技術スタック

完全なコード

#!/usr/bin/env python3 # blog_generator.py import os import json import argparse from datetime import datetime from openai import OpenAI client = OpenAI(api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com") OUTLINE_PROMPT = """あなたはシニア技術ブログ著者です。以下のトピックに対して詳細な記事アウトラインを生成してください。 トピック: {topic} 執筆スタイル: {style} 対象読者: {audience} 5〜8セクションの詳細なアウトラインを生成し、各セクションに2〜3のサブポイントを含めてください。""" ARTICLE_PROMPT = """あなたはシニア技術ブログ著者です。アウトラインに基づいて完全なMarkdown形式のブログ記事を執筆してください。 トピック: {topic} アウトライン: {outline} 執筆スタイル: {style} 対象読者: {audience} 要件: 1. Markdown形式を使用し、適切な見出しレベルを含める 2. コード例を含める（該当する場合） 3. 内容は詳細にし、各セクションは少なくとも150文字 4. 冒頭に魅力的な導入を置く 5. 最後に要約と展望を置く 6. HTMLタグを使用せず、純粋なMarkdown形式""" SERIES_PROMPT = """あなたは技術ブログプランナーです。以下のトピックに対してシリーズ記事の計画を生成してください。 トピック: {topic} シリーズ記事数: {count} JSON配列を生成してください。各要素には以下を含めます: - title: 記事タイトル - slug: URLフレンドリーなタイトル - description: 短い説明（20文字以内） - order: シーケンス番号 JSON配列のみを返し、他の内容は含めないでください。""" def generate_outline(topic, style="技術的な深さ", audience="開発者"): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": OUTLINE_PROMPT.format( topic=topic, style=style, audience=audience )}], temperature=0.7, max_tokens=2048 ) return response.choices[0].message.content def generate_article(topic, outline, style="技術的な深さ", audience="開発者"): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": ARTICLE_PROMPT.format( topic=topic, outline=outline, style=style, audience=audience )}], temperature=0.7, max_tokens=8192 ) return response.choices[0].message.content def generate_series(topic, count=5): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": SERIES_PROMPT.format( topic=topic, count=count )}], temperature=0.7, max_tokens=2048 ) text = response.choices[0].message.content text = text.replace("```json", "").replace("```", "").strip() return json.loads(text) def create_front_matter(title, description, tags, platform="hugo"): date = datetime.now().strftime("%Y-%m-%d") if platform == "hugo": return f"""--- title: "{title}" date: {date} draft: false tags: [{', '.join([f'\"{t}\"' for t in tags])}] description: "{description}" categories: ["技術"] ---""" elif platform == "hexo": return f"""--- title: {title} date: {date} tags: [{', '.join(tags)}] description: {description} ---""" else: return f"""--- title: {title} date: {date} tags: [{', '.join(tags)}] description: {description} ---""" def save_article(content, filename, front_matter=""): full_content = f"{front_matter}\n\n{content}" if front_matter else content os.makedirs("output", exist_ok=True) filepath = os.path.join("output", filename) with open(filepath, "w", encoding="utf-8") as f: f.write(full_content) return filepath def main(): parser = argparse.ArgumentParser(description="DeepSeek Markdown ブログ生成器") parser.add_argument("topic", help="記事のテーマ") parser.add_argument("--style", "-s", default="技術深度", help="執筆スタイル") parser.add_argument("--audience", "-a", default="開発者", help="対象読者") parser.add_argument("--tags", "-t", nargs="+", default=[], help="記事のタグ") parser.add_argument("--platform", "-p", default="hugo", choices=["hugo", "hexo", "jekyll", "vitepress"]) parser.add_argument("--series", type=int, help="シリーズ記事の計画を生成（数量指定）") parser.add_argument("--desc", "-d", default="", help="記事の説明") args = parser.parse_args() if args.series: print(f"「{args.topic}」シリーズ記事の計画を生成中 ({args.series} 件)...") series = generate_series(args.topic, args.series) filepath = save_article(json.dumps(series, ensure_ascii=False, indent=2), "series_plan.json") print(f"シリーズ計画は保存されました: {filepath}") for item in series: print(f" [{item['order']}] {item['title']} - {item['description']}") return print(f"「{args.topic}」のアウトラインを生成中...") outline = generate_outline(args.topic, args.style, args.audience) print("アウトライン:\n" + outline) print(f"\n完全な記事を生成中...") article = generate_article(args.topic, outline, args.style, args.audience) slug = args.topic.lower().replace(" ", "-").replace("/", "-") filename = f"{slug}.md" description = args.desc or f"{args.topic}に関する深い技術記事" tags = args.tags or ["技術", "チュートリアル"] front_matter = create_front_matter(args.topic, description, tags, args.platform) filepath = save_article(article, filename, front_matter) word_count = len(article) print(f"\n記事は保存されました: {filepath}") print(f"文字数: {word_count}") if __name__ == "__main__": main()

