば、次のような処理を自動化できます。 CSVを読み込んで分類する 議事録からTODOを抽出する ログを読んで異常を要約する ブログ記事をMarkdownで生成する 生成結果をレビューし、品質チェックする GitHubへpushし、Cloudflare Pagesなどへ公開する この記事では、AI CLIを単なる時短ツールとして使うのではなく、検索流入、広告収益、アフィリエイト、商品販売、社内テンプレート販売などにつながる自動化資産として設計する方法を解説します。 この記事で分かることは次の通りです。 AI CLIで業務を自動化する基本構造 ローカルPCで始める実装手順 初心者が最初に作るべき最小構成 収益化を前提にしたKPI設計 usage limit、コマンド長、git lockなどの失敗対策 AI生成記事を薄い一般論にしない品質チェック方法 このサイト auto-ai-blog の実行ログ・設定・テスト結果を使った検証例 なお、この記事は投資助言ではありません。収益化、ポイント獲得、広告、アフィリエイト、自動売買に関する記述は、一般的な業務設計・自動化設計の情報提供です。金融商品、税務、法務、各サービス規約については、必ず読者自身で確認してください。 AI CLIとは何か：ブラウザで使うAIとの違い AI CLIを初心者向けに言うと、AIをプログラムから呼び出せる実行部品です。 ブラウザ版AIでは、人間が画面を開き、文章を貼り付け、回答をコピーし、ファイルに保存します。一方、AI CLIを使うと、同じ処理を次のように固定できます。 Pythonが入力ファイル、CSV、テーマ、ログを読み込む AI CLIへプロンプトを渡す AIが文章、分類結果、要約、改善案を返す Pythonが結果をMarkdown、JSON、CSVなどに保存する 必要ならHugo、GitHub、Cloudflare Pages、Notionへ反映する 成功・失敗・処理時間をログに残す この流れにすると、人間の役割は「毎回コピペする人」から「仕組みを設計し、ログを確認する人」に変わります。 このサイトの一次情報：auto-ai-blogの実装例 このサイト auto-ai-blog でも、AI CLIを自動化部品として使っています。 リポジトリの README_ja.md には、記事生成はAI APIを直接叩くのではなく、ローカルPCまたはクラウドrunnerに入れた claude / gemini / codex CLIを subprocess で呼び出す設計だと記録されています。 実行入口の run_daily.bat は、2026年7月12日時点で次の内容でした。 @echo off set PYTHONIOENCODING=utf-8 cd /d "G:\マイドライブ\AI_Agents\github\repos\auto-ai-blog" set "PYTHON_EXE=python" "%PYTHON_EXE%" "scripts\run_daily_guarded.py" ここで重要なのは、派手なAI機能ではありません。 ...

毎日のブログ投稿、レポート作成、データ整理、画像生成、公開作業。 これらを手作業で続けていると、1本あたりの作業時間は少しずつ減っても、「毎回人間が動かないと進まない状態」から抜け出せません。 副業メディアや小規模サイト運営で特にきついのは、記事を書くことそのものよりも、その前後にある反復作業です。 今日のテーマを選ぶ 下書きを作る 画像を用意する 誤情報や薄い一般論を直す Markdownに整える 公開する リンクやCTAを確認する 検索流入やクリック率を見る この作業列を毎回ブラウザでAIに依頼し、コピーして貼り付け、手動で保存している限り、収益化の検証に使える時間は増えません。 そこで使えるのが AI CLI です。AI CLIとは、Claude CLI、Gemini CLI、Codex CLIのように、ターミナルからAIを呼び出せるツールです。PythonやPowerShellからAI CLIを起動すれば、記事生成、レビュー、保存、GitHubへのpush、公開前チェックまでを一つの流れにできます。 この記事では、AI CLIを使ったローカル自動化を、単なる業務効率化で終わらせず、広告収益、アフィリエイト、デジタル商品、問い合わせ導線につながる「自動化資産」として設計する方法を解説します。 なお、この記事は投資助言や収益保証ではありません。収益はジャンル、検索需要、記事品質、商品導線、規約変更、競合状況に左右されます。ここで扱うのは、一般的な業務設計とメディア運用の考え方です。 AI CLIローカル自動化とは何か AI CLIローカル自動化とは、自分のPCや作業用マシン上でAI CLIをスクリプトから呼び出し、定型業務をファイルベースで進める仕組みです。 基本形は次の流れです。 Windowsタスクスケジューラやcronが決まった時刻に起動する PythonやPowerShellが設定ファイルから今日の作業内容を読む AI CLIにプロンプトを渡して下書きやレビュー結果を生成する 出力をMarkdown、CSV、JSONなどで保存する 品質チェックやテストを通す GitHub、Cloudflare Pages、Notion、社内フォルダなどへ反映する 実行ログを残し、次回の改善材料にする 重要なのは、AIを「何でも相談できる相手」としてではなく、作業工程の1部品として扱うことです。 ブラウザでAIに話しかける方法は、単発の相談には便利です。 しかし、毎日同じ形式で記事を作る、ログを読む、公開する、品質を確認する、といった作業には向きません。AI CLIなら、同じ命令をスクリプトから再現できます。 Hiroのauto-ai-blogで確認した一次情報 このサイトのリポジトリ auto-ai-blog では、READMEに「AI API SDKは使わず、ローカルにインストールされたAI CLIを使って記事を生成する」構成が整理されています。 実装上も、generator/cli_runner.py で claude、gemini、codex のCLIを subprocess から呼び出す構造になっています。Codexは標準入力と一時ファイルを使い、ClaudeやGeminiはプロンプトを引数として渡す実装です。 2026年7月10日に手元の環境で確認した主な設定は次の通りです。 generator/config.yaml の文字数条件：min_chars: 5000、max_chars: 7000 CLI timeout：cli_timeout_seconds: 240 生成時のCLI優先順位：cli_priority: ["codex"] Cloudflare Pages管理プロジェクト：ai-tech-blog、business-blog、real-estate-blog run_daily.bat：PYTHONIOENCODING=utf-8 を設定し、作業ディレクトリを固定して scripts\run_daily_guarded.py を実行 scripts/register_task_15m.ps1：auto-ai-blog というタスク名で15分間隔実行を登録する例を保持 同日に次のテストも実行しました。 ...