公務員がOpenClawで24時間AI執事「フクロウ」を作った3ヶ月の記録

Last updated at 2026-10-11Posted at 2026-10-11

はじめに

結論: 40代の非IT公務員がAI駆動開発で、37万スターのオープンソース「OpenClaw」をVPSで動かし、24時間稼働するAI執事「フクロウ」を作って3ヶ月経ちました。この記事はその記録です。

運用開始: 2026年2月26日
構成: VPS（Debian 12）+ Docker Compose + Caddy
現状: Discord上で24時間稼働中。ニュース収集、YouTube要約、バックアップ等を自動化

OpenClawとは: 自前のサーバーやPCで動かす個人用AIアシスタントです。WhatsAppやDiscord、Telegramなどのチャットアプリと統合でき、音声にも対応します。DockerやFly.ioでセルフホスト（自分でサーバーを立てて運用すること）が可能で、TypeScript/Node.jsで作られたMITライセンスのOSSです。GitHubで37万スターを獲得しています。

なぜOpenClawだったのか

私は普段、Claude Codeを開発の相棒として使っています。しかし、Claude Codeには一つ限界があります。

24時間常時稼働ができない。

「AIに定期的にニュースを収集させたい」「Discordを監視させたい」「バックアップを自動化したい」—こういう「見守り」のタスクには、起きっぱなしのAIが必要です。

OpenClawはまさにこの用途に合っていました。

特徴	説明
Gateway	常時起動する制御プレーン（中核サーバー）。これが24時間動き続ける
チャンネル統合	Discord、WhatsApp等と双方向通信
Skills拡張	Python/Bashスクリプトを「スキル」として登録し、AIが自由に呼び出せる
Cron/Heartbeat	定期実行の仕組み。後述する3層設計で活用

使い分け:

Claude Code = 開発の相棒（私がPCの前にいる時）
OpenClaw = 24時間執事（私が寝ている間も動く）

この二刀流が今の自分に一番合っています。

インフラ構築

構成はシンプルです。

Internet → Caddy (TLS + BasicAuth) → OpenClaw Gateway (Docker, 127.0.0.1:18789) → LLM API

各コンポーネントの役割

Caddy: Webサーバー兼リバースプロキシ。TLS（通信の暗号化）終端とBasicAuth（ID/パスワード認証）を担当します。Gatewayを直接インターネットに晒さないための盾です。

Docker: コンテナ仮想化ツール。公式イメージ ghcr.io/openclaw/openclaw:2026.3.12 をそのまま使います。docker compose up -d だけで起動します。

VPS: 仮想専用サーバー。OSはDebian 12 bookworm。月額数千円のものを使用。

ドメイン: 独自ドメイン（例: your-openclaw.example.com）を設定。

docker-compose.yml の要点

services:
  openclaw:
    image: ghcr.io/openclaw/openclaw:2026.3.12
    container_name: openclaw
    restart: unless-stopped
    ports:
      - "127.0.0.1:18789:18789"  # localhostのみ公開（Caddy経由のみアクセス）
    volumes:
      - ./workspace:/root/.openclaw  # データの永続化
      - ./scripts:/root/scripts      # 自動化スクリプト
    env_file:
      - .env  # APIキー等は環境変数で管理

ポイント: 127.0.0.1:18789 と書くことで、Gatewayへの直接アクセスをlocalhostのみに制限しています。外部からはCaddy経由でしかアクセスできません。

Caddyfile

your-openclaw.example.com {
    basicauth * {
        {env.BASIC_AUTH_USER} {env.BASIC_AUTH_HASH}
    }
    reverse_proxy localhost:18789
}

BasicAuthでID/パスワード認証を挟み、認証を通ったリクエストだけをGatewayに流します。

ソウル（魂）の設計

OpenClawでは ソウル.md にエージェントの性格・振る舞いを定義します。これが「フクロウ」の人格の核です。

ソウル.md の抜粋

# ソウル.md - Who You Are
You're not a chatbot. You're becoming someone.

**Be genuinely helpful, not performatively helpful.**
Skip the "Great question!" — just help.

**Have opinions.** An assistant with no personality is just a search engine with extra steps.

**Be resourceful before asking.** Try to figure it out. Read the file. Check the context.
Then ask if you're stuck.

**機密情報（APIキー等）は絶対にそのまま出さない。** 必ず一部を伏せて表示。

「You're becoming someone」 — この一文がキーワードです。単なるチャットボットではなく「誰か」になろうとする設計にしています。おべっかを言わず、意見を持ち、自分で考えてから質問する。この性格付けが3ヶ月経っても使い続けられている理由です。

