About

GitHub ActionsとClaude APIで構築する自動化ドイツ語学習システム

🎯 プロジェクト概要

A2レベルのドイツ語学習者向けに、毎日300語の記事生成、多言語解説、音声合成を完全自動化するシステムを構築しました。120日間で1,500語のA2語彙を確実にカバーする設計になっています。

技術スタック

• CI/CD: GitHub Actions
• LLM: Anthropic Claude 3.5 Sonnet
• TTS: Google Cloud Text-to-Speech
• データ管理: JSON + Git
• デプロイ: GitHub Pages

🏗️ システムアーキテクチャ

ワークフロー設計

# 文章生成ワークフロー (generate-content.yml)
on:
  schedule:
    - cron: '0 9 * * *'  # 毎日UTC 9時実行
  workflow_dispatch:     # 手動実行可能

# 音声生成ワークフロー (generate-audio.yml)
on:
  push:
    paths: ['blog/**']   # ブログ記事更新時にトリガー

データフロー

graph LR
    A[GitHub Actions Scheduler] --> B[Claude API]
    B --> C[語彙管理システム]
    C --> D[ドイツ語記事生成]
    D --> E[多言語解説生成]
    E --> F[Google Cloud TTS]
    F --> G[GitHub Pages Deploy]

💾 語彙管理アルゴリズム

重複回避システム

3段階フィルタリングで語彙の多様性を確保：

def generate_avoid_list(self):
    total_days = len(self.used_words)
    target_pace = 1500 / 120  # 12.5語/日
    current_pace = words_learned / total_days

    # 動的閾値調整
    if current_pace < target_pace * 0.8:
        frequency_threshold = 4  # 新語彙優先
        recent_days = 3
    elif current_pace > target_pace * 1.2:
        frequency_threshold = 2  # 復習重視
        recent_days = 14
    else:
        frequency_threshold = 3  # バランス
        recent_days = 7

    # 3段階フィルタ
    overused = self.get_overused_words(threshold=frequency_threshold)
    recent = self.get_recent_words(days=recent_days)
    unlearned_a2 = set(target_words) - set(learned_words)

    return list((overused | recent) - unlearned_a2)

A2語彙カバレッジ追跡

# 1,500語のA2語彙データベース
a2_words = {
    "family": ["familie", "mutter", "vater", ...],
    "food": ["essen", "trinken", "brot", ...],
    "work": ["arbeit", "beruf", "büro", ...],
    # 11カテゴリ × 平均136語
}

# リアルタイム進捗計算
progress = len(learned_words) / 1500 * 100
estimated_days = remaining_words / daily_pace

🤖 LLM プロンプトエンジニアリング

コンテキスト最適化

prompt = f"""Schreibe einen interessanten deutschen Text zum Thema "{topic}".

Anforderungen:
- Genau 300 Wörter
- Niveau: A2 (Grundlegendes Deutsch)
- ZIEL: Neue A2-Vokabeln (Fortschritt: {words_learned}/{target_words})

Vermeide diese bereits verwendeten Wörter:
{', '.join(avoid_words[:60])}

STRATEGISCHES ZIEL: 1.500 A2-Wörter in 120 Tagen."""

ポイント:

• 明確な制約設定（語数、レベル、回避語彙）
• 進捗状況の文脈提供
• 戦略的目標の明示

🔄 多言語コンテンツ生成

連鎖的API呼び出し

# 1. ドイツ語記事生成
german_content = claude_api.generate(german_prompt)

# 2. 日本語解説生成
japanese_explanation = claude_api.generate(
    f"Create Japanese explanation for: {german_content}"
)

# 3. 英語解説生成
english_explanation = claude_api.generate(
    f"Create English explanation for: {german_content}"
)

ファイル命名規則

blog/
├── 2025-06-15.md       # ドイツ語記事
├── 2025-06-15-jp.md    # 日本語解説
└── 2025-06-15.mp3      # 音声（assets/audio/）

🎵 音声合成パイプライン

コンテンツフィルタリング

# メインドイツ語記事のみを音声化
if (filename.endswith('-jp.md') or
    'weekly' in filename.lower()):
    continue

# YYYY-MM-DD.mdパターンのみ処理
if re.match(r'^\d{4}-\d{2}-\d{2}\.md$', filename):
    process_for_audio(file_path)

音声品質最適化

GERMAN_VOICES = [
    {"name": "de-DE-Standard-A", "gender": FEMALE},
    {"name": "de-DE-Wavenet-B", "gender": MALE},
    # ランダム選択で音声の多様性確保
]

📊 パフォーマンス指標

API コスト効率

月間運用コスト: 約$1.20

API	使用量/日	月間コスト
Claude (入力)	600トークン	$0.054
Claude (出力)	2,400トークン	$1.08
Google TTS	1,800文字	$0 (無料枠)

システム効率

• 語彙カバレッジ: 1,500語/120日 = 12.5語/日
• 実行時間: 約3-4分/日
• 成功率: 99%+ (エラーハンドリング実装済み)

🔧 技術的課題と解決策

1. YAML構文エラー

問題: 複雑なPythonスクリプト埋め込み時の構文エラー 解決: HERE文書とエスケープ処理の統一

2. API レート制限

問題: Claude API の同時リクエスト制限 解決: 順次実行とexponential backoff実装

3. 語彙重複の課題

問題: 自然言語生成での語彙制御の困難 解決: 動的閾値調整と戦略的プロンプト設計

🚀 スケーラビリティ

水平拡張の可能性

# 多言語対応拡張
SUPPORTED_LANGUAGES = {
    'french': {'level': 'A2', 'target_words': 1500},
    'spanish': {'level': 'A2', 'target_words': 1500},
    'italian': {'level': 'A2', 'target_words': 1500}
}

# 難易度レベル拡張
DIFFICULTY_PROGRESSION = ['A1', 'A2', 'B1', 'B2', 'C1']

インフラ最適化

• セルフホストランナー: 大規模運用時のコスト削減
• キャッシュ戦略: API呼び出し結果のキャッシュ
• バッチ処理: 複数日分の一括生成

🔍 監視とログ

GitHub Actions メトリクス

print(f"📊 A2 Progress: {words_learned}/{total_target} ({progress}%)")
print(f"⏱️ Estimated completion: {estimated_days} days")
print(f"🎯 Daily pace: {daily_pace:.1f} words/day")

エラートラッキング

try:
    content = claude_api.generate(prompt)
except Exception as e:
    print(f"❌ Claude API Error: {e}")
    # フォールバック処理

💡 応用可能性

教育技術への展開

• 適応学習: 個人の学習進度に応じた難易度調整
• マイクロラーニング: 短時間集中学習コンテンツ
• 多感覚学習: テキスト + 音声 + 画像の統合

企業研修システム

• 専門用語学習: 業界特化語彙の体系的習得
• プログレッシブ学習: 段階的スキルアップ
• 自動評価: 理解度テストの自動生成

🔗 技術リソース

• リポジトリ: GitHub
• API ドキュメント: Anthropic, Google Cloud TTS
• 実装例: 完全なソースコードをオープンソースで公開

---

このシステムは “教育 × AI × 自動化” の実践例として、他の学習領域にも応用可能なスケーラブルなアーキテクチャを提案しています。