Aqua Voice × Claude Cowork：毎週の自動分析で音声入力のカスタマイズを仕組み化する

#$HOME/Library/Application Support/aqua-voice-archive/aqua_archive.py
"""
Aqua Voice の文字起こし履歴を指定フォルダに永続アーカイブするスクリプト。

settings.json の history 配列を読み、未保存エントリを timestamp に応じた
週フォルダ別の history.jsonl に追記する。
さらに dictionary / replacements / customInstructions などの主要設定を
settings-snapshot.json にミラーする（Cowork から参照できるようにするため）。
"""

import json
import os
import sys
import traceback
from datetime import datetime, timedelta, timezone
from pathlib import Path

HOME = Path.home()
SETTINGS_PATH = HOME / "Library/Application Support/Aqua Voice/settings.json"
# アーカイブ保存先（Cowork から読める場所であれば任意のフォルダで OK）
ARCHIVE_DIR = Path("<ARCHIVE_PATH>")
SNAPSHOT_PATH = ARCHIVE_DIR / "snapshot.json"
SETTINGS_SNAPSHOT_PATH = ARCHIVE_DIR / "settings-snapshot.json"
DATA_DIR = ARCHIVE_DIR / "data"

# settings.json から保存対象とする主要キー
SETTINGS_SNAPSHOT_KEYS = [
    "dictionary",
    "replacements",
    "customInstructions",
    "transcriptionModel",
    "language",
    "deepContext",
    "casualMessaging",
    "promptSet",
    "computerControlCustomInstructions",
]

# JST (UTC+9) 固定。Aqua Voice の timestamp は UTC なので変換が必要
JST = timezone(timedelta(hours=9))

def parse_iso_to_jst(iso_str: str) -> datetime:
    """ISO 8601 文字列を JST の datetime に変換。'Z' サフィックス対応。"""
    normalized = iso_str.replace("Z", "+00:00")
    dt_utc = datetime.fromisoformat(normalized)
    return dt_utc.astimezone(JST)

def week_folder_name(dt_jst: datetime) -> str:
    """JST の datetime から月曜起点の週フォルダ名を生成 (YYYY-MMDD_YYYY-MMDD)。"""
    days_since_monday = dt_jst.weekday()
    monday = dt_jst.date() - timedelta(days=days_since_monday)
    sunday = monday + timedelta(days=6)
    return f"{monday.strftime('%Y-%m%d')}_{sunday.strftime('%Y-%m%d')}"

def collect_known_session_ids() -> set[int]:
    """data/ 配下の全 history.jsonl から既知の sessionId を収集。"""
    known: set[int] = set()
    if not DATA_DIR.exists():
        return known
    for jsonl_path in DATA_DIR.glob("*/history.jsonl"):
        try:
            with jsonl_path.open("r", encoding="utf-8") as f:
                for line in f:
                    line = line.strip()
                    if not line:
                        continue
                    try:
                        entry = json.loads(line)
                        sid = entry.get("sessionId")
                        if sid is not None:
                            known.add(sid)
                    except json.JSONDecodeError:
                        continue
        except OSError:
            continue
    return known

def append_entries_to_week(entries: list[dict]) -> dict[str, int]:
    """エントリを週フォルダ別に振り分けて history.jsonl に追記。"""
    by_week: dict[str, list[dict]] = {}
    for entry in entries:
        ts = entry.get("timestamp")
        if not ts:
            continue
        try:
            dt_jst = parse_iso_to_jst(ts)
        except ValueError:
            continue
        week_name = week_folder_name(dt_jst)
        by_week.setdefault(week_name, []).append(entry)

    result: dict[str, int] = {}
    for week_name, week_entries in by_week.items():
        week_dir = DATA_DIR / week_name
        week_dir.mkdir(parents=True, exist_ok=True)
        week_entries.sort(key=lambda e: e.get("timestamp", ""))
        jsonl_path = week_dir / "history.jsonl"
        with jsonl_path.open("a", encoding="utf-8") as f:
            for entry in week_entries:
                f.write(json.dumps(entry, ensure_ascii=False) + "\n")
        result[week_name] = len(week_entries)
    return result

def write_archive_log(lines: list[str]) -> None:
    """実行時刻が属する週の archive.log に動作ログを追記。"""
    now_jst = datetime.now(JST)
    week_name = week_folder_name(now_jst)
    week_dir = DATA_DIR / week_name
    week_dir.mkdir(parents=True, exist_ok=True)
    log_path = week_dir / "archive.log"
    with log_path.open("a", encoding="utf-8") as f:
        for line in lines:
            f.write(line + "\n")
        f.write("---\n")

