Skip to content

README.md

Latest commit

 

History

History
336 lines (239 loc) · 13.3 KB

README.md

File metadata and controls

336 lines (239 loc) · 13.3 KB

ProjectManagement

富岳NEXT アプリケーション開発エリアのプロジェクトマネジメント支援システム。

このシステムが解決する問題

大規模プロジェクトでは、会議・Slack・資料に情報が分散し、以下の問題が起きる。

PM課題 放置するとどうなるか
会議の決定事項が記憶頼みで流れる 同じ議論が繰り返され、合意が形骸化する
アクションアイテムの担当・期限が曖昧 「誰がやるのか」が不明なまま期限を超過する
ゴールとタスクが紐づいていない 忙しいが前進していない状態に陥る
状況把握に毎回手作業が必要 PMが情報収集に追われ、判断に集中できない
機密情報を外部サービスに送れない 市販PMツールが使えず、手運用に逆戻りする

本システムは、ローカルLLMで情報を自動収集・構造化し、人間がゴールの定義と最終判断に集中できる環境を提供する。

設計思想：2層構造

【トップダウン層】 ゴール・マイルストーン
                  └─ goals.yaml に人間が定義・承認（gitで変更履歴管理）
                          ↓ 評価の軸を与える
【ボトムアップ層】 アクションアイテム・決定事項
                  └─ 会議議事録・Slackから LLM が自動抽出・マイルストーンに紐づけ
役割 担当
ゴール・マイルストーンの定義・承認 人間（意思決定者）
情報の収集・整理・抽出・紐づけ推定 LLM
誤りの修正・最終判断 人間（Canvas / Web UI で編集）
達成状況の計算・レポート・リスク検知 システム

機能マップ

本システムの機能を、解決するPM課題ごとに整理する。

1. 情報の自動収集 — 「手作業で情報を集めなくて済む」

週次会議・Slackの投稿から、決定事項・アクションアイテム・担当者・期限をLLMが自動抽出して pm.db に蓄積する。

会議録音 → 議事録 → pm.db（録音を置くだけで完結）

# data/ に .m4a を置いて実行するだけ
bash scripts/pm_from_recording_auto.sh

# Slack投稿も自動化
bash scripts/pm_from_recording_auto.sh -c C08SXA4M7JT

処理フロー: 音声 → Whisper文字起こし → ローカルLLMで議事録生成 → 議事録DB保存 → pm.db転記（平文ファイルはディスクに残らない）

Slack → pm.db

bash scripts/pm_from_slack.sh -c C08SXA4M7JT

処理フロー: Slackメッセージ差分取得 → 生メッセージから決定事項・アクションアイテム抽出 → pm.db保存

2. ゴール管理 — 「今どこにいるかが分かる」

マイルストーンを定義し、全アクションアイテムを紐づけることで、プロジェクトの現在地を定量的に把握する。

# goals.yaml を編集後に同期
python3 scripts/pm_goals_import.py

# 達成状況を確認
python3 scripts/pm_goals_import.py --list

goals.yaml はgit管理。マイルストーンの変更理由・経緯がコミット履歴として残る。

3. 進捗の可視化とレビュー — 「会議で使えるレポートが自動で出る」

pm.db から週次進捗レポートを自動生成し、Slack Canvas に投稿する。会議中にCanvas上で直接編集でき、変更はDBに同期される。

会議前: レポート投稿

source ~/.secrets/slack_tokens.sh
bash scripts/canvas_report.sh --db data/pm.db --canvas-id F0ALP1XQJHL

レポート構成:

  1. プロジェクトの現在地 — マイルストーン達成率・残日数（DBから自動計算）
  2. サマリー — LLMによる全体概況
  3. 直近の決定事項 — 未確認はチェックボックスで管理
  4. 要注意事項 — 期限超過・担当者不明のアイテム
  5. 未完了アクションアイテム — 表形式（Canvas上で各列を直接編集可能）

会議中: Canvas上で編集

Canvas上で編集可能な列: 担当者・内容・期限・マイルストーン・状況・対応状況

  • 状況 列にチェックを入れる or 「完了」「done」等を記入 → 完了扱い
  • 決定事項 のチェックボックスにチェック → 確認済みとして次回レポートから非表示

