AI活用 on モリサキブログ

OpenClawを実際に動かしてわかった！Claude Codeとの使い分けと本質的な違い

Wed, 18 Mar 2026 00:00:00 +0000

この記事は「OpenClaw完全入門：個人開発者・副業勢のためのオンボーディングガイド」の続編です。前回は「調べた段階」の理論編でしたが、今回はついに実際に動かしてみました。

「取らぬ狸の皮算用みたいな部分はご容赦を」と書いた前回から約1ヶ月。ついに手を動かしてMac miniにOpenClawをインストールし、エージェントを動かすところまで到達した。

結論から言うと、理論で理解していたことと、実際に触って気づいたことはかなり違った。

セットアップで詰まったこと3選

前回の記事で「難易度の実態」として30〜40%が10〜30分で完了、50〜60%が数時間かかると書いた。自分は後者だった。

詰まり①：Claude MaxプランとAPIクレジットは別物

これが一番びっくりした。

OpenClawを起動してチャットに話しかけたら即エラー。

LLM request rejected: Your credit balance is too low to access the Anthropic API.

「Maxプラン入ってるのに何で？」となったが、そういう仕組みではなかった。

claude.ai（Maxプラン） → ブラウザやアプリでClaudeと直接話す用のサブスク
Anthropic API（コンソール） → OpenClawなど外部ツールからClaudeを動かす用の従量課金

同じAnthropicでも課金システムが完全に別。OpenClawを動かすにはコンソールでAPIクレジットを別途購入する必要がある。$5〜$10チャージすれば個人利用なら数ヶ月は持つ。

詰まり②：日本のデビットカードが使えない

楽天銀行のデビットカードで決済しようとしたら弾かれた。

AnthropicのコンソールはStripe経由の決済で、デビットカードは対応していないケースがある。クレジットカードか別の支払い方法が必要。

ちなみにclaude.aiの決済は問題なく通ったので「なんで？」となったが、claude.aiは日本ユーザー向けに最適化された決済で、コンソールはドル建ての海外決済扱いになるらしい。同じAnthropicでも決済システムが違う。

詰まり③：APIキーを設定したのに残高不足エラーが出続ける

クレジットを購入してAPIキーも設定したのにエラーが消えない。

原因はAPIキーが古かったこと。新しいクレジットを購入したタイミングで新しいAPIキーを発行し直して、OpenClawに設定し直したら解決した。

openclaw onboard --anthropic-api-key "sk-ant-新しいキーを貼る"

動かして気づいた本質：OpenClawはAIじゃなくてフレームワーク

実際に動かして一番大きかった気づきはこれ。

OpenClaw自体は何も考えない。

Claude、DeepSeek、OpenAIなどのLLMをバックエンドに使い、その結果をチャットアプリ経由で届けるフレームワークに過ぎない。

エージェントの「たかし」（その場の思いつきでテキトーに名付けた）にそのことを聞いたら、こう返ってきた。

「Claudeは俳優で、OpenClawが台本と舞台と小道具を用意してる。台本がなければただの俳優のまま」

SOUL.mdというファイルにエージェントの人格を書くことでキャラが作れるが、本質はClaudeのまま。「天才エンジニア」と書いてもコードの質は上がらない。あくまでコミュニケーションスタイルの話。

前回の記事でOpenClawをChatGPTやClaudeと比較した表を書いたが、より正確に言うとOpenClawは「Claude（などのLLM）に手足と記憶と常駐機能を与えるラッパー」だ。

Claude Codeとの違い、実際に使ってみてわかったこと

前回の記事でも比較したが、実際に両方使ってみて解像度が上がった。

	Claude Code	OpenClaw（たかし）
操作	ターミナル・IDE	Telegram等のチャットアプリ
動き方	指示した時だけ動く	24時間常駐・自律的に動ける
得意	コーディング特化	汎用・何でも
コスト	Maxプランで定額	APIクレジット従量課金
自律性	なし	あり（Heartbeat機能）

Claude Codeは「職人」

呼んだら来て、頼んだことをやって、終わったら黙る。コードを書く、バグを直す、PRを作る。その道のプロ。コスパも良い（Maxプランで使い放題）。

freee MCP × Claude Codeで確定申告を自動化しようとしたら期待外れだった話

Thu, 12 Mar 2026 00:00:00 +0000

確定申告の時期、X（旧Twitter）で「freee MCP × Claude Codeで確定申告が楽勝になった」という投稿をいくつか見かけた。

フリーランスエンジニアとして毎年の確定申告が面倒だった自分は、これは試すしかないと飛びついた。結果、期待外れだった。

freee MCPが悪いわけでも、Claude Codeが悪いわけでもない。freee APIの仕様そのものに限界があるという話だ。

この記事では、実際にfreee MCP × Claude Codeで2025年分の確定申告作業を進めた結果、できたこと・できなかったこと・紛らわしかったポイントを正直にまとめる。

結論：取引登録は自動化できるが、確定申告は楽にならない

先に結論を書く。

できた：銀行明細の取得、勘定科目の自動判断、取引の一括登録（約90件）
できなかった：「自動で経理」との連携、確定申告書の作成・提出
結局：帳簿は完成するが、freeeのUIで手動作業が残る

Xで言われている「楽勝」は盛りすぎだ。正確には「取引の仕訳入力が楽になった」くらいが妥当なところ。

freee MCPとは何か

MCP（Model Context Protocol）は、AIツールが外部サービスのAPIを操作するための仕組みだ。freee MCPは、Claude CodeなどのAIツールからfreeeのAPIを叩くための橋渡し役になる。

つまり、こういう流れになる。

Claude Code → freee MCP（橋渡し） → freee API → freeeのデータ

GitHubでオープンソースとして公開されており、OAuth認証でfreeeアカウントと接続して使う。Claude Codeの設定ファイルにMCPサーバーとして追加すればすぐに使い始められる。

セットアップ手順

freee MCPのセットアップは3ステップ。慣れていれば10〜15分で終わる。

1. freeeの開発者サイトでOAuthアプリを作成

まずfreeeの開発者向けサイト（freee Developers Community）にアクセスして、新規アプリケーションを作成する。

freeeアカウントで開発者サイトにログイン
「マイアプリ」から「新規作成」
アプリ名は何でもOK（例：「freee-mcp」）
コールバックURLに urn:ietf:wg:oauth:2.0:oob を設定
作成するとClient IDとClient Secretが発行される。この2つをメモしておく

2. Claude Codeの設定ファイルにMCPサーバーを追加

Claude Codeの設定ファイル（~/.claude/claude_desktop_config.json など）に、freee MCPサーバーの情報を追記する。

GitHubで公開されている freee-mcp（because-and/freee-mcp）のREADMEに設定例がそのまま載っているので、コピーして先ほどのClient IDとClient Secretを埋めるだけだ。具体的には以下のような設定になる。

mcpServersにfreee-mcpを追加
commandにnpxを指定し、freee-mcpパッケージを実行
env（環境変数）にFREEE_CLIENT_IDとFREEE_CLIENT_SECRETを設定

Node.js（npx）が使える環境であれば、別途インストール作業は不要。npx経由で自動的にダウンロード・実行される。

Claude CodeでStable Diffusionを完全自動化！ComfyUI APIで画像を量産する方法

Wed, 11 Mar 2026 00:00:00 +0000

Stable Diffusionで画像生成、やってみたいけどComfyUIのノードUIが正直しんどい。

ワークフローをポチポチ組んで、JSONを手書きして、モデルを探してダウンロードして、プロンプトを英語で考えて……。画像1枚出すまでの準備が重すぎる。

そこで筆者は、Claude Code（Anthropic製のAIコーディングツール）にほぼ全部やらせることにした。「可愛い女の子を春夏秋冬で描いて」とチャットで伝えたら、モデルの選定からダウンロード、プロンプト作成、ComfyUI APIへのリクエスト送信まで、全部自動でやってくれた。