def main() -> int:
    log_lines: list[str] = []
    now_str = datetime.now(JST).strftime("%Y-%m-%d %H:%M:%S")
    log_lines.append(f"[{now_str}] start")

    if not SETTINGS_PATH.exists():
        log_lines.append(f"[{now_str}] error: settings.json not found at {SETTINGS_PATH}")
        write_archive_log(log_lines)
        return 1

    try:
        with SETTINGS_PATH.open("r", encoding="utf-8") as f:
            settings = json.load(f)
    except (OSError, json.JSONDecodeError) as e:
        log_lines.append(f"[{now_str}] error: failed to read settings.json: {e}")
        write_archive_log(log_lines)
        return 1

    history = settings.get("history", [])
    if not isinstance(history, list):
        log_lines.append(f"[{now_str}] error: history is not a list")
        write_archive_log(log_lines)
        return 1

    log_lines.append(f"[{now_str}] settings.json read: {len(history)} entries")

    known_ids = collect_known_session_ids()
    log_lines.append(f"[{now_str}] known sessionIds: {len(known_ids)}")

    new_entries = [
        e for e in history
        if isinstance(e, dict) and e.get("sessionId") is not None and e["sessionId"] not in known_ids
    ]
    log_lines.append(f"[{now_str}] new entries detected: {len(new_entries)}")

    if new_entries:
        result = append_entries_to_week(new_entries)
        for week_name in sorted(result.keys()):
            log_lines.append(f"[{now_str}] appended: {week_name}/history.jsonl  +{result[week_name]} entries")
    else:
        log_lines.append(f"[{now_str}] skip (no new entries, but snapshot refreshed)")

    try:
        ARCHIVE_DIR.mkdir(parents=True, exist_ok=True)
        with SNAPSHOT_PATH.open("w", encoding="utf-8") as f:
            json.dump(history, f, ensure_ascii=False, indent=2)
        log_lines.append(f"[{now_str}] snapshot.json updated")
    except OSError as e:
        log_lines.append(f"[{now_str}] error: failed to write snapshot.json: {e}")
        write_archive_log(log_lines)
        return 1

    try:
        settings_snapshot = {"snapshotAt": datetime.now(JST).isoformat()}
        for key in SETTINGS_SNAPSHOT_KEYS:
            settings_snapshot[key] = settings.get(key)
        with SETTINGS_SNAPSHOT_PATH.open("w", encoding="utf-8") as f:
            json.dump(settings_snapshot, f, ensure_ascii=False, indent=2)
        log_lines.append(f"[{now_str}] settings-snapshot.json updated")
    except OSError as e:
        log_lines.append(f"[{now_str}] error: failed to write settings-snapshot.json: {e}")
        write_archive_log(log_lines)
        return 1

    end_str = datetime.now(JST).strftime("%Y-%m-%d %H:%M:%S")
    log_lines.append(f"[{end_str}] done")
    write_archive_log(log_lines)
    return 0

if __name__ == "__main__":
    try:
        sys.exit(main())
    except Exception:
        traceback.print_exc(file=sys.stderr)
        sys.exit(1)

---
name: aqua-voice-weekly-analysis
description: Aqua Voice 週次設定分析 — dictionary・replacements・customInstructions の改善提案を生成しナレッジベースに保存する
---

# Aqua Voice 週次設定分析タスク

毎週月曜 01:00 に自動実行される。Aqua Voice の音声ログを分析し、dictionary・replacements・customInstructions の改善提案を生成してナレッジベースに保存し、Slack に通知する。

すべてのデータは Cowork から読める指定フォルダにミラー保存されている。`~/Library/Application Support/` には直接アクセスしないこと（サンドボックスから読めない）。

---

## Step 1: 先週の history.jsonl を特定・読み込む

アーカイブディレクトリ:
`<ARCHIVE_PATH>/data/`

実行日（月曜日）の「前週（月〜日）」のフォルダを Bash で特定する：

```bash
python3 -c "
from datetime import datetime, timedelta
today = datetime.today()
last_monday = today - timedelta(days=today.weekday() + 7)
last_sunday = last_monday + timedelta(days=6)
print(f'{last_monday.strftime(\"%Y-%m%d\")}_{last_sunday.strftime(\"%Y-%m%d\")}')
"
```

上記で得たフォルダ名を使い `history.jsonl` を全行読み込む。フォルダが存在しない場合は「先週のログなし」と記録して Step 7・8 で出力し終了。

