1. はじめに：記事自動化システムを4時間で作りました

「初心者向けの記事で、最近どんな記事が読まれているのか」を定期的にキャッチアップしたいと思い、完全自動でランキングを更新する仕組みを作りました。

【実装したこと】

Qiita APIから「初心者」タグの記事を取得
直近1週間のいいね数を集計してTOP10をランキング化
Gemini APIで各記事を「一言要約」
Markdownを自動生成し、GitHub Actionsで定期実行・Qiitaを自動更新

実際の記事はこちら：

GitHub：

2. 実は「GitもActionsもAPIも」ほぼ未経験だった

今回の実装で使った以下の技術は、着手時点で実務レベルで触ったことがありませんでした。

Git / GitHub
GitHub Actions
Qiita API

「必要になったから調べながら作る」スタイルで進め、調査開始から約4時間後には本番処理が走り、自動更新されるところまで到達しました。

3. 4時間のタイムラインとシステム構成

爆速で完成させるまでの流れは以下の通りです。

0:00  完成系のイメージを固める
0:10  Gitの基本コマンドをキャッチアップ
0:30  Qiita APIの仕様を調査
0:40  Qiita記事取得・ランキング生成
1:00  Gemini APIによる要約を追加
1:30  GitHub Actionsで自動実行
1:50  エラー修正・出力調整
3:00  本番実行・動作確認
4:00  最終調整・ブラッシュアップ

【システム構成】

 ┌───────────────────────────┐
 │ GitHub Actions (定期実行)  │
 └─────────────┬─────────────┘
               ▼
 ┌───────────────────────────┐
 │ Qiita API: 記事取得＆集計   │
 └─────────────┬─────────────┘
               ▼
 ┌───────────────────────────┐
 │ Gemini API: 要約＆MD生成    │
 └─────────────┬─────────────┘
               ▼
 ┌───────────────────────────┐
 │ Qiita API: 記事を自動更新   │
 └───────────────────────────┘

4. こだわりポイント：AIとプログラムの役割分担

ランキングの集計やデータ取得といった「決定的な処理」は通常のプログラムで行い、「この記事は結局何の記事なのか？」という「自然言語の解釈」はLLM（Gemini API）に任せました。

すべてをAIに丸投げするのではなく、適材適所で役割を分けることで、安定性と利便性を両立させています。

5. 開発中にハマった2つの壁と教訓

AIを活用して高速でコードを書いても、実環境でのデバッグにはやはり時間がかかりました。特に苦労した点と得られた教訓です。

① APIの `429 Too Many Requests` との戦い

開発中、APIのレート制限に引っかかり処理が止まることが多発しました。闇雲に再実行するとトークンも時間も消費してしまいます。

💡 得た教訓：
AIを使った高速開発だからこそ「適切なログ出力」が命。どこまで進み、どんなエラーが返ってきたかを可視化することで、原因特定が劇的に早くなりました。

② 手元では動くのにGitHub Actionsで動かない

ローカルでは完璧に動いたコードが、本番（Actions）でコケる現象に遭遇。原因は恐らくはGitHub側のSecret Keyの設定不備でしたが、その切り分けと本番環境でのループ実行の検証にかなり時間を費やしました。

💡 得た教訓：
外部APIやActionsが絡む構成では「手元で動いた＝完成」ではありません。本番実行をデバッグ手段にしないよう、「APIをモックした小さなテスト」を用意することの重要性を痛感しました。

6. おわりに

未経験の技術が複数あっても、AIのサポートと「とりあえず動かす」精神があれば、たった数時間で実用的な自動化ツールをデプロイできる時代になりました。

次回はファインチューニングについて理解を深めたいので題材を探して実装します。