この記事では、その自動化の具体的な手順とコツを、実際のやりとりベースで解説する。「ComfyUIは入れたけど、そこから先がわからない」という人向け。

ちなみに、この方法で7モデル×4シーン＝28枚を一括生成した比較結果はこちら。

Claude CodeにStable Diffusionで可愛い女の子を描かせてみた！7モデル比較

Claude CodeとComfyUIを使って、Stable Diffusionの人気モデル7種類で可愛い女の子の画像を一括生成。Beautiful Realistic、MeinaMix、Counterfeit、Animagine XLなど、同じプロンプトでモデルごとの違いを春夏秋冬4シーンで徹底比較しました。

morisakiblog.com

ComfyUIの「めんどくさい」をClaude Codeで解決する

ComfyUIには2つの顔がある。

ひとつは、ノードをドラッグ＆ドロップでつないでワークフローを組むGUI。もうひとつは、JSONでワークフローを投げて画像を受け取るAPI。

GUIは直感的だけど、同じ設定で何十枚も生成したいときは向いていない。モデルを切り替えるたびに手動で操作するのは現実的じゃない。

一方、API経由ならPythonスクリプトから自動で回せる。ただし問題がある。ComfyUIのAPIワークフローはJSON形式で、構造がそこそこ複雑だ。サンプラーの設定、モデルの指定、プロンプトの入力、画像の保存先……全部JSONのノードIDで管理されている。

ここでClaude Codeが効く。Claude Codeはターミナル上で動くAIアシスタントで、ファイルの読み書き、Pythonスクリプトの作成と実行、APIリクエストの送信を全部チャットの中でやってくれる。つまり：

ComfyUIのAPIワークフロー（JSON）を自動で生成できる
モデルファイルのダウンロードスクリプトを書いて実行できる
プロンプトを英語で作ってくれる
複数モデル×複数シーンのバッチ処理スクリプトも書ける

要するに、「こういう画像が欲しい」と日本語で伝えれば、あとはClaude Codeがコードを書いて実行してくれる。ComfyUIのJSON仕様を自分で調べる必要がない。これがデカい。

環境構築

必要なもの一覧

項目	内容
PC	NVIDIA GPU搭載PC、またはApple Silicon Mac（M1以降）
ComfyUI	ローカルにインストール済み
Claude Code	Anthropic製AIコーディングツール（Max / Proプラン）
Python	3.10以上

筆者の環境はApple Silicon（M2 Mac）。NVIDIA GPUがなくても動くが、生成速度はGPUのほうが圧倒的に速い。

ComfyUIのインストールとAPI有効化

ComfyUIのインストール方法はOSやGPU環境によって異なる。ComfyUI公式リポジトリを参照してほしい。

インストール後、ComfyUIを起動して http://127.0.0.1:8188 にブラウザでアクセスできればOK。今回使うのはこのポート番号で動いているAPIエンドポイントだ。GUIは使わない。

特別な設定は不要で、ComfyUIを普通に起動すればAPIも自動で有効になっている。確認したい場合は、ターミナルで以下を実行して応答が返ればOK。

curl http://127.0.0.1:8188/system_stats

Claude Codeの導入

Claude Codeは公式サイトからインストールできる。ターミナルで claude コマンドが使えれば準備完了。

【第3弾】Claude CodeでFlux.1モデル6種比較！RunPodで悪戦苦闘した結果…

Sat, 07 Mar 2026 00:00:00 +0000

前回の記事では、SDXL系3モデルとFlux.1のQ4量子化版で春夏秋冬の画像を比較した。

【第2弾】Claude CodeにStable Diffusion SDXL＋Flux.1で可愛い女の子を描かせてみた！4モデル比較

Stable DiffusionのSDXL系3モデル（AnythingXL・fudukiMix・Animagine XL 4.0）と次世代Flux.1-devで、同じプロンプトから可愛い女の子を生成して比較。Claude Codeで全自動生成した結果、アニメ絵ならSDXL系の圧勝でした。

morisakiblog.com

Flux.1は「SDXLの次世代」として話題になったモデルだが、前回はMacのローカル環境でGGUF量子化版（Q4_K_S）を使ったこともあり、正直微妙な結果だった。「量子化のせいでは？」「フル精度なら違うのでは？」という疑問が残っていた。

そこで今回は、Flux.1をフル精度（fp16）で動かして本気のモデル比較をやってみることにした。ついでに、Civitaiで人気のFlux系ファインチューンモデルも複数試してみた。

結論から言うと、期待したほどの結果は出なかった。ただし、リアル系モデルは想像以上に良かったし、色々わかったこともある。悪戦苦闘の記録も含めて共有する。

画像生成の自動化は前回同様、Claude Code × ComfyUI APIで行っている。自動化の仕組みについては別記事を参照。ただし今回はローカルではなくクラウドGPU（RunPod）を使ったので、環境構築の苦労が加わっている。

Claude CodeでStable Diffusionを完全自動化！ComfyUI APIで画像を量産する方法

Claude CodeとComfyUI APIを使ってStable Diffusionの画像生成を自動化する方法を解説。モデル選定・ダウンロード・プロンプト作成・バッチ生成まで、チャットで指示するだけで完結する実践ガイド。

morisakiblog.com

今回のポイント

Flux.1をフルスペック（fp16、24GB）で動かすためにRunPod（クラウドGPU）を使用
RTX 4090（24GB VRAM）で6モデル×4シーズン＝24枚を生成
アニメ系モデルは軒並み期待外れ、リアル系は意外と良かった
設定周りでいくつかハマりポイントがあり、追加検証も行った

なぜRunPodを使ったのか

Flux.1-devのfp16モデルは約24GB。前回使ったGGUF Q4版（約6GB）とは桁違いのサイズだ。

Mac（Apple Silicon M4 Pro）のユニファイドメモリでも理論上は動くが、Q8版（12GB）でも1枚の生成に数分かかり、実用的ではなかった。fp16で6モデル×4シーズン＝24枚を生成するなら、GPU環境は必須だ。

そこでRunPodを使うことにした。RunPodはクラウドGPUのレンタルサービスで、RTX 4090（24GB VRAM）が約$0.59/時間で使える。ComfyUIのテンプレートが用意されているので、Podを起動するだけでほぼ環境が整う。

RunPodのセットアップで苦労したこと

「起動するだけ」と書いたが、実際にはそこそこ苦労した。

ディスク容量不足：最初50GBのVolume Diskで始めたが、Flux.1 fp16（24GB）＋ファインチューンモデル複数で全然足りず。途中でダウンロード中のファイルが破損するトラブルも発生し、結局200GBに拡張した
SSHが繋がらない：SSHキーを設定したが最後まで繋がらなかった。結局JupyterLabのターミナルとComfyUI APIで全作業を行った
Civitai APIが不安定：CivitaiのAPIキー発行画面がずっとローディングで止まり、一部モデルのダウンロードに苦戦。最終的にAPIキーが取れたのは翌日だった
課金が時間ベース：画像を生成していなくてもGPUの課金は走る。こまめにPodを止めないと無駄に課金される。これは要注意