---

## Step 2: 現在の設定スナップショットを読み込む

以下のファイルを読み込む：
`<ARCHIVE_PATH>/settings-snapshot.json`

含まれているキー: `dictionary`, `replacements`, `customInstructions`, `transcriptionModel`, `language`, `deepContext`, `casualMessaging`, `promptSet`, `computerControlCustomInstructions`, `snapshotAt`

---

## Step 3: 過去の提案ファイルを読み込む（直近4週・dictionary削除は直近8週）

`<KNOWLEDGE_PATH>/notes/` 配下の `aqua-voice-suggestions-*.md` を、追加候補は直近4週分、dictionary削除候補は直近8週分読み込む。

各提案について、過去ファイルから以下を集計する：
- 出現週数（継続スコア算出用）
- 各週の出現件数（履歴）

同一提案の判定基準：
- dictionary: 追加する単語が一致
- replacements: from と to が両方一致
- customInstructions: 意味が同等（テキスト類似度 80% 以上）

---

## Step 4: 分析

### 4-1. dictionary 追加候補の検出

重要: `rawText` と `content` の単純な乖離だけで判定しない（LLM補正で content が正しく直っているケースを誤検出するため）。

判定対象は content（最終出力）に問題が残っているケース：

| 検出条件 | 例 |
|---|---|
| 表記揺れ：同じ意図で content 内に複数表記混在 | `Claude` と `クロード` の両方が出る |
| カタカナ残り：固有名詞が英語表記すべきなのに content でカタカナ | `プレジデント`（本来 `Presigned`） |
| 誤変換残り：明らかに意図と違う変換が content で定着 | `蔵人`（本来 `Claude`） |

既に dictionary 登録済みの単語と意味的に重複していないこと。

### 4-2. dictionary 削除候補の検出

既存 dictionary 登録単語のうち、直近8週連続で content にも rawText にも出現していないもの。

### 4-3. replacements 追加候補の検出

- content 内で同じURL・コマンド・定型文が、類似パターン含めて3回以上出現
- 「from（発話フレーズ）→ to（変換先）」を必ずペアで提示

### 4-4. replacements 削除候補の検出

既存 replacements の `from` フレーズが、直近8週連続で content にも rawText にも出現していない。

### 4-5. customInstructions 追加候補の検出

| カテゴリ | 検出条件 |
|---|---|
| フィラー除去 | 「あー」「えー」「えーと」「あのー」「まあ」「なんか」が content に各5回以上残っている |
| コマンド語漏れ | 「改行」「かっこ」「かぎかっこ」が content に文字列として残っている |
| 重複言い直し | 同じ表現が連続している |
| 表記揺れ（スタイル系） | 半角全角の数字混在、カタカナ長音の有無不統一など |

### 4-6. 推薦度の算出ロジック（全種別共通）

```
推薦度 = max(頻度スコア, 継続スコア) + 一致ボーナス + 減衰
```

頻度スコア（今週単独の強さ）:

| 今週の出現件数 | スコア |
|---|---|
| 20件以上 | 90% |
| 10〜19件 | 75% |
| 5〜9件 | 55% |
| 3〜4件 | 40% |
| 1〜2件 | 20% |
| 0件 | 0% |

継続スコア（直近4週で出現した週数）:

| 出現週数 | スコア |
|---|---|
| 4週連続 | 95% |
| 3週 | 75% |
| 2週 | 55% |
| 1週 | 30% |
| 0週 | 0% |

- 一致ボーナス（過去ペンディング提案と一致）: +10%
- 減衰（今週0件 + 過去ペンディングのみで存在）: -15%
- 推薦度は 0〜100% にクリップ

自動アーカイブ:
- 追加候補: 直近4週連続で出現がゼロなら提案リストから除外
- dictionary 削除候補: 8週連続ゼロで初めて提案

---

## Step 5: 提案の生成

各提案を以下の形式でまとめる（dictionary 追加・削除、replacements 追加・削除、customInstructions 追加）：

```
### [種別] 値: <内容>
- 種別: <種別>
- 推薦度: XX%
- 頻度スコア: XX%（今週 N 件）
- 継続スコア: XX%（直近4週で N 週出現）
- 調整: +10% / -15% / なし
- 出現履歴: [今週 N 件, 1週前 N 件, 2週前 N 件, 3週前 N 件]
- 状態: 確定候補（80%以上） / ペンディング（80%未満）
```

---

## Step 6: ナレッジベースへの保存

以下のパスに Markdown ファイルを作成（既存ファイルがあれば上書き更新）：

`<KNOWLEDGE_PATH>/notes/aqua-voice-suggestions-YYYY-MM-DD.md`

フロントマター:
```yaml
---
created: YYYY-MM-DD
tags: [aqua-voice, wip]
summary: Aqua Voice 週次分析 YYYY-MM-DD - 確定候補N件・ペンディングN件
---
```