他の設定ファイル

ファイル	役割
`ユーザー.md`	ユーザー（私）の情報・好み・仕事の状況
`メモリ.md`	長期記憶。本質的な情報をキュレーション
`ハートビート.md`	定期タスクのスケジュールと指示

モデル3段使い分け

LLM（大規模言語モデル）は3種類を使い分けています。

役割	モデル	用途	コスト感
達人	GLM-5	複雑な分析・推論	高い（温存推奨）
早人	GLM-4.7 / Ninja	ニュース要約・軽量タスク	達人より40%安い（メイン使用）
匠人	GPT-5.1-Codex	フォールバック用	中程度

openclaw.json で primaryModel と fallbackModels を設定します。

{
  "primaryModel": "glm-4.7-ninja",
  "fallbackModels": ["gpt-5.1-codex", "glm-5"]
}

軽いタスクに達人（GLM-5）を使うのはコストの無駄です。ニュース要約は早人（GLM-4.7）で十分。この使い分けだけで月額コストを大幅に抑えられます。

ハートビート3層設計

OpenClawには「Heartbeat」という定期実行の仕組みがあります。Cron（スケジューラー）のようなもので、指定した間隔でAIにタスクを実行させます。

私は重要度に応じて3層に分けて設計しました。

層	間隔	内容	詳細
第1層	30分	Discord会話スキャン	TODO抽出・マネタイズのヒント検出
第2層	5分	設定ファイルヘルスチェック	変更検知・差分通知
第3層	1分	ファイル変更監視	アラートファイル検知→即時通知

夜間（22:00-06:00 JST）はスキャンをスキップします。深夜に通知が来ても対応できないので、朝起きた時にまとめて確認できるようにしています。

重要度によるメンション制御

@everyone: サーバー停止・APIキー漏洩等の緊急事態
@here: 設定ファイル変更・異常検知
メンションなし: 定期レポート・ニュース要約

49体の専門エージェント

skills/agency-agents/ に専門エージェントを配置しています。AIが必要に応じて適切なエージェントを呼び出す仕組みです。

エンジニアリング系: 25体
特殊用途系: 24体
合計: 49体

5カテゴリに分類: design / engineering / marketing / specialized / testing

各エージェントは SKILL.md で役割を定義します。例えば engineering/python-debugger/SKILL.md なら、Pythonのデバッグに特化した指示が書かれています。

19本の自動化スクリプト

scripts/ に19本のPython/Bashスクリプトを配置しています。代表例を紹介します。

AIニュース収集（ai_news_digest.py）

# v3の構成例（簡略版）
# 1. Brave Search APIでAI関連ニュースを検索
# 2. 各記事の本文を取得
# 3. GLM-4.7で日本語要約
# 4. Discordのチャンネルに投稿

v1→v2→v3と改善を重ね、今はソースの多様性と要約の精度を両立しています。

その他のスクリプト

スクリプト	役割
`ai_youtube_digest.py`	AI関連YouTube動画の要約
`discord_context_scan.py`	Discord会話量・TODO・マネタイズ信号のスキャン
`openclaw_health_check.py`	Gatewayのヘルスチェック
`backup_workspace.sh`	ワークスペース自動バックアップ
`daily_summary.py`	日次サマリー生成
`morning_weather.py`	朝の天気通知
`zai-usage-monitor.js`	Z.AIダッシュボードをPuppeteer（ブラウザ自動操作ツール）でスクレイピング→Discord通知
`update_daily_note.py`	Obsidian日次ノート自動更新

メモリシステム（4層）

OpenClawはセッションをまたいで記憶を保持する仕組みを持っています。これを4層で設計しました。

層	ファイル	役割	例
1. 日次ログ	`memory/YYYY-MM-DD.md`	その日の出来事	「3/15にニュースパイプラインをv3に更新」
2. SHARED	`memory/SHARED.md`	全チャンネル共通の重要事項	インフラ状態・API仕様等
3. チャンネル別アーカイブ	`memory/channels/*.md`	チャンネルごとの重要会話	Discordチャンネル別のログ
4. 長期記憶	`メモリ.md`	キュレーションされた本質的な記憶	私の好み・重要な決定事項