生成条件

共通設定

項目	設定値
GPU	RTX 4090（24GB VRAM）via RunPod
ツール	ComfyUI（API経由でClaude Codeが操作）
解像度	896×1152
ステップ数	25
サンプラー	Euler / Simple
CFG	1.0
Seed	42（固定）

プロンプト

第1弾の記事と基本的に同じプロンプトを使用。日本人女性の春夏秋冬4シーン。Flux向けにネガティブプロンプトは使わず、ポジティブプロンプトのみで生成している。

Claude Code × GSC × GA4でSEO改善｜「芽キーワード」発掘から記事リライトまでの全手順

Thu, 05 Mar 2026 00:00:00 +0000

ブログのSEO改善って、何から手をつければいいかわからない。キーワード選定ツールに月額課金して、競合分析して、リライト計画立てて…正直めんどくさい。

でも実は、Claude CodeとGoogle Search Console（GSC）とGoogle Analytics 4（GA4）をMCP（Model Context Protocol）で繋げるだけで、このプロセスが劇的に変わる。AIに「キーワード調査して」と言うだけで、自分のブログの検索データを分析し、改善すべき記事とキーワードを自動で発見してくれる環境が作れる。

本記事では、実際にこの仕組みで自分のブログのクリック数を改善した全手順を、リアルなデータとともに公開する。

この記事で使う環境

以下の環境が前提。セットアップ手順は別記事で解説しているので、まだの人はそちらから。

Claude Code（Anthropic公式のCLIツール）
GA4 MCP（Google Analytics 4のデータをClaude Codeから直接取得）
GSC MCP（Google Search Consoleの検索クエリデータを取得）
WordPress REST API（記事の取得・下書き更新に使用）

Google Analyticsが使いづらい？Claude Code × MCPで全部解決した話

GA4のUIが使いづらい？Claude CodeにGA4・Search ConsoleのMCPサーバーを接続すれば、PVや検索キーワードを自然言語で取得できます。セットアップ手順と活用例を解説。

morisakiblog.com

「芽キーワード」とは何か

SEO改善と聞くと「新しいキーワードを見つけて記事を書く」と思いがちだが、実はもっと即効性のある方法がある。それが「芽キーワード」の発掘だ。

芽キーワードの定義

芽キーワードとは、以下の条件を満たす検索クエリのこと：

Google検索に表示されている（impressions > 5）
でもクリックされていない（clicks ≦ 1）
順位は悪くない（position < 20）

つまり、Googleが「この記事はこのキーワードに関連がある」と判断して検索結果に表示しているのに、ユーザーにスルーされている状態。新しい記事を書く必要すらなく、既存記事のタイトルや見出しを改善するだけでクリックが取れる可能性がある。

なぜ芽キーワードが重要なのか

新規記事を書いてGoogleにインデックスされ、順位がつくまで通常3〜6ヶ月かかる。一方、芽キーワードはすでに検索結果に表示されているので、タイトルやコンテンツを改善すれば数週間で効果が出る。労力対効果が圧倒的に高い。

実践：Claude Codeで芽キーワードを発掘する

ここからは実際のデータを使って解説する。Claude Codeに以下のように指示するだけで、GSC MCPが検索データを取得してくれる。

Step 1: GSCから検索クエリを取得

Claude Codeに「直近60日の検索クエリをページ別で取得して」と指示する。GSC MCPが自動的にAPIを叩き、以下のようなデータが返ってくる。

クエリ	表示回数	クリック	順位	CTR
スカッシュマージ	127	17	8.1	13.4%
squash merge デメリット	262	3	8.9	1.15%
ハイボール悪酔い	120	1	8.4	0.83%
キラキラエンジニア	43	1	1.9	2.33%

このデータを眺めるだけで、すでに宝の山が見える。

Claude Code × WordPress REST APIで記事の投稿・編集を自動化してみた

Thu, 05 Mar 2026 00:00:00 +0000

ブログの記事執筆、WordPress管理画面でやるの地味に面倒じゃないか？

下書きを書いて、プレビューして、修正して、また管理画面に戻って……。記事の中身を考えることに集中したいのに、WordPressのUI操作に時間を取られる。

そこで、Claude Code（Anthropic製のAIコーディングツール）からWordPressのREST APIを叩いて、記事の投稿・編集を全部ターミナルから完結させてみた。

結論から言うと、思った以上に実用的だった。この記事では、セットアップ手順と実際のワークフロー、そしてハマりポイントをまとめる。

WordPressのREST APIは最初から使える

意外と知られていないが、WordPressのREST APIはデフォルトで有効になっている。特に設定は不要で、以下のURLにアクセスすれば記事一覧がJSONで返ってくる。

https://あなたのサイト/wp-json/wp/v2/posts

ただし、認証なしでアクセスできるのは読み取り（GET）のみ。公開済みの記事タイトルや本文は誰でも取得できるが、記事の作成・編集・削除には認証が必要になる。

セットアップ手順

1. Application Passwordsの発行

WordPress 5.6以降に標準搭載されている「アプリケーションパスワード」を使う。プラグインは不要。

WordPress管理画面 → ユーザー → プロフィール
下にスクロールして「アプリケーションパスワード」セクションを見つける
名前に「claude-code」など適当に入力
「新しいアプリケーションパスワードを追加」をクリック
表示されたパスワードをコピー（一度しか表示されないので注意）

ここで注意点がひとつ。自分で入力した名前（例：claude-code）はただのラベルであって、パスワードではない。実際のパスワードは自動生成されるスペース区切りの文字列（例：GobM RrAZ imAq YLE5 Kp7O aNK1）の方だ。筆者はここで盛大に間違えた。

2. 動作確認

Claude Codeから以下のようなリクエストで下書き投稿ができる。

curl -X POST "https://あなたのサイト/wp-json/wp/v2/posts" \
 -u "ユーザー名:アプリケーションパスワード" \
 -H "Content-Type: application/json" \
 -d '{"title":"テスト投稿","content":"Claude Codeからのテスト","status":"draft"}'

WordPress管理画面の「投稿」→「下書き」にテスト記事が入っていれば成功。

実際のワークフロー

記事の新規投稿

Claude Codeに「こういう記事を書いて、下書きで投稿して」と伝えるだけ。AIが記事を生成し、REST API経由でWordPressに下書き投稿してくれる。

ポイントは必ずstatusをdraftにすること。いきなり公開（publish）にすると取り返しがつかないので、下書き→管理画面で確認→公開、の流れが安全。

公開済み記事の編集

既存記事の編集も可能だが、WordPressには「公開済み記事の編集下書き」機能がない。更新ボタンを押したら即反映されてしまう。

そこで、REST APIで擬似的な「編集下書き」ワークフローを組んだ。

公開記事のコピーを下書きとして作成 — REST APIで元記事のコンテンツをGETし、新規下書きとしてPOST
下書きを編集 — Claude Codeにセクションの追加や修正を指示
プレビューで確認 — WordPress管理画面で下書きをプレビュー
本番に反映 — 下書きのコンテンツを元記事にPOSTで上書き
下書きコピーを削除 — 管理画面からゴミ箱へ

Yoast Duplicate Postなどのプラグインを入れなくても、REST APIだけで同じことができる。

Google Analyticsが使いづらい？Claude Code × MCPで全部解決した話

Thu, 05 Mar 2026 00:00:00 +0000

ブログ運営してると、アクセス解析は避けて通れない。Google Analytics（GA4）を導入している人がほとんどだと思う。

でも正直、GA4のUIが使いづらすぎないか？

「この記事、どこから流入してるんだろう？」——たったこれだけのことを調べるのに、探索レポートを開いて、ディメンションを設定して、フィルタをかけて……。慣れていても毎回面倒だし、たまにしか触らない人にとっては苦行でしかない。

