採用面接・タスク配信・会社経営・スケジュール管理・外部対応 — すべてを自律実行。
生体データ・睡眠・活動量・ペンダントAI会話から本人の状態をリアルタイムに反映する分身エージェント。
従来のAIアシスタントは「道具」。Daito Agentは「分身」。真鍋大度の判断基準・美意識・人間関係・身体状態まで取り込み、本人がいなくても本人として振る舞える存在を目指す。
┌─────────────────────────────────────────────────────────────┐ │ │ │ LAYER 3: 身体 (SOMA) │ │ 生体データが分身の「体調」「気分」「エネルギー」を形成 │ │ ├── 心拍数・HRV・体温 (Apple Watch / Oura Ring) │ │ ├── 睡眠スコア・睡眠段階 (Apple Health / Oura) │ │ ├── 活動量・歩数・運動 (Apple Health) │ │ ├── ペンダントAI会話ログ (Pendant API) │ │ └── 位置情報・タイムゾーン (iPhone) │ │ │ ├─────────────────────────────────────────────────────────────┤ │ │ │ LAYER 2: 知性 (NOUS) │ │ ペルソナ・知識・記憶・判断基準が分身の「人格」を形成 │ │ ├── 過去のインタビュー・講演・論文 (RAG) │ │ ├── プロジェクト履歴・技術スタック (ChromaDB) │ │ ├── 人間関係マップ (contacts.json + 会話履歴) │ │ ├── 美的判断基準・クリエイティブ哲学 (system_prompt) │ │ └── 経営方針・意思決定パターン (decision_log) │ │ │ ├─────────────────────────────────────────────────────────────┤ │ │ │ LAYER 1: 行動 (PRAXIS) │ │ 全チャネル・全ツールを駆使して分身として行動する │ │ ├── 電話・iMessage・Telegram・Discord・Email・Web │ │ ├── Gmail・カレンダー・タスク管理 │ │ ├── 採用面接・タスク配信・進捗追跡 │ │ ├── 音楽生成・コード生成・リサーチ │ │ ├── 経営判断の補助・財務レポート・契約管理 │ │ └── 買い物・予約・手配 │ │ │ └─────────────────────────────────────────────────────────────┘
すべてのデータソースとチャネルが1つのBrain Layerに集約される。生体データはAgentの応答トーンと判断に影響を与える。
━━━ 生体データ入力（常時） ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Apple Watch → HealthKit API → 心拍/HRV/活動量/運動 Oura Ring → Oura API → 睡眠スコア/睡眠段階/体温 Pendant AI → Pendant API → 会話ログ/キーワード/感情分析 iPhone → Location API → タイムゾーン/移動状態 ↓ ┌─── Soma Engine ───┐ │ 状態推定: │ │ energy: 0.72 │ │ stress: 0.35 │ │ sleep_quality: 0.81│ │ focus_mode: true │ │ location: Tokyo │ └──────────┬──────────┘ ↓ ━━━ 外部入力（イベント駆動） ━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📞 電話 (Twilio) ─┐ 💬 iMessage (BB) │ ✈️ Telegram (bot) ├→ Gateway → 正規化 → 認証 🎮 Discord (bot) │ ↓ 📧 Email (gog CLI) │ { sender, text, channel, 🖥️ Web Chat ─┘ attachments, timestamp } ↓ ┌─── Brain Layer ──────────────────────────┐ │ │ │ Intent Classifier │ │ ├── inquiry (問い合わせ) │ │ ├── hiring (採用面接) │ │ ├── task_delegation (指示出し) │ │ ├── management (経営判断) │ │ ├── schedule (スケジュール) │ │ ├── creative_request (創作依頼) │ │ ├── tech_question (技術質問) │ │ ├── purchase (買い物) │ │ └── casual (雑談) │ │ │ │ Persona Engine │ │ ├── system_prompt (大度の人格) │ │ ├── soma_context (今の体調・気分) │ │ ├── RAG (知識ベース) │ │ └── relationship_context (相手との関係) │ │ │ │ LLM Router → Qwen2.5 7B/32B │ │ ├── 7B: casual, simple inquiry │ │ ├── 32B: hiring, management, creative │ │ └── Claude API: 超重要な判断 (fallback) │ │ │ └──────────────┬─────────────────────────────┘ ↓ ┌─── Action Layer ─────────────────────────┐ │ gog CLI → Gmail / Calendar │ │ ACE-Step → 音楽生成 │ │ OpenCraw → Web検索 / ブラウザ操作 │ │ Team Comms → チーム配信 │ │ Hiring Engine → 面接 / レポート │ │ Biz Engine → 財務 / 契約 / KPI │ │ Payment → 買い物 ($100/日) │ └──────────────┬─────────────────────────────┘ ↓ ┌─── Safety Layer ────────────────────────┐ │ 支出上限 / エスカレーション判定 │ │ 監査ログ / 情報開示チェック │ │ 体調考慮 (疲労時は重要判断を保留) │ └──────────────┬─────────────────────────────┘ ↓ 元のチャネルに返信
真鍋大度の心拍数、睡眠、活動量、ペンダントAIの会話をリアルタイムで取り込み、分身の「状態」を形成する。
Apple Watch / iPhone ├── HealthKit API (via Shortcuts + HTTP POST) │ ├── 心拍数 (5分間隔) │ ├── HRV (心拍変動 → ストレス推定) │ ├── 歩数・移動距離 │ ├── ワークアウト検出 │ └── 位置情報 (タイムゾーン + 移動/静止) │ ├── 取得方法: │ iOS Shortcuts → 定期実行 (15分ごと) │ → HTTP POST to localhost:8000/api/biometric │ → PostgreSQL biometric_logs テーブルに蓄積 │ Oura Ring ├── Oura Cloud API (OAuth2) │ ├── 睡眠スコア (daily) │ ├── 睡眠段階 (deep/light/REM/awake) │ ├── 安静時心拍数 │ ├── 体温変動 │ └── Readiness Score │ ├── 取得方法: │ Celery beat → 毎朝6:00にAPI取得 │ → 前夜の睡眠データを取り込み │ → energy_level 推定に反映 │ Pendant AI (Friend Pendant / Tab等) ├── Pendant API or Webhook │ ├── 会話ログ (テキスト化済み) │ ├── 会話相手の特定 (音声特徴) │ ├── キーワード抽出 │ ├── 感情分析 (ポジティブ/ネガティブ/中立) │ └── TODO/アクションアイテム検出 │ ├── 取得方法: │ Webhook → POST to localhost:8000/api/pendant │ or 定期同期 (30分ごとAPI polling) │ → ChromaDBにベクトル化して保存 │ → Agentが「今日Daitoが誰と何を話したか」を把握 ━━━ Soma Engine 状態推定 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 入力: 上記全データ ↓ 推定モデル (ルールベース + LLM分析): energy_level = f(sleep_score, activity, time_of_day, HRV) stress_level = f(HRV, heart_rate_variability, pendant_sentiment) focus_mode = f(calendar_context, activity_pattern, pendant_silence) mood_estimate = f(pendant_keywords, sleep_quality, activity) ↓ Agentの応答への影響: ├── energy低い → 重要な判断を保留「明日改めて判断する」 ├── stress高い → 不急のリクエストは後回し ├── focus_mode → 通知を最小限に、緊急のみエスカレーション ├── sleep不足 → 翌日のスケジュールを軽めに調整提案 └── mood推定 → 応答のトーンを微調整
