← 기사 목록
日本語https://qiita.com/tags/ai/feed

noteで稼ぎたい人向け、AIで仕込む『投稿仕組み化』5ステップ

원문 사이트로 이동 ↗

추출된 키워드

26개
AI·5投稿仕組み化·5note·5自動投稿ツール·4X API·4スクレイピング·4Claude API·4Discord·3月収化·3エンゲージメント·3claude-3-5-sonnet-20241022·3Anthropic·3YAML·3JSON·3Google Custom Search API·3Python·3エンジニア·2個人開発者·2SEO 需要·2system_prompt·2API レート制限·2Claude Code·2cron·1systemd·1requests·1yaml.safe_load·1

원문

10,113자
noteで稼ぎたい人向け、AIで仕込む『投稿仕組み化』5ステップ

TL;DR

note月収化を目指すエンジニア向け自動投稿ツール設計。X API + スクレイピング + Claude APIで、トピック収集から投稿・エンゲージメント対応まで自動化し、手作業を50%削減します。実装難易度は中程度（Python基本+API連携知識で半日〜1日）。

背景：毎日3本の記事執筆は手動では破綻する

note で月収化を目指す場合、投稿頻度は「毎日1-3本」が一般的です。しかし以下の作業は全て手動になりがちです。

  • 朝昼晩のトレンド・ネタ探索：合計90分
  • 候補管理（どれ書いたか・どれ下書きか）：不規則だが積み重なる
  • コメント返し・スキ返し・フォロバ：1記事につき20分以上

これらをシステム化しないと、3本目で必ず力尽きます。本記事では、API 呼び出しと自動スクリプトを組み合わせた実装パターンを紹介します。

システム全体設計：5つの自動化レイヤー

[日次トピック自動収集] 
         ↓
[YAML/JSONで一元管理] 
         ↓
[下書き生成（Claude API）] 
         ↓
[人手レビュー] 
         ↓
[エンゲージメント自動巡回]

各段階で自動化できる部分と、人間判断が必要な部分を明確に分離します。

実装ステップ1：X API + Google検索でトピック自動収集

手順

X Search API（無料枠対応）と Google Custom Search API を並列実行し、毎朝 JSON にトピック候補を出力します。

import requests
import json
from datetime import datetime

# X API呼び出し
def fetch_x_topics(keywords: list) -> list:
    headers = {"Authorization": f"Bearer {X_API_TOKEN}"}
    topics = []
    
    for kw in keywords:
        url = "https://api.twitter.com/2/tweets/search/recent"
        params = {
            "query": f"{kw} -is:retweet",
            "max_results": 30,
            "tweet.fields": "public_metrics,created_at"
        }
        response = requests.get(url, headers=headers, params=params)
        
        if response.status_code == 200:
            for tweet in response.json()["data"]:
                topics.append({
                    "source": "x_trending",
                    "title": tweet["text"][:80],
                    "url": f"https://twitter.com/i/web/status/{tweet['id']}",
                    "engagement": tweet["public_metrics"]["like_count"],
                    "collected_at": datetime.now().isoformat()
                })
    
    return topics

# Google検索も並列実行
def fetch_google_topics(queries: list) -> list:
    topics = []
    for query in queries:
        url = "https://www.googleapis.com/customsearch/v1"
        params = {
            "q": query,
            "cx": GOOGLE_CX,
            "key": GOOGLE_API_KEY,
            "num": 10
        }
        response = requests.get(url, params=params)
        
        if response.status_code == 200:
            for item in response.json().get("items", []):
                topics.append({
                    "source": "google_search",
                    "title": item["title"],
                    "url": item["link"],
                    "collected_at": datetime.now().isoformat()
                })
    
    return topics

# 毎朝実行（cron or systemd）
def daily_collect():
    x_topics = fetch_x_topics(["Claude Code", "副業", "個人開発"])
    google_topics = fetch_google_topics(["AI执筆ツール", "note月収化"])
    
    all_topics = x_topics + google_topics
    
    with open("topics.json", "w", encoding="utf-8") as f:
        json.dump(all_topics, f, ensure_ascii=False, indent=2)
    
    print(f"Collected {len(all_topics)} topics")

if __name__ == "__main__":
    daily_collect()

ポイント

  • X API は「最新トレンド」、Google は「SEO 需要」をカバーします
  • engagement
    スコアでフィルタすることで、バズ記事を自動検出できます
  • JSON 出力により、後段のスクリプトで容易にパース可能です

実装ステップ2：YAML で記事ステータスを一元管理

トピック候補が溜まると、「どれ書いたか」「どれ下書き中か」が混乱します。YAML で状態遷移を管理すると、スクリプト側から自動進捗制御できます。

articles:
  - id: article_001
    title: Claude Codeで副業効率化する際の3つの罠
    source: x_trending
    status: draft          # pending → draft → review → published
    tone: business
    target_words: 1500
    created_at: 2026-05-16
    published_at: null
    
  - id: article_002
    title: 自動投稿ツールで失敗する理由
    source: google_search
    status: published
    tone: casual
    published_at: 2026-05-15