そこで思いついた。「Claude Codeに聞けばよくない？」

結論から言うと、Claude CodeにGA4のMCPサーバーを繋いだら、自然言語で聞くだけでアクセスデータが返ってくる環境が手に入った。この記事ではそのセットアップ手順と、実際にどんなことができるのかを紹介する。

Claude Code × GA4 MCPとは

MCP（Model Context Protocol）は、AIアシスタントに外部ツールを接続するためのプロトコルだ。GA4用のMCPサーバーを使えば、Claude CodeからGoogle Analyticsのデータを直接取得できるようになる。

今回使ったのは google-analytics-mcp というOSSのMCPサーバー。GA4の200以上のディメンション・メトリクスに対応しており、Claude CodeやCursorなどのMCPクライアントで利用できる。

セットアップ手順

1. Google Cloudでサービスアカウントを作成

まずGoogle Cloud Consoleでサービスアカウントを作成し、認証用のJSONキーをダウンロードする。

Google Cloud Console でプロジェクトを選択（または新規作成）
左メニュー → APIとサービス → ライブラリ → 「Google Analytics Data API」を有効化
APIとサービス → 認証情報 → サービスアカウントを作成
作成したサービスアカウントの「鍵」タブからJSONキーをダウンロード

ダウンロードしたJSONキーは安全な場所に保管しておく。

~/.config/gcloud/ga4-mcp-key.json

2. GA4でサービスアカウントに権限を付与

JSONキーの中にサービスアカウントのメールアドレス（xxxxx@xxxxx.iam.gserviceaccount.com）が記載されている。これをGA4に追加する。

GA4管理画面 → プロパティのアクセス管理
ユーザーを追加 → サービスアカウントのメールアドレスを入力
権限は「閲覧者」でOK（読み取り専用なので安全）

3. MCPサーバーのインストール

pip install google-analytics-mcp

4. Claude Codeに登録

以下のコマンドでClaude CodeにMCPサーバーを登録する。GA4_PROPERTY_IDにはGA4のプロパティIDを指定する。

claude mcp add-json "ga4-analytics" '{
 "command": "python3",
 "args": ["-m", "ga4_mcp"],
 "env": {
 "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/ga4-mcp-key.json",
 "GA4_PROPERTY_ID": "あなたのプロパティID"
 }
}' --scope user

登録後、Claude Codeを再起動すればMCPサーバーが読み込まれる。

【第2弾】Claude CodeにStable Diffusion SDXL＋Flux.1で可愛い女の子を描かせてみた！4モデル比較

Sat, 28 Feb 2026 00:00:00 +0000

前回の記事ではSD1.5中心の7モデルで春夏秋冬の画像を比較しました。

今回はその第2弾。SDXL系3モデル＋次世代モデルFlux.1で、同じプロンプト・同じ条件で比較してみます。SDXL世代はSD1.5からどれだけ進化したのか、そしてFlux.1はアニメ系のお題でどう出るのか。

生成は前回同様、Claude CodeでComfyUI APIを叩いて全自動化しています。自動化の詳細は別記事にまとめています。

Claude CodeでStable Diffusionを完全自動化！ComfyUI APIで画像を量産する方法

morisakiblog.com

今回のポイント

SDXL系3モデルで比較（AnythingXL、fudukiMix、Animagine XL 4.0）
さらに次世代モデルFlux.1-devも参戦
解像度は全モデル896×1152（SDXL世代の標準）
プロンプト・シーン・キャラ設定は前回と同じ（比較しやすいように）

Flux.1って何？

Stable Diffusionの生みの親たちがStability AIを離れて設立したBlack Forest Labsが、2024年8月にリリースした次世代画像生成モデルです。

Stable Diffusionとはアーキテクチャが根本的に違い（U-Net → Diffusion Transformer）、プロンプトの理解力が段違いと言われています。タグ羅列ではなく自然な文章で指示を出せるのが特徴。Midjourney・DALL-E 3クラスの品質とも評されています。

ただしアニメ系のファインチューンモデルが主流のSD/SDXL界隈とは方向性が違うので、「可愛いアニメ女の子」というお題でどう出るかは未知数。そこも含めて比較してみます。

生成条件

SDXL系モデル（共通）

UI	ComfyUI（API経由）
サンプラー	DPM++ 2M Karras
ステップ数	28
CFG Scale	7
解像度	896×1152
Seed	42（前回と同じ・固定）

Flux.1-dev

UI	ComfyUI（API経由・GGUF版）
サンプラー	Euler / Simple
ステップ数	20
CFG Scale	1.0（Flux推奨値）
解像度	896×1152
Seed	42

※Flux.1はSD/SDXLとは設計思想が異なるため、サンプラー・CFG等の設定が違います。ネガティブプロンプトも不要（使えない）です。

Claude CodeにStable Diffusionで可愛い女の子を描かせてみた！7モデル比較

Fri, 27 Feb 2026 00:00:00 +0000

Stable Diffusionで可愛い女の子を描きたい。でもモデルが多すぎて、どれを選べばいいかわからない。

リアル系、アニメ系、セミリアル系。SD1.5とSDXLでも傾向が違う。Civitaiを眺めていても、サンプル画像の条件がバラバラで純粋な比較ができない。

そこで今回、7つのモデルで同じプロンプト・同じ設定・同じseedで画像を生成して、純粋にモデルの画風だけを比較してみました。

生成はClaude Code（Anthropic製のAIコーディングツール）でComfyUI APIを叩いて全自動化。モデル選定からプロンプト作成、28枚の一括生成まで、ほぼチャットだけで完結しています。自動化の詳しいやり方は別記事にまとめたので、興味がある方はそちらもどうぞ。

Claude CodeでStable Diffusionを完全自動化！ComfyUI APIで画像を量産する方法

morisakiblog.com

生成条件

共通設定

項目	設定
UI	ComfyUI（API経由）
サンプラー	DPM++ 2M Karras
ステップ数	28
CFG Scale	7
解像度	512×768（SD1.5系）/ 896×1152（SDXL系）
Seed	42（全モデル共通・固定）

キャラクター設定

全シーン共通で「肩につくくらいの長さのダークブラウンの髪、茶色い瞳の日本人の女の子」。アニメすぎないsemi-realistic寄りのプロンプトにしてもらいました。

プロンプト

Claude Codeが作った各シーンのポジティブプロンプトはこちら。

春：桜吹雪の公園でワンピース

masterpiece, best quality, realistic, semi-realistic,
1girl, solo, japanese girl,
medium hair, shoulder-length hair, dark brown hair, brown eyes, natural face,
cherry blossoms, sakura petals falling, park, spring, warm sunlight, dappled light,
white one-piece dress, spring dress,
gentle smile, breeze blowing hair, looking at viewer,
upper body, depth of field, soft lighting, natural skin texture

夏：ビーチで白ビキニ

OpenClaw完全入門：個人開発者・副業勢のためのオンボーディングガイド

Sat, 21 Feb 2026 00:00:00 +0000

2026年2月現在の情報。Peter SteinbergerがOpenAIに移籍予定、プロジェクトはオープンソース財団へ移行中。情報は変化が激しいので最新のGitHubも要確認。