会議後: DB同期（次回レポート投稿時に自動実行。単独実行も可能）

python3 scripts/pm_sync_canvas.py --db data/pm.db --canvas-id F0ALP1XQJHL

4. リスク検知とインサイト — 「問題に気づくのが遅れない」

Argus AI秘書 — 毎朝のブリーフィングを自動生成（cron 平日8:57）

Slack生メッセージ・議事録・pm.db統計を統合分析し、今日やるべきことを優先度順に提示する。Slackスラッシュコマンドで誰でも利用可能。

/argus-brief                 ← 今日の状況サマリーと優先アクション（最大5件）
/argus-brief @西澤            ← 特定担当者にフォーカス
/argus-draft agenda 次回リーダー会議  ← 会議アジェンダ草案
/argus-risk                  ← リスク一覧と予兆の検知

LLMインサイト — プロジェクト健全性のA/B/C/D評価

python3 scripts/pm_insight.py --db data/pm.db --dry-run

期限超過・担当者負荷・完了速度の推移等を統計集計し、LLMが「なぜ遅れているか」「次に何をすべきか」を解釈・提案する。

5. 過去の議論を検索 — 「あの話どこで決まったっけ？」

/ask コマンドで議事録本文・Slack生メッセージを自然言語検索できる。SudachiPy形態素解析 + FTS5 + LLM re-ranking による日本語検索。

/ask GPU性能の評価方針について
/ask Benchparkハッカソンの内容を教えて

6. データの編集と修正 — 「LLMの誤りを人間が正せる」

LLMの抽出は完璧ではない。誤った担当者・期限・マイルストーン紐づけを人間が修正できる手段を複数提供する。

Web UI（ブラウザで編集）

python3 scripts/pm_api.py --port 8501 --db data/pm.db
# → http://localhost:8501

CLI一括編集（CSV経由）

python3 scripts/pm_relink.py --export          # CSVにエクスポート
# CSVを編集...
python3 scripts/pm_relink.py --import relink.csv  # DBに反映

議事録の修正と再インポート

python3 scripts/pm_minutes_import.py --export 2026-03-10_Leader_Meeting -o corrected.md
# corrected.md を修正...
python3 scripts/pm_minutes_import.py corrected.md --meeting-name Leader_Meeting \
    --held-at 2026-03-10 --no-llm --force

情報の流れ

[Slack] ─── slack_pipeline.py ───→ {channel_id}.db
                                          ↓
[会議録音]                          pm.db ←─ pm_extractor.py
  data/*.m4a           │          (決定事項・               ↑
                       │        アクションアイテム)   {channel_id}.db
                       │                  ↓
                       │            pm_report.py → Slack Canvas
                       │            pm_insight.py → 健全性評価
                       │            pm_argus.py → ブリーフィング
                       │
                       └─ pm_minutes_import.py ──→ data/minutes/{kind}.db
                                    ↓          （詳細議事録・担当者・期限）
                         pm_minutes_to_pm.py ──→ pm.db

情報の流れ

データベース構成

DB 役割 単位
data/{channel_id}.db Slackメッセージ（親メッセージ・返信） チャンネルごとに独立
data/minutes/{kind}.db 議事録詳細（議事内容・決定事項・AI） 会議名ごとに独立
data/pm.db PM統合データ（全チャンネル・全会議を横断） 1ファイル
data/qa_pm*.db QA検索インデックス（FTS5） インデックスごとに独立

pm.db のテーブル

テーブル 内容
action_items アクションアイテム（担当者・期限・status・note・milestone_id）
decisions 決定事項（確認済み管理付き）
goals / milestones goals.yaml から同期したゴール・マイルストーン
meetings 会議情報（開催日・種別・要約）
slack_extractions 抽出済みスレッド管理（差分処理用）
audit_log 全変更履歴（Canvas同期・relink・Web UI操作を記録）

変更履歴の確認:

python3 scripts/db_utils.py --audit-log
python3 scripts/db_utils.py --audit-log --source canvas_sync --limit 50