Python で進捗を更新：

import yaml

def update_article_status(article_id: str, new_status: str):
    with open("articles.yaml", "r", encoding="utf-8") as f:
        data = yaml.safe_load(f)
    
    for article in data["articles"]:
        if article["id"] == article_id:
            article["status"] = new_status
            if new_status == "published":
                article["published_at"] = datetime.now().isoformat()
            break
    
    with open("articles.yaml", "w", encoding="utf-8") as f:
        yaml.dump(data, f, allow_unicode=True, default_flow_style=False)

実装ステップ3：下書き生成プロンプトの型化で出力ブレを抑える

Claude API で下書き生成する際、プロンプト型を固定化すると再現性が上がります。

from anthropic import Anthropic

def generate_draft(article_config: dict) -> str:
    client = Anthropic()
    
    system_prompt = """
あなたはnoteのエンジニア向け執筆者です。
読者層: 副業志望のエンジニア・個人開発者
禁止事項:
  - 具体的な売上数値や根拠なき断言
  - 過度なマーケティング表現
  - 技術的に不正確な説明
必須構成:
  1. 冒頭：実例またはペイン描写（150字）
  2. 本論：3-4段落で深掘り（800字）
  3. 終わり：示唆的なクロージング（100字）
トーン: 実務的・淡々と（説教的でない）
"""
    
    user_prompt = f"""
タイトル: {article_config['title']}
トーン: {article_config['tone']}
参考URL: {article_config.get('reference_url', 'なし')}
ターゲット字数: {article_config.get('target_words', 1500)}字

上記を踏まえて下書きを生成してください。
"""
    
    message = client.messages.create(
        model="claude-3-5-sonnet-20241022",
        max_tokens=2000,
        system=system_prompt,
        messages=[
            {"role": "user", "content": user_prompt}
        ]
    )
    
    return message.content[0].text

コツ

  • system_prompt
    で「禁止・必須・トーン」を明記することで、AI の出力ブレが極めて小さくなります
  • 毎回プロンプト試行錯誤が不要になり、パラメータ（タイトル、トーン）を渡すだけで再現可能な下書き生成が実現します

実装ステップ4：人手レビューフロー（Discord連携）

自動投稿は禁止です。必ず人間が最終判断します。YAML で 

status: review
になった記事を、Discord 通知経由で人間に確認させるフロー。
import discord

async def notify_review_needed(article_id: str, draft_text: str):
    webhook = discord.Webhook.from_url(DISCORD_WEBHOOK_URL, client=client)
    
    embed = discord.Embed(
        title=f"📝 記事レビュー待ち: {article_id}",
        description=draft_text[:500] + "..." if len(draft_text) > 500 else draft_text,
        color=discord.Color.blue()
    )
    embed.add_field(name="操作", value="✅OK / ❌NG でリアクション", inline=False)
    
    await webhook.send(embed=embed)

ボスが Discord で 

✅
または 
❌
リアクションすると、自動で YAML を更新：
@client.event
async def on_reaction_add(reaction, user):
    if user.bot:
        return
    
    if reaction.emoji == "✅":
        # status → published に更新
        update_article_status(article_id, "published")
    elif reaction.emoji == "❌":
        # status → draft に戻す
        update_article_status(article_id, "draft")

実装ステップ5：エンゲージメント自動巡回

記事投稿後、コメント返し・スキ返し・フォローバックを自動化します。

def auto_engagement_loop():
    # note API で過去24時間の自分の投稿を取得
    my_articles = fetch_my_recent_articles(hours=24)
    
    for article in my_articles:
        # コメント取得
        comments = fetch_comments(article["id"])
        
        for comment in comments:
            # 未返信ならスキ返し + テンプレ返信
            if not is_replied(comment["id"]):
                like_comment(comment["id"])
                reply_text = generate_reply_template(comment["text"])
                post_reply(article["id"], comment["id"], reply_text)
        
        # 新規フォロワーに自動フォロバ
        new_followers = fetch_new_followers(hours=24)
        for follower in new_followers:
            if not is_following(follower["id"]):
                follow_user(follower["id"])

# 毎日定時実行
schedule.every().day.at("09:00").do(auto_engagement_loop)

つまづきポイント

  • API レート制限: note の API は時間ごとのリクエスト制限があります。バッチ処理時は遅延を入れてください。
  • スキ返し の過度な自動化: 人力感を失うとフォロワーに違和感を持たれます。「いいね返し」は自動でも、コメント返しは軽く人手チェックをお勧めします。
  • プロンプト漂流: Claude API を呼び出すたびに、同じ
    system_prompt
    を使用してください。異なるプロンプトを使うと、記事の品質が統一されません。

まとめ

note での月収化は「毎日書く」から「仕組み化して書く」に切り替えた時点で大きく有利になります。本記事で紹介した5つのステップを実装することで：

  • トピック探索：朝の90分 → ほぼ0分（朝チェック5分のみ）
  • 記事管理：スプレッドシート作業 → スクリプト自動化
  • エンゲージメント対応：フォロバ・スキ返し手動 → ほぼ自動

結果として、「書く」という本質的な作業に集中でき、月3-4本の投稿を継続できるようになります。

さらに詳しい実装手順はnoteで公開中

この記事では概要のみ紹介しました。実装の完全手順・プロンプト全文・運用ノウハウ、および X API の設定・note API の認証フローについては、以下のnoteで詳しく解説しています。