OpenClawが気になって調べてみたので、自分用のオンボーディングメモとして残しておく。まだ実際に触っているわけじゃなく、あくまで「調べた段階」の記事なので、取らぬ狸の皮算用みたいな部分はご容赦を。ただ正直に言うと、めちゃくちゃ可能性を感じている。個人開発や副業の文脈で「指示だけ渡して、あとはAIが馬車馬のように動き続ける」という世界が、これで一気に現実的になった気がしている。いつか本格的に使い込んだときに「あの時調べておいてよかった」と思えるように、今わかっていることを整理した。

追記：その後、実際にMac miniにインストールして動かしてみた。Claude Codeとの使い分けも含めて続編にまとめている。

OpenClawを実際に動かしてわかった！Claude Codeとの使い分けと本質的な違い

この記事は「OpenClaw完全入門：個人開発者・副業勢のためのオンボーディングガイド」の続編です。前回は「調べた段階」の理論編でしたが、今回はついに実際に動かしてみました。「取らぬ狸の皮算用みたいな部分はご容赦を」と書いた前回から約1ヶ月...

morisakiblog.com

① OpenClawって何？ 3分で理解する

一言で言うと「喋るだけじゃなく、実際に仕事してくれるAI」。

2025年11月、オーストリアの開発者Peter Steinberger（PSPDFKit創業者）が週末ハックで作った「WhatsApp Relay」が起源。それが気づいたらGitHub史上最速クラスで200,000スターを突破した怪物プロジェクトになった。

名前が3回変わった経緯

時期	名前	理由
2025年11月	Clawdbot	Claude + Claw の造語
2026年1月27日	Moltbot	Anthropicの商標申請で強制改名
2026年1月30日	OpenClaw	ロブスターの爪 + オープンソース。今ここ

なぜ爆発したのか

2026年1月29〜30日の48時間で34,168スターを獲得。1日あたりの獲得数でGitHub史上の記録を塗り替えた。Kubernetes が100kスターに達するまで3年かかったのに対し、OpenClawは60日で達成。

コンセプトが刺さった理由はシンプルで、「自分のPCで動く、クラウドに依存しない、24時間動き続けるAI」という点。ChatGPTやClaudeに疲れた人たちが求めていたものにドンピシャだった。

何ができるの？

WhatsApp / Telegram / Discord / Slack などチャットアプリから話しかけるだけで操作
メール整理・返信下書き、カレンダー予約、ブラウザ操作、ファイル操作、シェルコマンド実行
Heartbeat機能：定期的に自分で起きてタスクを処理（人間が指示しなくても動く）
スキル（プラグイン）でどんどん機能拡張
記憶が持続する（MEMORY.mdで会話をまたいで覚えている）

② ChatGPT / Claude / Claude Codeと何が違うの？

ここが一番大事なポイント。

「提案するAI」vs「実際に動くAI」

	ChatGPT / Claude	Claude Code	OpenClaw
できること	テキスト提案	コーディング特化・自律実行	汎用・何でも自律実行
動き方	人間が「はい実行」を押す	セッション内で並列実行	24時間常時稼働
セッション切れ	—	切れたらリセット	切れない。ずっと動く
タスク継続	毎回ゼロから	セッション内のみ	Heartbeatで自動継続
実行環境	クラウド	ターミナル / IDE	自分のマシン（ローカル）
コスト構造	サブスク固定	サブスク固定	APIキー従量課金

Claude Codeとの具体的な違い

Claude Codeはコーディングに特化した並列実行が強い。フロント・バック・テストを同時に走らせて、エラーも自動修正してくれる。ただし「セッション切れたら止まる」。

AI副業は怪しい？エンジニアが「自動で稼げる」系商材の正体を解剖してみた

Wed, 11 Feb 2026 00:00:00 +0000

最近、Twitterやnoteでこんな投稿を見かけたことはないだろうか。

「最強のAI自動化システム完成！月収500万も夢じゃない」「n8nで完全自動のコンテンツ生成。放置で収益発生」

画面には、まるで宇宙戦艦のように複雑に絡み合ったノードがびっしり。リプライ欄には「無量空処」「何これヤバすぎ」という驚きの声。

一見すると、まさに未来的な「自動収益マシーン」に見える。でも、ちょっと待ってほしい。これで一体何を売っているのか？ そしてなぜこんなに話題になるのか？

ITエンジニア歴10年以上の筆者が、この現象を解剖してみた。

AI副業「自動で稼げる」商材とは何か

n8nとは何か？

この手の投稿で頻出する「n8n（エヌエイトエヌ）」は、ノーコード自動化ツールだ。プログラミングなしで、様々なWebサービスやAPIを「ノード」という部品で繋ぎ合わせて処理を自動化できる。

Twitter監視 → AI生成 → WordPress投稿
RSS取得 → 要約 → Slack通知

こういった処理を、視覚的に「線で繋ぐ」だけで実現できる。無料で使えてプログラミング不要、AIとの相性も抜群。だからAI副業勢に大人気なのだ。

「自動稼ぎマシーン」の仕組み

この手のシステムは、だいたい3ステップで動いている。

ステップ1：AIでコンテンツを自動生成 トレンドを自動監視し、AIモデル（GPT-4、Claudeなど）で記事やSNS投稿を生成。複数AIで推敲までさせる。

ステップ2：SNSで自動集客 Twitter（X）の複数アカウントで自動投稿・自動リプライ。インプレッション稼ぎ。

ステップ3：note/Brainでマネタイズ 「この仕組みの作り方」をnoteで数千円〜2万円で販売。プロンプト集やテンプレート付き。

ここまでは理解できる。問題はここからだ。

情報商材の入れ子構造

この仕組みの最大の特徴は、「売っているもの自体が、この仕組みの作り方」という点にある。

具体例で見てみよう。ある日、新しいAIモデルがリリースされる。

朝：n8nが自動検知、AIが「完全攻略ガイド」を自動生成
昼：noteで¥2,980で公開（中身の9割は公式ドキュメントをAIがまとめたもの）
夕方：Twitterで「触ってみた。マジでヤバい…まとめたから見て」と自動投稿
夜：情報に飢えた層が購入
翌朝：「24時間で8万円売れました！この方法知りたい人います？」と次の商材への布石

そしてnoteの末尾にはこう書いてある。「実はこのnote、AIとn8nで自動生成しました。あなたもこの方法で稼げます。詳しくは→『AI自動化で月30万稼ぐ完全マニュアル』¥9,800」

さらにその先には「自動化システムの完全版→¥19,800」が控えている。情報商材の情報商材という入れ子構造だ。

買った人が同じ仕組みを作り、「稼げた！」と宣伝して売る。その人から買った人もまた同じことをする。金が上から下に流れているようで、実は同じ層の中でぐるぐる回っているだけではないか。

エンジニアから見た技術的なツッコミ

ノード数が多い＝すごい、は嘘

あの「無量空処」みたいな超複雑ワークフロー。素人目には「すごい技術」に見える。

でもエンジニアから見ると、ノード数が多い理由の大半は分岐処理、ログ出力、エラーハンドリングだ。実際のコアロジックは意外と少ない。見た目のインパクトは強いが、実務的には非効率な可能性が高い。

n8nコミュニティ（Reddit、公式フォーラム）でも、経験豊富な開発者ほど「シンプルな統合はn8nが便利だけど、複雑なロジックはPythonやNode.jsで書いた方が速い・メンテしやすい・スケールしやすい」という意見に落ち着いている。

つまり、あの複雑なワークフロー図は「参入障壁の演出」として機能している。「こんな複雑なもの、自分では作れない→だから商材を買おう」という心理に誘導しているわけだ。