実行方法

# 依存関係のインストール pip install openai # 単一記事の生成 python blog_generator.py "Python 异步编程最佳实践" --tags Python 异步 编程 # 執筆スタイルと対象読者の指定 python blog_generator.py "Kubernetes 入门指南" --style "通俗易懂" --audience "运维新手" # シリーズ記事計画の生成 python blog_generator.py "微服务架构设计" --series 5 # ブログプラットフォームの指定 python blog_generator.py "React Hooks 深度解析" --platform hexo

期待される効果

• テーマを入力すると、構造化されたアウトラインと完全なMarkdown記事が自動生成されます
• SEOに適したfront matter（Hugo/Hexo/Jekyll/VitePress）を自動生成
• シリーズ記事の計画をサポートし、複数記事のテーマと説明を一度に生成
• 記事にはコード例、導入、まとめなどの完全な構造が含まれます

技術スタック

完全なコード

#!/usr/bin/env python3 # email_reply.py import os import imaplib import smtplib import email from email.mime.text import MIMEText from email.header import decode_header from openai import OpenAI client = OpenAI(api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com") # メール設定 IMAP_SERVER = os.getenv("IMAP_SERVER", "imap.gmail.com") IMAP_PORT = int(os.getenv("IMAP_PORT", "993")) SMTP_SERVER = os.getenv("SMTP_SERVER", "smtp.gmail.com") SMTP_PORT = int(os.getenv("SMTP_PORT", "587")) EMAIL_USER = os.getenv("EMAIL_USER") EMAIL_PASS = os.getenv("EMAIL_PASS") REPLY_TEMPLATES = { "製品問い合わせ": """お問い合わせありがとうございます！{product} についての詳細は以下の通りです： {details} その他のご質問がございましたら、お気軽にご連絡ください。""", "アフターサポート": """アフターサポートにご連絡いただきありがとうございます。ご報告いただいた問題について、以下のことをお勧めします： {solution} さらにサポートが必要な場合は、詳細情報をご提供ください。""", "ビジネス協力": """協力の意向をお寄せいただきありがとうございます！ぜひさらに詳しくお話しさせていただきたいと思います。 {response} ご協力のほど楽しみにしております！""", "その他": """メールをお送りいただきありがとうございます。 {response} よろしくお願いいたします！""" } CLASSIFY_PROMPT = """あなたはメール分類アシスタントです。以下のメールを次のカテゴリのいずれかに分類してください： - 製品問い合わせ：製品機能、価格、使用方法についての質問 - アフターサポート：苦情、障害報告、返品・交換 - ビジネス協力：協力意向、ビジネス交渉 - スパムメール：広告、詐欺、無関係な内容 - その他：分類できないメール カテゴリ名のみを返してください。他の内容は不要です。 メール件名：{subject} メール本文：{body}""" REPLY_PROMPT = """あなたはプロのメール返信アシスタントです。以下のメールに対する返信を生成してください。 メールカテゴリ：{category} メール件名：{subject} メール本文：{body} 返信テンプレート： {template} テンプレートの変数を埋める具体的な返信内容を生成してください。要件： 1. 専門的で、礼儀正しく、簡潔な返信 2. メール内の具体的な質問に対して実質的な回答を提供 3. メールの情報が不十分な場合は、必要な追加情報を積極的に尋ねる テンプレートを埋めるために必要な変数を含むJSON形式で返してください： {{"product": "...", "details": "...", "solution": "...", "response": "..."}}""" def decode_email_header(header): if not header: return "" decoded_parts = decode_header(header) subject = "" for part, charset in decoded_parts: if isinstance(part, bytes): subject += part.decode(charset or "utf-8", errors="ignore") else: subject += str(part) return subject def get_email_body(msg): body = "" if msg.is_multipart(): for part in msg.walk(): content_type = part.get_content_type() if content_type == "text/plain": try: body = part.get_payload(decode=True).decode("utf-8", errors="ignore") except: body = str(part.get_payload()) break else: try: body = msg.get_payload(decode=True).decode("utf-8", errors="ignore") except: body = str(msg.get_payload()) return