Claude Code × Pythonの「役割分担」設計術｜トークン代を半分にした実装パターン

Q: Claude Codeに全部やらせていた頃の話

「AIに全部やらせれば楽じゃん」

Q: 3フェーズ設計の技術的な中身

# brain_content.py の構成（778行） # - 30以上のRSSフィードを巡回 # - feedparserでパース（無料のPythonライブラリ） # - キーワードマッチングで17テーマに自動分類 # - URL照合で重複排除 # - 結果をraw_news.jsonに保存このスクリプトはmacOSのlaunchdで定時実行されます。朝7時、昼12時、夜20時の3回。Pythonが起動し、数秒で処理が終わり、結果をJSONに吐き出して終了。

Claude Codeに全部やらせていた頃の話

「AIに全部やらせれば楽じゃん」

私もそう思っていました。ニュースの収集、記事の執筆、サイトの更新。全部Claude Codeに任せれば、寝ている間に仕事が終わる。

実際にやってみました。Claude Codeにニュース収集を1日7回やらせ、毎回WebSearchで情報を探させ、記事を生成させ、デプロイまで一気通貫。

結果、動きました。ちゃんと動きました。

ただ、1つ問題がありました。トークン消費が想定の2倍以上だったのです。

冷静に考えれば当たり前です。RSSフィードの巡回なんて、同じURLを同じ形式で叩くだけ。判断力は要りません。それなのに毎回Claude Codeを起動し、WebSearchでニュースを探させていた。

高級シェフに皿洗いをさせていたようなものです。

判断基準はたった1つ。「ロジックが固定か、毎回判断が要るか」

この失敗から見つけた使い分けの原則は、驚くほどシンプルです。

ロジックが固定 → Python。毎回判断が変わる → Claude Code。

たとえば、RSSフィードからニュースを取得する処理。URLは決まっている。パース方法も決まっている。重複排除のロジックも決まっている。これは「固定ロジック」です。Pythonで書けば、トークン消費ゼロで動きます。

一方、「このニュースは面白いか？」「どういう角度で記事にするか？」「どのチャネルで配信するか？」。これは毎回答えが変わります。文脈を読み、判断する必要がある。これはClaude Codeの仕事です。

Pythonに任せるもの（固定ロジック）

RSS/APIからのデータ収集
CSV/JSONの整形・集計・フィルタリング
ファイルの一括リネーム・移動・変換
定時実行（launchd/cron）
重複排除・テーマ分類（キーワードマッチング）

Claude Codeに任せるもの（判断が必要）

「どのニュースが重要か」の選別
記事・投稿文の生成
複数ファイル横断の編集
「今日何をやるべきか」の優先度判断
新しいワークフローの設計・試行錯誤

実際に作ったパイプラインの全体像

この原則で、私のニュース自動配信パイプラインを再設計しました。

Before：Claude Code単独（1日7回起動）

Claude Code (WebSearch) → 記事生成 → デプロイ × 7回/日

毎回WebSearchでニュースを探すところからClaude Codeがやっていました。同じフィードを毎回探し直す。無駄です。

After：Python + Claude Codeの3フェーズ（1日3回起動）

Phase 1: Python（トークン0）
  RSS収集 → テーマ自動分類 → 重複排除 → raw_news.json

Phase 2: Claude Code（判断のみ）
  raw_news.json読み → ランキング → 角度決定 → atoms.csv転記

Phase 3: Claude Code（生成のみ）
  新規atoms → 記事JSON生成 → サイトビルド → デプロイ → git push

Phase 1が全ての鍵です。 Pythonスクリプト（778行）がRSSフィードを巡回し、テーマを自動分類し、重複を排除します。この処理にトークンは1つも使いません。

Claude Codeが起動するのはPhase 2から。しかも、Pythonが整理済みのデータを「読むだけ」です。WebSearchで探し回る必要がない。

結果として、1日7回の起動が3回に減り、各回のトークン消費も大幅に減りました。

3フェーズ設計の技術的な中身

Phase 1：Python（データ収集 + 前処理）

# brain_content.py の構成（778行）
# - 30以上のRSSフィードを巡回
# - feedparserでパース（無料のPythonライブラリ）
# - キーワードマッチングで17テーマに自動分類
# - URL照合で重複排除
# - 結果をraw_news.jsonに保存

このスクリプトはmacOSのlaunchdで定時実行されます。朝7時、昼12時、夜20時の3回。Pythonが起動し、数秒で処理が終わり、結果をJSONに吐き出して終了。

ポイントは「Pythonにやらせる仕事を増やすほど、Claude Codeの起動回数が減る」という構造です。

Phase 2：Claude Code（選別 + 判断）

Pythonが吐いたraw_news.jsonを読み、S/A/B/Cランクの重要度判定、読者に刺さる角度の決定、ネタDBへの転記判断を行います。

ここはClaude Codeでなければできません。「この研究は、自分の読者の課題と接続できるか？」——こういう判断はPythonには無理です。

Phase 3：Claude Code（生成 + デプロイ）

選別されたネタから記事JSONを生成し、事実確認、炎上リスクチェックを通し、HTMLに変換してデプロイします。記事のニュアンスを整え、事実を検証し、適切なトーンで書く。固定ロジックでは対応できない領域です。

シェルスクリプトが「橋渡し役」になる

PythonとClaude Codeをつなぐのは、シンプルなシェルスクリプトです。

# ai-news-collect.sh（簡略版）

# Phase 1: Python（トークン0）
python3 brain_content.py rss --days 1

# ニュースが0件なら終了
if [ "$NEWS_COUNT" -eq 0 ]; then exit 0; fi

# Phase 2: Claude Code（判断）
claude -p "raw_news.jsonを読んでランキング"

# Phase 3: Claude Code（生成 + デプロイ）
claude -p "新規atomsからGuide投稿を生成"

シェルスクリプトの役割は3つです。

ゲートキーパー: Pythonの結果が0件ならClaude Codeを起動しない
コンテキスト分離: Phase 2とPhase 3を別セッションにする
ログ管理: 各フェーズの開始・終了を記録し、問題の切り分けを容易にする

この設計で得られた具体的な効果

トークン消費の変化

1日7回のWebSearch込みフル起動から、1日3回の整理済みデータ読みに変わり、体感で半分以下になりました。

アウトプットの変化

ネタDBを中央ハブにしたことで、1つのネタからSEO記事・X投稿・note記事・Instagram投稿にも展開できるようになりました。

信頼性の変化

Pythonが「確実に情報を集める」、Claude Codeが「的確に判断する」。それぞれの強みが活きる設計です。

あなたが今日できること

「全部Claude Codeでやっている作業」を1つ思い浮かべてください。その中に「毎回同じ手順」の部分はありませんか？

あれば、それをPythonに切り出す。たったそれだけで、Claude Codeの起動回数が減り、トークン代が下がり、処理速度が上がります。

Claude Codeに「この作業をPythonスクリプトにして」と頼む
そのPythonスクリプトをcron/launchdで定時実行する
結果をJSONやCSVに吐き出す
Claude Codeはそのファイルを読むところから始める

Claude Codeは優秀なシェフです。でもシェフに皿洗いはさせない。仕込みはPythonに任せて、Claude Codeには「味付け」に集中してもらう。

それが、私がたどり着いた最適解です。