API代の現実

n8n自体は無料で使えるが、AIを動かすにはAPI利用料がかかる。GPT-4で大量にコンテンツを生成すれば、月数千円〜数万円のコストが発生する。

noteで¥2,980の商品が月10本売れて約3万円。API代と時間を差し引いたら、時給換算で割に合わないケースが大半だ。「月収500万」はトップ中のトップの話であり、大多数は月数千円から数万円止まり。それすらSNSには出てこない。生存者バイアスの典型だ。

最大の矛盾：AIに聞けば出てくる内容を売っている

ここが最も本質的な問題だ。

売られているnoteの中身は、プロンプト集、n8nテンプレート、構成例、ジャンル選びのコツ。正直、AIに「売れるnoteの構成を教えて」と聞けば8割方出てくる内容だ。

AIで書いた内容を、AIに聞けば出てくるのに、わざわざお金を払って買う。このメタ構造の矛盾が、多くの人の「なんかしっくりこない」という違和感の正体だろう。

じゃあ誰が儲けてるのか

最も儲けているのはプラットフォーム

「月○○万稼いだ！」と騒いでいる販売者が勝者に見える。しかし、冷静に構造を見ると、最も賢く、最も安全に、最も大きく儲けているのはnote運営だ。

【レベル3】note運営（プラットフォーム側）
 ↑ 手数料を徴収
【レベル2】情報商材販売者
 ↑ お金を払う
【レベル1】購入者

noteの手数料は販売額の10〜15%＋決済手数料5%。AI副業noteカテゴリだけでも、月間取引額が数千万円規模になれば、手数料だけで毎月数百万円が自動で入る。

リスクゼロの完璧なポジション

販売者は「詐欺だ」と叩かれ、返金要求に対応し、競合との差別化に苦しむ。一方、note運営のリスクはほぼゼロだ。

プラットフォームを「提供しているだけ」
炎上しても「悪いのは販売者」
良質だろうが低品質だろうが、売れれば手数料が入る

カジノで一番儲かるのは、ギャンブラーではなくカジノの経営者だ。情報商材市場もまったく同じ構造だった。

そして誰も悪くない

この構造の厄介なところは、全員が合法という点だ。

Claude Artifactで作った横スクロールアクションゲーム

Sun, 30 Nov 2025 00:00:00 +0000

マリオ風の横スクロールアクションゲームを作ってみました!スワイプでジャンプ、クリックで攻撃する、シンプルだけど遊べるゲームです。

ゲームをプレイ

操作方法

長押し（ジャンプボタン / Space）: ジャンプ – 押す時間でジャンプ力が変わる。フルチャージで自動発射！
スワイプ（上方向）: ジャンプ – スワイプの距離でジャンプ力が変わる
クリック/タップ: ファイヤー攻撃 – 弾数制限あり
アイテム取得: 🔥で弾数+2、❤️でライフ+1

ルール

🔵 青い敵・🧟 ミイラは上から踏んで倒せる
🔴 赤い棘敵・🦂 サソリは踏んでもダメージを受ける（弾で倒せ！）
穴に落ちたら即ゲームオーバー
ダメージを受けると約2秒間無敵（点滅）
ステージ1は草原、ステージ2は砂漠。ゴールのフラッグを目指そう！

Claude Artifactでゲームを作ってみた

このゲームは、Claude（AI）のArtifact機能を使って作成しました。Artifactは、対話しながらリアルタイムでコードを生成・修正できる機能です。

Artifactでできること

ゲーム制作に関して:

Canvas APIを使った2Dゲーム
React Hooksでの状態管理
Web Audio APIでの効果音・BGM生成
タッチ/マウス操作の実装

実際にこのゲームに実装した機能:

スワイプ距離によるジャンプ力調整
当たり判定システム
アイテム収集機能
ダメージ演出(点滅・無敵時間)
段差のある地形
BGM再生(著作権フリー音源)
効果音生成(Web Audio API)

制作過程

最初は「マリオRunみたいなゲーム」というざっくりした要望から始めて、対話しながら以下のように進化させていきました:

基本的な横スクロール + ジャンプ
敵キャラと当たり判定
アイテムブロックシステム
ライフシステムとダメージ演出
BGM・効果音の追加
細かい調整(敵の配置、穴のサイズなど)

「ブロックじゃなくてアイテムを浮かせたい」「ダメージ演出が欲しい」といった要望も、その場で反映できるのがArtifactの強みです。

Artifactの限界と「ちょうどいい」使い方

できないこと・向いていないこと

単一ファイル制限

import/exportが使えない
ファイル分割できない

Claude Codeで技術記事を効率化！実プロジェクトから30分で記事を書く方法

Tue, 30 Sep 2025 00:00:00 +0000

技術記事を書きたいけど、「ネタが思い浮かばない」「コード例を準備するのが面倒」「時間がかかりすぎる」といった悩みはありませんか？そんな課題を一気に解決してくれるのが、Claude Codeを使った記事制作メソッドです。

今回は、実際にRxDartとFreezedの技術記事を制作した経験をもとに、効率的で実践的な記事制作の方法を紹介します。

Claude Codeとは何か？

Claude Codeは、Anthropicが開発したターミナルベースのAIコーディングエージェントです。ChatGPTやCopilotのような「補完ツール」とは根本的に違い、プロジェクト全体を自律的に読み込んで理解し、ファイル操作まで実行できるのが最大の特徴です。

Claude Codeの特徴：

プロジェクト丸ごと理解： ディレクトリ構造、依存関係、アーキテクチャを自分で読みに行く
複数ファイルの横断分析： 関連するコードを自動で探索して文脈を把握
ファイル操作・コマンド実行： 読むだけでなく、ファイル作成・編集・ターミナルコマンド実行まで可能
自然言語でOK： 「このプロジェクトで記事書けそうなネタある？」みたいな雑な指示でも動く

他のAIツールとの違い：

ChatGPT/Webブラウザ版Claude： コードを貼り付けて質問する「コピペ方式」。プロジェクト全体は見えない
GitHub Copilot： エディタ内のコード補完が主。記事生成には向かない
Claude Code： プロジェクトのルートで起動するだけで、全ファイルを読みに行って文脈を理解した上で作業してくれる

事前準備: Claude Codeの導入

Claude Codeの導入は驚くほどシンプルです。VS Codeの拡張機能をインストールするとかそういう話ではなく、ターミナルにインストールするだけ。

インストール手順：

ターミナルで npm install -g @anthropic-ai/claude-code を実行
記事にしたいプロジェクトのディレクトリに移動
claude と打つだけで起動
初回はAnthropicアカウントで認証（Pro/Max/Teamプランが必要）

起動した瞬間から、カレントディレクトリ以下のファイルを読みに行けるようになります。GUIの設定は一切不要。ターミナルで「これやって」と言うだけです。

従来の技術記事制作の課題

技術記事を書く開発者なら誰でも経験があると思います。記事のネタ探しに時間がかかる。コード例を一から作るのが面倒。実際のプロジェクトからコードを抜き出して整形するのも手間。さらにWordPress用のHTMLに変換するのも地味にダルい。

そして最大の問題は、「サンプルコードのために書いたコード」は説得力がないということ。動いているプロジェクトの実コードじゃないと、読者は「で、本番でも使えるの？」と思ってしまう。

Claude Codeで技術記事を書くメリット

プロジェクトを勝手に読んでくれる： Claude Codeはプロジェクトのルートで起動するだけで、ファイル構造を把握し、必要なファイルを自分で読みに行きます。「あのファイル開いて」「このコード見て」と一つずつ指示する必要がない。