body[:3000] def fetch_unread_emails(limit=10): mail = imaplib.IMAP4_SSL(IMAP_SERVER, IMAP_PORT) mail.login(EMAIL_USER, EMAIL_PASS) mail.select("inbox") _, data = mail.search(None, "UNSEEN") email_ids = data[0].split()[-limit:] emails = [] for eid in email_ids: _, msg_data = mail.fetch(eid, "(RFC822)") msg = email.message_from_bytes(msg_data[0][1]) subject = decode_email_header(msg["Subject"]) sender = msg["From"] body = get_email_body(msg) emails.append({"id": eid.decode(), "subject": subject, "sender": sender, "body": body}) mail.logout() return emails def classify_email(subject, body): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": CLASSIFY_PROMPT.format( subject=subject[:200], body=body[:2000] )}], temperature=0.1, max_tokens=50 ) return response.choices[0].message.content.strip() def generate_reply(category, subject, body): template = REPLY_TEMPLATES.get(category, REPLY_TEMPLATES["その他"]) response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": REPLY_PROMPT.format( category=category, subject=subject[:200], body=body[:2000], template=template )}], temperature=0.3, max_tokens=2048 ) import json try: text = response.choices[0].message.content text = text.replace("```json", "").replace("```", "").strip() vars_dict = json.loads(text) except: vars_dict = {"response": "メールを受け取りました。できるだけ早く返信いたします。"} return template.format(**{k: v for k, v in vars_dict.items() if k in template}) def send_reply(to_address, subject, body): msg = MIMEText(body, "plain", "utf-8") msg["Subject"] = f"Re: {subject}" msg["From"] = EMAIL_USER msg["To"] = to_address server = smtplib.SMTP(SMTP_SERVER, SMTP_PORT) server.starttls() server.login(EMAIL_USER, EMAIL_PASS) server.send_message(msg) server.quit() print(f"返信を送信しました: {to_address}") def main(): print("未読メールを確認中...") emails = fetch_unread_emails() if not emails: print("未読メールはありません") return print(f"未読メールが {len(emails)} 件見つかりました\n") for i, mail in enumerate(emails): print(f"\n{'='*50}") print(f"[{i+1}/{len(emails)}] 送信者: {mail['sender']}") print(f"件名: {mail['subject']}") category = classify_email(mail["subject"], mail["body"]) if category == "スパムメール": print(f"分類: {category} (スキップ)") continue print(f"分類: {category}") reply = generate_reply(category, mail["subject"], mail["body"]) print(f"\n生成された返信:\n{reply}") choice = input("\nこの返信を送信しますか? (y=送信 / n=スキップ / e=編集): ").strip().lower() if choice == "y": send_reply(mail["sender"], mail["subject"], reply) elif choice == "e": custom_reply = input("返信内容を入力してください: ") if custom_reply.strip(): send_reply(mail["sender"], mail["subject"], custom_reply) print("カスタム返信を送信しました") else: print("スキップしました") if __name__ == "__main__": if not EMAIL_USER or not EMAIL_PASS: print("環境変数 EMAIL_USER と EMAIL_PASS を設定してください") print("Gmailの場合は、アプリ固有のパスワードを使用する必要があります") exit(1) main()