本文構成:
1. 確定候補（推薦度 80% 以上）
2. ペンディング（推薦度 80% 未満）
3. アーカイブされた提案（あれば）
4. 今週の統計

---

## Step 7: 通知サマリーの出力（チャット）

ファイルパスは必ずフルパスで書く。

```
Aqua Voice 週次分析レポート YYYY-MM-DD

【今週の統計】
• 分析エントリ数: N件
• 確定候補（80%以上）: N件
• ペンディング: N件

【確定候補（推薦度80%以上）】
• [dictionary追加] <単語> — 推薦度XX%（今週N件・直近4週中N週出現）
• [replacements追加] from「<発話>」→ to「<変換先>」 — 推薦度XX%
• [customInstructions追加] <カテゴリ>: <一行説明> — 推薦度XX%

【ペンディング（推薦度80%未満）】
（同上）

【詳細ファイル】
<KNOWLEDGE_PATH>/notes/aqua-voice-suggestions-YYYY-MM-DD.md
```

確定候補・ペンディングが両方 0 件なら「今週は提案なし」とだけ短く送る。

---

## Step 8: Slack 自分宛 DM への通知

1. `slack_search_users` で `<YOUR_SLACK_EMAIL>` を検索して自分のユーザーIDを取得
2. `slack_send_message` で取得したユーザーID宛にDM送信

Slack MCP が使えない・送信失敗した場合は、その旨をチャット出力にだけ記載して終了する。

---
created: 2026-05-24
tags: [aqua-voice, wip]
summary: AquaVoice 週次分析 2026-05-24 - 確定候補8件・ペンディング8件（2026-0511〜0517の596件を分析）
---

# AquaVoice 週次分析レポート 2026-05-24

対象週: 2026-0511〜2026-0517（596件）。設定スナップショット: 2026-05-24T18:53:37+09:00。

---

## 1. 確定候補（推薦度 80% 以上）

### [dictionary追加] 値: S3
- 種別: dictionary追加
- 追加する単語: `S3`
- 検出理由: content に出現するが rawText には皆無（deep context による補正）
- 推薦度: 100%
- 頻度スコア: 90%（今週 31 エントリに出現）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 31 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: RDS
- 種別: dictionary追加
- 追加する単語: `RDS`
- 検出理由: content に出現するが rawText には皆無（"RTS" 等と誤認識）
- 推薦度: 100%
- 頻度スコア: 90%（今週 29 エントリに出現）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 29 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: AWS
- 種別: dictionary追加
- 追加する単語: `AWS`
- 検出理由: content に出現するが rawText には皆無
- 推薦度: 100%
- 頻度スコア: 90%（今週 24 エントリに出現）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 24 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: VPC
- 種別: dictionary追加
- 追加する単語: `VPC`
- 検出理由: content 18 エントリ / rawText 20 エントリ（rawText でも出現しているが補正乖離あり）
- 推薦度: 85%
- 頻度スコア: 75%（今週 18 エントリ、10〜19 件レンジ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 18 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: Fargate
- 種別: dictionary追加
- 追加する単語: `Fargate`
- 検出理由: content に出現するが rawText には皆無
- 推薦度: 85%
- 頻度スコア: 75%（今週 10 エントリ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 10 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: LLM
- 種別: dictionary追加
- 追加する単語: `LLM`
- 検出理由: content に出現するが rawText には皆無
- 推薦度: 85%
- 頻度スコア: 75%（今週 10 エントリ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 10 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [dictionary追加] 値: Bedrock
- 種別: dictionary追加
- 追加する単語: `Bedrock`
- 検出理由: content に出現するが rawText には皆無
- 推薦度: 85%
- 頻度スコア: 75%（今週 10 エントリ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 10 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**

### [customInstructions追加] フィラー除去
- 種別: customInstructions追加
- カテゴリ: フィラー除去
- 登録する指示文（英語推奨、コピペ可能な形）:
  ```
  Remove filler words and verbal tics from the transcription output. Specifically, remove or omit: 「なんか」「まあ」「えー」「えーと」「あのー」when used as fillers (not meaningful words). Do not remove these if they carry semantic meaning.
  ```
- 推薦度: 100%
- 頻度スコア: 90%（なんか=99回・まあ=22回・えー=7回が content に残存）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 なんか99/まあ22/えー7/えーと4, 1週前 -, 2週前 -, 3週前 -]
- 状態: **確定候補**
- 補足: 「なんか」は意味語として使われるケースも多い（76エントリ中、明確フィラーは約5件）。指示文で「意味語は残す」と明示することが重要。