実コードベースだから信頼性が高い： 動作しているプロジェクトのコードをそのまま使うので、「動くかどうかわからないサンプル」にはなりません。

雑な指示で動く： 「RxDartの使い方の記事書けそう？」みたいなざっくりした質問を投げるだけで、使用箇所を探して記事の構成まで提案してくれます。

WordPress用HTML一発出力： 「WordPress用のHTMLで出力して」と言えば、見出し・コードブロック・リスト全部込みのHTMLが出てきます。コピペしてWordPressに貼るだけ。

実践的なワークフロー

ステップ1: プロジェクト選定とネタ発見

記事にしたいプロジェクトのディレクトリで claude を起動。「このプロジェクトで記事ネタになりそうな技術ある？」と聞くだけ。

Claude Codeは勝手にファイルを読みに行って、使われている技術スタック・ライブラリ・設計パターンを分析し、記事になりそうなネタをリストアップしてくれます。

# 実際のやり取り例
自分：「RxDart使ってるっぽいけど、記事書けそう？」

Claude Code：プロジェクト内を検索中...
→ lib/data/repository_impl/ 以下で CombineLatestStream を使用
→ 2つのリポジトリで異なるパターンの実装を発見
→ 記事ネタとして以下を提案：
 1. CombineLatestStreamを使った複数データソースの結合パターン
 2. BehaviorSubjectによるリアクティブな状態管理
 3. StreamBuilderとの連携によるUI更新パターン

ステップ2: 使用箇所の特定と分析

Claude Codeがプロジェクト内のライブラリ使用箇所を自動で検索し、実際のコードを引っ張ってきてくれます。手動でgrepする必要すらない。

AIでブログ記事をリライト：劇的改善の4ステップガイドと失敗対策

Thu, 11 Sep 2025 00:00:00 +0000

記事を書いたはいいけど、なんか微妙…。そんな経験ありませんか？

実際に多くのライターが抱えている悩みがあります。文章は書けるけど客観視が難しい。一人だと問題点に気づけない。推敲に時間がかかりすぎて、結局「まあこれでいいか」と妥協してしまう。

特に厄介なのは、自分では「いい記事が書けた」と思っているのに、実際は読者にとって価値の薄い内容になってしまうケースです。書いている本人は内容を理解しているので、論理の飛躍や説明不足に気づきません。また、業界の常識に縛られて、初心者読者の視点を見落としてしまいがちです。

結果として、時間をかけて推敲しても表面的な修正に留まり、記事の根本的な問題は解決されないまま公開してしまう。これでは読者にとっても、書き手にとっても不幸な結果になってしまいます。

こういった課題、実はAIとの対話で一気に解決できます。

先日、私がAIと協働で既存記事を大幅改良した実体験をもとに、効率的なリライト手法を体系化してみました。単なる校正レベルではなく、記事の根本的な問題を発見・修正し、読者により価値のあるコンテンツに変える技術です。

この手法を使えば、「まあまあの記事」が「読者に本当に役立つ記事」に生まれ変わります。

従来のリライトの限界

一人でのリライト作業には構造的な問題があります。

主観の罠

自分が書いた文章を客観視するのは想像以上に困難です。書いている時は理路整然と進めているつもりでも、実際には論理の飛躍があったり、読者にとって必要な説明が抜けていたりします。しかし、書き手は頭の中で補完してしまうため、問題があっても気づけません。結果として「これでいいか」と妥協してしまい、表面的な修正で終わってしまいます。

視点の固定化

同じ人が書いて同じ人がチェックするため、どうしても同じ角度からしか記事を見ることができません。読者目線に立つことが難しく、特に業界の常識に縛られてしまいがちです。初心者が躓きそうなポイントや、専門用語の説明不足などに気づかないまま、内輪向けの記事になってしまうことも少なくありません。

効率の悪さ

そもそも何を直すべきかが分からない状態でリライトを始めることが多く、全体を通して読み返すだけでも相当な時間がかかります。修正後の再チェックも面倒で、結局は誤字脱字の修正程度で満足してしまうケースも多いでしょう。

結果

これらの問題により、時間をかけてリライトしても表面的な修正に留まり、根本的な問題は放置されたままになってしまいます。その結果、リライト効果が限定的で、読者にとっての価値向上には繋がりません。

これらの課題、AIとの対話で劇的に改善できます。

AIリライトの基本フロー

AIを活用したリライトは、従来の「なんとなく全体を見直す」方式とは異なり、体系的な4ステップで進めます。この流れに沿って進めることで、効率的かつ確実に記事品質を向上させることができます。

Step 1: 問題発見フェーズ

AIに記事を読ませて問題点を洗い出します。「この記事、読んでて違和感ない？」「読者にとって分かりにくい部分は？」といった質問を投げかけることで、人間では気づきにくい客観的な問題点を発見できます。

Step 2: 修正・改良フェーズ

発見した問題を優先順位をつけて一つずつ具体的に修正します。事実関係の間違いや論理の飛躍など、記事の信頼性に関わる重要な問題から順番に対応していきます。

Step 3: 構成改善フェーズ

個別の修正が完了したら、記事全体のバランスを見直します。不足している内容がないか、各セクション間の流れは自然か、読者にとって価値のある構成になっているかを全体最適化の観点でチェックします。

Step 4: 最終チェックフェーズ

読者視点で記事全体を最終確認します。客観性が保たれているか、情報の正確性に問題はないか、誤解を招く表現がないかを慎重にチェックし、信頼性を担保します。

従来の自己リライト： 2-3時間かけて表面的修正 AIリライト： 1時間で根本的改善

効率と品質、両方が向上します。

問題発見フェーズ：客観視の技術

まず、AIに記事全体を客観的にチェックしてもらいます。

基本的な問いかけ

AIに対して以下のような質問を投げかけることで、人間では気づきにくい問題点を発見できます：

「この記事、読んでて違和感ない？」
「読者にとって分かりにくい部分は？」
「論理的におかしな箇所ある？」

これらの質問は一見シンプルですが、AIは客観的な視点から記事全体を分析し、具体的な問題点を指摘してくれます。

具体例：引用問題の発見

私：「参考記事で『古い技術の繰り返し作業と硬直したプロセスが生産性を殺す』って指摘されてるって書いたんだけど」

AI：「参考記事を確認しましたが、その表現は直接書かれていないようです。あなたの解釈を元記事の引用として書いてしまっていませんか？」

このように、AIは事実関係の間違いや、解釈と引用の混同といった、人間が見落としがちな問題を的確に指摘してくれます。

発見できる問題の例

AIとの対話を通じて、以下のような多岐にわたる問題を発見できます。事実関係の間違いでは、引用の不正確さや統計データの誤用などが指摘されます。論理の飛躍では、前提と結論の間に説明不足がないか、推論に無理がないかをチェックしてもらえます。

読者への配慮不足については、専門用語の説明不足や、初心者には理解困難な内容の指摘を受けられます。表現の曖昧さでは、主語が不明確な文章や、複数の解釈ができる表現を発見してもらえます。構成上の問題では、章立ての論理性や、内容のバランスについてもアドバイスを得られます。