Pendant AIが録音した会話 ↓ テキスト化（Pendant側 or Whisper） ↓ 分析パイプライン: ├── 話者識別: 「誰と話したか」 │ └── 声紋DB照合 → contacts.json の人物に紐付け ├── トピック抽出: 「何について話したか」 │ └── LLM要約 → プロジェクト/人名/技術タグ付け ├── アクションアイテム抽出: │ └── 「〜しておいて」「〜確認して」→ tasks DBに自動登録 ├── 感情分析: 会話のトーン └── 重要度判定: 経営/クリエイティブ/雑談 ↓ ChromaDBにベクトル保存 → RAGで「Daitoが最近何に興味を持っているか」を推定 → 面接や外部対応で自然に反映 ↓ 具体的な活用例: ├── Pendant「カメラのキャリブレーション面倒だよね」 │ → Agent: Mikeに「キャリブ自動化ツール調査」タスクを提案 ├── Pendant「Bさんの曲よかったね」 │ → Agent: Bさんへの肯定的フィードバックを送信提案 └── Pendant「来月のbudgetやばい」 → Agent: 財務レポートを優先的に準備
Rhizomatiks/会社の経営判断の補助、財務管理、プロジェクトポートフォリオ管理、契約管理をDaito Agentが日常的に実行。
06:00 Oura API → 睡眠スコア取得 → Soma Engine更新 08:00 朝のブリーフィング生成 ├── gog gmail list --unread → メール要約 ├── gog cal list → 今日の予定 ├── tasks DB → 未完了タスク ├── projects DB → リスクフラグ ├── Soma → 「睡眠82点、エネルギー良好」 └── → Daito本人にTelegram送信 09:00-18:00 通常運用 ├── 着信・メッセージへの自律応答 ├── 面接の実施 ├── タスクのフォローアップ ├── 会議リマインド（15分前） └── Pendant会話のリアルタイム同期 18:00 夕方レポート ├── 今日のアクション一覧 ├── 明日の予定プレビュー └── 対応が必要な保留事項 月初 月次レポート ├── 財務サマリー（売上/コスト/利益） ├── プロジェクト完了/進行/開始 ├── 採用状況 └── 来月の見通し
書類スクリーニングから一次面接、レポート生成、二次面接調整まで。候補者の希望チャネルで実施。
応募受信 (Email / Web Form / 紹介) ↓ ① Screening (自動) ├── OpenCrawでポートフォリオ巡回 ├── GitHub API → リポジトリ分析 (言語/スター/コミット頻度) ├── 履歴書PDF → テキスト抽出 → 構造化 └── スコアリング → candidates DB保存 ↓ ② 一次面接 (Daito Agent主導) ├── 候補者の希望チャネルで実施: │ 📞 電話 → Whisper STT → LLM → TTS (5-8秒遅延) │ ✈️ Telegram → テキスト面接 (即時) │ 🎮 Discord → テキスト/音声 (即時) │ 📧 Email → 非同期面接 (質問を段階的に送信) ├── Soma考慮: 本人の体調に応じて面接トーンを微調整 ├── 4軸評価: 技術35% / 創造性25% / コミュ20% / フィット20% └── 面接レポート自動生成 ↓ ③ 判定・調整 ├── 7.0以上 → 二次面接推薦 → gog calで日程調整 ├── 5.0-6.9 → Daito本人にレポート送付、判断を仰ぐ └── 5.0未満 → 丁寧にお見送りメール送信
Daito本人の曖昧な指示を具体タスクに分解、各メンバーの得意チャネルで配信、自動フォローアップ。
Daito本人「NHK収録の準備、映像A、音B、ハードC」 ↓ decompose_instruction() ├── LLMがタスクに分解: │ Task1: {田中A, "映像テスト環境", Telegram, deadline: 月曜} │ Task2: {鈴木B, "サウンドスケッチ3種", iMessage, deadline: 火曜} │ Task3: {Mike C, "カメラキャリブ5台", Email, deadline: 水曜} ├── team.ymlでメンバーのwork_style参照 │ 自走型 → 簡潔に / 仕様書型 → 詳細に / 海外 → 英語で └── tasks DB保存 + follow_up_at設定 ↓ dispatch() 各チャネルで送信 ↓ follow_up() Celery beatで定期確認 ├── メンバーに「進捗どう？」 ├── 返信 → tasks status更新 ├── 技術的質問 → Agentが回答 (RAG + LLM) ├── ブロッカー検出 → エスカレーション └── サマリーをDaito本人に送信
外部の人がDaito Agentに連絡してくるケース。チャネル別に具体的なフローを定義。
Daito Agent自身が自律的に実行する定期タスクと、Daito本人からの指示に基づくアクション。
分身として全権限を持ちつつも、最終的に守るべきライン。
分身として全権限を持つからこそ、安全装置はより厳格に。