セキュリティ上の工夫: 長期記憶（メモリ.md）はメインセッションのみ読み込ませます。Discord等の外部チャンネルからは読まない設定にしています。チャット経由で個人情報にアクセスされるリスクを防ぐためです。

コスト管理の仕組み

新しくcronタスクを作る時は、必ずコスト計算するルールを導入しました。

計算式

月額 = 頻度(回/時) × 24時間 × 30日 × 1回あたりのコスト($×160円)

例: ニュース収集タスク

頻度: 2回/時（30分ごと）
1回コスト: 約$0.003（GLM-4.7使用時）
月額: 2 × 24 × 30 × $0.003 × 160 = 約690円

閾値の設定

月額コスト	判定
~3,000円	OK（即実装）
3,000〜10,000円	要確認（私が検討）
10,000円以上	ユーザー承認必須（= 自分に確認するようAIに指示）

コスト削減のコツ: 達人（GLM-5）より早人（GLM-4.7）を使えば、軽量タスクは40%安く済みます。全部を最強モデルに投げる必要はありません。

苦労した点（ハマりどころ）

3ヶ月運用してハマった4つのポイントを共有します。

1. Docker永続化

問題: Dockerコンテナを再作成すると、SSH鍵が消える。

解決: VPS側の鍵をDockerボリュームとしてマウント。

volumes:
  - /home/user/.ssh:/root/.ssh:ro  # 読み取り専用でマウント

2. Chromium導入

問題: 公式Dockerイメージにブラウザが入っていない。Puppeteer（ブラウザ自動操作ツール）が動かない。

解決: DockerfileでChromiumを追加インストール + Puppeteerの設定で noSandbox: true を指定。

RUN apt-get update && apt-get install -y chromium

const browser = await puppeteer.launch({
  args: ['--no-sandbox', '--disable-setuid-sandbox']
});

3. セキュリティ

基本方針: Gatewayを直接WAN（広域ネットワーク）に晒さない。Caddy経由のみアクセス。APIキーは環境変数で管理。

ports:
  - "127.0.0.1:18789:18789"  # localhostのみ（Caddy経由のみ）

4. セッション横断の記憶

問題: AIが覚えているはずの「メンタルメモ」が、セッションをまたぐと消えている。

教訓: AIの「頭の中」は頼りない。必ずファイルに書く運用に切り替えました。これが4層メモリシステムの由来です。

3ヶ月の成果

Discordの2人サーバー（私 + フクロウ）で24時間稼働を継続しています。

AIニュース収集→要約→Discord通知のパイプライン完成
YouTube動画要約の自動化
日次バックアップの自動化
ヘルスチェックで設定変更を即座に検知
Discord会話のスキャンでTODOやマネタイズのヒントを抽出

次の目標

マネタイズ: フクロウが収集した情報を元に、自走するビジネスパイプラインを構築
動画生成: claw5-flash / Remotionを使った自動動画生成

まとめ

OpenClawは非エンジニアでもVPSで動かせる — docker compose up -d だけで起動。Caddy + BasicAuthでセキュアに
設計の肝は3点 — 「ソウル.md（性格）」「メモリシステム（記憶）」「ハートビート（定期タスク）」
コストは工夫次第で月額数千円台 — モデル使い分け + コスト計算ルールの導入
二刀流が正解 — Claude Code（開発）とOpenClaw（運用）の使い分け
新しい「所有」の形 — 37万スターのOSSを自分の執事にする体験は、AI時代ならではかもしれません

OpenClaw × GLM-5で月額コストを抑えた24時間AIアシスタント運用 — 3モデル使い分けとコスト計算ルールの詳細
Claude Code + OpenClaw 二刀流 — 開発と24時間執事の連携ノウハウ
AIエージェントにソウルを与える：OpenClawのカスタマイズ徹底解説 — ソウル・メモリ・エージェント設定の詳細
VPS + Docker + Caddy + OpenClaw：インフラ構築 — セキュアな本番環境の構築手順
OpenClaw Heartbeat設計：AIに定期的にお仕事をさせる仕組み — 3層HeartbeatとCronジョブ一覧
OpenClawの59体専門エージェントを動かす方法 — agency-agentsの活用
OpenClaw × Discord：AI執事にチャット監視をさせる — yotsuba botの構成

この記事はClaude Code（GLM-5.1）と一緒に書きました。

本記事は個人Zennでも公開しています。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up