効果的な質問パターン

問題発見を効率化するために、以下のような質問パターンを使い分けると良いでしょう：

「他に気になる点はない？」
「もっと誠実な記事にするには？」
「読者が混乱しそうな部分は？」

AIは人間が見落としがちな客観的視点を提供してくれます。

修正・改良フェーズ：具体的な改善テクニック

問題を発見したら、一つずつ具体的に修正していきます。

事実関係の修正

修正前

記事で『長時間労働や未払い残業の話』は俺の体験とドンピシャ

修正後

記事で触れられていた労働環境の問題は、俺の体験と完全に重なる

ポイント：

AIでブログ記事作成：超簡単30分メソッドと注意点

Fri, 05 Sep 2025 00:00:00 +0000

ブログ記事書くのって、意外と時間かかりますよね？ネタ考えて、構成練って、文章書いて、推敲して…気づいたら半日溶けてる。😅

でも対話型AIを使えば、30分で良質な記事が完成します。実際、この記事もその手法で作成しました。フリーランスエンジニアとして色々な記事を書いてきた中で編み出した、効率的なAIブログ作成術を紹介します。

もしかすると「ブログの存在意義」すら揺らぐかもしれない、そんな手法です。🤖

従来のブログ記事作成の課題

時間がかかりすぎ問題

ネタ探しで1時間
構成考えで30分
執筆で2-3時間
推敲・校正で1時間
合計5-6時間の工数

よくある悩み

ネタ切れで更新が止まる
文章力に自信がない
SEOを意識した書き方がわからない
一人だと客観性に欠ける

結果

更新頻度が下がる
記事品質にバラつき
モチベーション維持が困難

これらの課題、対話型AIで一気に解決できます。

対話型AI活用の基本フロー

Step 0: トーンの設定（任意）

記事の口調やスタイルを事前に指示

ですます調 / だである調 / カジュアル
絵文字の使用有無
ターゲット読者層

Step 1: 書く内容の整理

AIと対話しながら、記事で伝えたい内容を整理する

記事タイプによって整理の仕方は変わります：

考察・意見系：テーマについて議論を深める
ノウハウ系：伝えたい手順や情報を構造化する
体験レポート系：体験した内容を時系列や項目で整理する
まとめ系：収集した情報を分類・構造化する

記事タイプが違っても、AIとの対話で「何を、どう伝えるか」を明確にしていく点は共通しています。

Step 2: 構成設計

整理した内容をもとに記事構成を依頼

Step 3: 執筆依頼

「この構成でMarkdownで記事にして」と指示

Step 4: 調整・完成

生成された記事を細かく調整：

項目の追加・削除
文章表現の調整（硬い表現を柔らかく、など）
画像・装飾の追加（スクリーンショット、図解、絵文字）
細かい言い回しの修正

Step 5: 付随作業

アイキャッチ画像生成、パーマリンク名の提案も依頼

たったこれだけ。シンプルですが、効果は絶大です。

実際のやり方を詳しく解説

Step 1: 書く内容をAIと整理する

考察記事の例：

ユーザー: 「コーディングフォーマットって本当に必要？」AI: 「確かに疑問ですね。IDEの進歩で...」ユーザー: 「そうそう、でも実際の現場では...」

ノウハウ記事の例：

Stable Diffusion入門：初心者がスグ始められるAIイラストガイド

Sun, 31 Aug 2025 00:00:00 +0000

最近Stable Diffusionってやつを触ってみたんだけど、これマジでヤバい。テキトーに文字打つだけで、めっちゃクオリティ高いイラストがポンポン出てくる。しかも無料！

正直、最初は「どうせ微妙な絵しかできないんでしょ？」って思ってたけど、実際やってみたら想像の10倍スゴかった。Apple Silicon搭載のMacにインストールして色々遊んでみた感想と、初心者でもすぐできる方法をシェアしたいと思う。

プログラミングとか全然詳しくないけど、意外とサクッとできたから、興味ある人は参考にしてみて！

Stable Diffusionって何？

Stable Diffusionは、テキストや画像からスゴいクオリティのイラストや写真を作れる画像生成AI。アニメ風のキャラ、リアルな風景、サイバーパンクな世界観、なんでもOK！プロンプト（キーワード）を入れるだけで、AIが数秒で画像を生成してくれる。しかも、オープンソースだから無料で使えるし、コミュニティがめっちゃ活発。自分は最近Mac（Apple Silicon）にインストールしてハマってるけど、初心者でも簡単に始められたから、その魅力を紹介するぜ！

ChatGPTとかでも画像作れるけど、何が違うの？

「あれ？ChatGPTでも画像生成できるじゃん、わざわざStable Diffusion使う意味ある？」って思った人もいるよね。確かにどっちでも絵は作れるけど、ざっくりこんな違いがある。

ChatGPT（DALL-E）の場合

超簡単！「猫の絵描いて」で終わり
そこそこのクオリティは出る
でも細かい指定は苦手
解像度の指定ができない
不適切な表現は規制されている

Stable Diffusionの場合

設定項目がめちゃくちゃ多い
ポーズ、構図、服装、背景、画風まで細かく指定できる
「右手に剣、左手に盾、青いローブを着て夕焼けの城を背景に…」みたいな複雑な注文もOK

要はお手軽さ vs カスタマイズ性って感じ。「とりあえず絵が欲しい」ならChatGPTで十分だけど、「自分の理想通りの絵を作り込みたい！」ってなったらStable Diffusionの方が断然強い。

インストール：Macでもサクッとできた

MacのApple Silicon（M1/M2）にインストールしてみたけど、ぶっちゃけ拍子抜けするくらい簡単だった。参考にしたのは『画像生成AI Stable Diffusion スタートガイド』って本。

画像生成AI Stable Diffusion スタートガイド

Stable Diffusionの導入から使い方まで解説した入門書

amzn.to

こんな感じで進めた：

環境準備：Pythonとか必要なライブラリを本の指示通りインストール。Apple Silicon向けの設定も書いてあって、コマンドコピペでOK。
モデルダウンロード：Hugging Faceからモデル（数GB）をダウンロード。ネット環境次第だけど、1〜2時間あれば動かせる。
エラー？：数ヶ月前のことだから細かい記憶は薄いけど、特につまずいた覚えなし。ガイド通りやれば初心者でもいける！

感想：プログラミング初心者でも本やネットのチュートリアル見れば余裕。MacユーザーならApple Siliconの設定ちゃんとやればサクサク動くよ！ただ、動作はちょっと重い。生成中はMacの空冷ファンがガンガン回るから、冷却パッドとかあった方が安心かも。

GUIツール：ComfyUIやStable Matrixって何？

Stable Diffusion自体はコマンドラインでも動かせるけど、初心者にはGUI（グラフィカルなインターフェース）がおすすめ。いくつか種類があるけど、代表的なのをざっくり紹介。

ComfyUI

自分が使ってるツール。ノードベースのインターフェースで、プロンプトや設定をブロックみたいにつなげて操作。直感的で、テキトーにいじっても何かしらできちゃう（笑）。

Stable Matrix

複数のStable Diffusionモデルやツールを管理しやすくするランチャー的なもの。ComfyUIとか他のUIをまとめて使えるから、色々試したい人に便利。

AUTOMATIC1111 WebUI：

めっちゃ人気のWebベースUI。ブラウザで動くし、設定いじりやすい。初心者から上級者まで幅広くカバー。

その他：

InvokeAIとかDraw Things（Mac向け）とか、用途や好みに応じて色々ある。

自分はComfyUIのシンプルさとノードの視覚的な操作感が好きで使ってる。どれも無料で試せるから、好きなの選んで遊んでみるといいよ！

Web版でお試し：まずはここから始めよう！

実は、いきなりインストールとか面倒って人には朗報！Web版のStable Diffusionもあるから、まずはそっちで遊んでみるのがおすすめ。ブラウザでアクセスするだけで、インストールとか設定とか一切不要。「とりあえず試してみたい」って人には最高だぜ！