実行方法

# 依存関係のインストール pip install openai

環境変数の設定（Gmail の例）

export EMAIL_USER="your-email@gmail.com"
export EMAIL_PASS="your-app-password"
export IMAP_SERVER="imap.gmail.com"
export SMTP_SERVER="smtp.gmail.com"

# 実行
python email_reply.py

期待される効果

• 未読メールを自動検出し、分類（製品問い合わせ/アフターサービス/ビジネス/スパム）
• 分類に応じたテンプレートでプロフェッショナルな返信を生成
• 人間による確認ステップ：送信前に確認、カスタム返信の編集をサポート
• スパムメールを自動フィルタリングし、処理効率を向上

技術スタック

完全なコード

# resume_optimizer.py import os import streamlit as st import fitz from openai import OpenAI client = OpenAI(api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com") ANALYZE_PROMPT = """あなたはシニアHRおよび履歴書最適化の専門家です。以下の履歴書と職務記述書のマッチ度を分析してください。 履歴書の内容： {resume} 職務記述書： {jd} 以下の観点から分析し、JSON形式で結果を提供してください： 1. スキルのマッチ度（0-100%） 2. 経験のマッチ度（0-100%） 3. 総合マッチ度（0-100%） 4. マッチしたスキルのリスト 5. 不足しているスキルのリスト 6. 履歴書の長所（3〜5項目） 7. 履歴書の改善提案（3〜5項目） 8. ATS最適化の提案（3〜5項目） JSON形式で返してください： {{ "skill_match": 数値, "experience_match": 数値, "overall_match": 数値, "matched_skills": ["スキル1", "スキル2"], "missing_skills": ["スキル1", "スキル2"], "strengths": ["長所1", "長所2"], "improvements": ["提案1", "提案2"], "ats_suggestions": ["提案1", "提案2"] }}""" OPTIMIZE_PROMPT = """あなたはシニア履歴書最適化の専門家です。以下の分析と提案に基づいて、履歴書の内容を最適化してください。 元の履歴書： {resume} 職務記述書： {jd} マッチ分析： {analysis} 最適化の要件： 1. JDにマッチするスキルと経験を強調する 2. 業界キーワードを使用する（ATSフレンドリー） 3. 成果を定量化する（数字とパーセンテージを使用） 4. 元の履歴書の事実情報を保持し、経験を捏造しない 5. 表現とレイアウト構造を最適化する 最適化された完全な履歴書を出力してください。""" def extract_pdf_text(pdf_file): doc = fitz.open(stream=pdf_file.read(), filetype="pdf") text = "" for page in doc: text += page.get_text() return text def analyze_resume(resume_text, jd_text): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": ANALYZE_PROMPT.format( resume=resume_text[:5000], jd=jd_text[:3000] )}], temperature=0.1, max_tokens=2048 ) import json content = response.choices[0].message.content content = content.replace("```json", "").replace("```", "").strip() return json.loads(content) def optimize_resume(resume_text, jd_text, analysis): response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": OPTIMIZE_PROMPT.format( resume=resume_text[:5000], jd=jd_text[:3000], analysis=json.dumps(analysis, ensure_ascii=False, indent=2) )}], temperature=0.3, max_tokens=4096 ) return response.choices[0].message.content st.set_page_config(page_title="DeepSeek 履歴書最適化", layout="wide") st.title("DeepSeek 履歴書最適化ツール") col1, col2 = st.columns(2) with col1: st.subheader("履歴書をアップロード")