セキュリティ

機密情報の保護方針

  • LLM処理は全てローカル: 議事録・Slackメッセージ等の機密情報は外部サービスに送出しない。組織内で稼働するローカルLLM（vLLMサーバ）で処理する
  • DB暗号化: 全DBにSQLCipher AES-256暗号化を適用。ファイルが漏洩しても鍵なしでは内容を読めない
  • 議事録の平文残存防止: --meeting-name 指定時は処理完了後に .md ファイルを自動削除
  • トークン管理: ~/.secrets/ 配下にファイルとして保管（chmod 600）。.bashrc への直書き禁止

DB暗号化の初回セットアップ

python3 scripts/db_utils.py --gen-key                    # 鍵生成
python3 scripts/db_utils.py --migrate data/pm.db data/C*.db  # 平文→暗号化変換

鍵を紛失すると暗号化済みDBは復元不可能。 パスワードマネージャー等に必ずバックアップすること。

環境セットアップ

動作要件

  • Python 3.10 以上
  • ローカルLLM（推奨）: OpenAI互換APIサーバ（vLLM等）を起動し、環境変数で接続先を設定
  • 文字起こし機能を使用する場合: GPU環境（NVIDIA L40S / GH200 等）

トークン設定

mkdir -p ~/.secrets && chmod 700 ~/.secrets
cat > ~/.secrets/slack_tokens.sh << 'EOF'
export SLACK_USER_TOKEN="xoxp-..."
export OPENAI_API_BASE="http://localhost:8000/v1"
export OPENAI_API_KEY="dummy"
export OPENAI_MODEL="google/gemma-4-26B-A4B-it"
EOF
chmod 600 ~/.secrets/slack_tokens.sh

Slack User Token のスコープ

channels:history, channels:read, users:read, files:read, files:write, canvases:read, canvases:write

QAサーバー・Argus の起動

bash scripts/pm_qa_start.sh    # /ask・/argus-* が有効になる
bash scripts/pm_qa_stop.sh     # 停止

スクリプト一覧

詳細なオプションは CLAUDE.md のコマンドリファレンスを参照。

日常運用（シェルスクリプト）

スクリプト 用途
pm_from_recording_auto.sh 録音ファイルの自動検出・文字起こし・議事録生成・pm.db登録
pm_from_recording.sh 録音ファイルを指定して文字起こし・議事録生成
pm_from_slack.sh Slack取得・pm.db抽出を一括実行
canvas_report.sh Canvas同期 → レポート生成・Canvas投稿
pm_qa_start.sh / pm_qa_stop.sh QA・Argusデーモンの起動・停止

情報収集・抽出

スクリプト 用途
slack_pipeline.py Slack差分取得・DB保存
pm_extractor.py Slack生メッセージからアクションアイテム・決定事項を抽出
pm_minutes_import.py 議事録をLLM解析して議事録DBに保存
pm_minutes_to_pm.py 議事録DBからpm.dbに転記（LLM不使用）
generate_minutes_local.py ローカルLLMで高品質議事録を生成
whisper_vad.py VAD+Whisperによる話者分離・文字起こし

レポート・分析

スクリプト 用途
pm_report.py 週次進捗レポート生成・Canvas投稿
pm_insight.py プロジェクト健全性評価・リスク特定・改善提案
pm_argus.py Argus AI秘書（ブリーフィング・草案・リスク分析）

データ編集・同期

スクリプト 用途
pm_sync_canvas.py Canvas上の編集内容をpm.dbに同期
pm_relink.py CSV経由でアクションアイテム・決定事項を一括編集
pm_goals_import.py goals.yaml → pm.db 完全同期
pm_api.py Web UI（FastAPI REST API + フロントエンド）

QA・検索

スクリプト 用途
pm_qa_server.py Slack Socket Modeデーモン（/ask・/argus-*を統合処理）
pm_embed.py QAインデックス構築（SudachiPy+FTS5）

共通ライブラリ

モジュール 用途
db_utils.py DB接続・統計クエリ・暗号化（全スクリプト共通）
cli_utils.py LLM呼び出し・ログ・argparse（全スクリプト共通）
web_utils.py Web UI用DB読み書き・楽観的排他制御
format_utils.py Markdownテーブル整形
canvas_utils.py Slack Canvas操作