---

## 2. ペンディング（推薦度 80% 未満）

### [dictionary追加] 値: Cognito
- 種別: dictionary追加
- 追加する単語: `Cognito`
- 検出理由: content 6 エントリ / rawText 0 エントリ
- 推薦度: 65%
- 頻度スコア: 55%（今週 6 エントリ、5〜9 件レンジ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 6 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング

### [dictionary追加] 値: Claude（表記揺れ）
- 種別: dictionary追加
- 追加する単語: `Claude`
- 検出理由: content に "Claude"（7件）と "クロード"（4件）が混在。rawText では "クロード" が主（6件）、"Claude" はゼロ。
- 推薦度: 55%
- 頻度スコア: 55%（今週 7 エントリ、5〜9 件レンジ）
- 継続スコア: 0%（前回提案なし、新規）
- 調整: なし
- 出現履歴: [今週 7 件（+クロード 4 件混在）, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（新規）
- 補足: Anthropic は既に登録済み。Claude 単体を追加で "クロード" → "Claude" への統一が期待できる。

### [dictionary追加] 値: CloudWatch
- 種別: dictionary追加
- 追加する単語: `CloudWatch`
- 検出理由: content 5 エントリ / rawText 0 エントリ（"クラウドウォッチドッグス" 等と誤認識）
- 推薦度: 55%
- 頻度スコア: 55%（今週 5 エントリ、5〜9 件レンジ）
- 継続スコア: 0%（前回提案なし、新規）
- 調整: なし
- 出現履歴: [今週 5 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（新規）

### [dictionary追加] 値: HubSpot
- 種別: dictionary追加
- 追加する単語: `HubSpot`
- 検出理由: content 3 エントリ / rawText 0 エントリ
- 推薦度: 50%
- 頻度スコア: 40%（今週 3 エントリ、3〜4 件レンジ）
- 継続スコア: 30%（直近4週で 1 週出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 3 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング

### [dictionary追加] 値: ALB
- 種別: dictionary追加
- 追加する単語: `ALB`
- 検出理由: content 4 エントリ / rawText 0 エントリ
- 推薦度: 40%
- 頻度スコア: 40%（今週 4 エントリ、3〜4 件レンジ）
- 継続スコア: 0%（前回提案なし、新規）
- 調整: なし
- 出現履歴: [今週 4 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（新規）

### [dictionary追加] 値: IAM
- 種別: dictionary追加
- 追加する単語: `IAM`
- 検出理由: content 3 エントリ / rawText 0 エントリ
- 推薦度: 40%
- 頻度スコア: 40%（今週 3 エントリ、3〜4 件レンジ）
- 継続スコア: 0%（前回提案なし、新規）
- 調整: なし
- 出現履歴: [今週 3 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（新規）

### [dictionary削除] Antigravity / GenU / Skills / ハーネスエンジニアリング / 冗長化 / NATGateway
- 種別: dictionary削除
- 対象単語: `Antigravity`, `GenU`, `Skills`, `ハーネスエンジニアリング`, `冗長化`, `NATGateway`
- 検出理由: 今週 content・rawText ともに出現ゼロ
- 推薦度: 40%
- 頻度スコア: 0%（今週 0 件）
- 継続スコア: 30%（直近4週で 1 週ペンディング出現）
- 調整: +10%（過去ペンディング一致）
- 出現履歴: [今週 0 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（連続8週ゼロが必要。現時点は 1 週のみ）

### [dictionary追加] 値: Presigned（誤認識残り）
- 種別: dictionary追加
- 追加する単語: `Presigned`
- 検出理由: rawText では "プレゼント URL"・"プレザイン" と誤認識。content でも一部補正しきれていないケースあり。
- 推薦度: 20%
- 頻度スコア: 20%（今週 2 エントリ、1〜2 件レンジ）
- 継続スコア: 0%（前回提案なし、新規）
- 調整: なし
- 出現履歴: [今週 2 件, 1週前 -, 2週前 -, 3週前 -]
- 状態: ペンディング（新規）

---

## 3. アーカイブされた提案

なし

---

## 4. 今週の統計

- 分析エントリ数: 596 件
- 確定候補（推薦度 80% 以上）: 8 件
- ペンディング（推薦度 80% 未満）: 8 件
- replacements 追加候補: なし（3回以上の繰り返しパターンなし）
- replacements 削除候補: なし
- 主要 dictionary 語の使用状況: AgentCore=20件・Anthropic=8件・Markdown=8件・ナレッジ=5件（いずれも継続利用中）

---

_自動生成: AquaVoice 週次分析タスク（2026-05-24 実行）。適用判断は手動で。_