Claude AI を本番運用の「デバッグ相棒」にする — ログ要約・原因仮説・再現コードを作らせる実践設計

ログ要約プロンプトの設計

最初の道具は、ログ要約専用のプロンプトです。生のログをそのまま投げるのではなく、Claude に「読みやすく構造化して、次のアクションに繋げやすい形にしてもらう」のが目的になります。

何を解決するコードか — エラーログを「タイムライン形式の症状サマリー」に変換し、次の仮説生成プロンプトにそのまま渡せる中間表現を作ります。

# log_summarizer.py
import anthropic
import json
 
client = anthropic.Anthropic()
 
LOG_SUMMARY_SYSTEM = """あなたは本番運用のシニアSREです。
ログを読み、以下のJSON形式で構造化サマリーを返してください。
 
出力形式（厳守）:
{
  "incident_window": "発生時刻のISO8601範囲",
  "primary_error": "最も頻度の高い、または最初に出たエラーの1行説明",
  "error_chain": [{"timestamp": "...", "service": "...", "message": "..."}, ...],
  "affected_users": "影響範囲の推定(unknownでも可)",
  "deduped_count": {"error_signature": 件数},
  "first_questions": ["人間が次に確認すべき質問を最大3つ"]
}
 
ルール:
- スタックトレースは最初の3フレームだけ抜粋
- PII(メール・トークン・氏名)が見えたら[REDACTED]に置換
- 確信が持てないフィールドは "unknown" を入れる(空文字列禁止)
"""
 
def summarize_logs(raw_logs: str) -> dict:
    """生ログを構造化サマリーに変換"""
    try:
        msg = client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=2000,
            system=LOG_SUMMARY_SYSTEM,
            messages=[{"role": "user", "content": raw_logs}],
        )
        # Claudeはたまにコードフェンスで囲むので除去
        text = msg.content[0].text.strip()
        if text.startswith("```"):
            text = text.split("```")[1]
            if text.startswith("json"):
                text = text[4:]
        return json.loads(text)
    except json.JSONDecodeError as e:
        # 失敗時は素の文字列を返してフォールバック
        return {"_raw": msg.content[0].text, "_parse_error": str(e)}
    except anthropic.APIError as e:
        return {"_api_error": str(e)}
 
# 期待する出力例
# {
#   "incident_window": "2026-04-29T02:14:00Z/2026-04-29T02:18:00Z",
#   "primary_error": "Stripe webhook signature verification failed",
#   "error_chain": [...],
#   "affected_users": "estimated 12 paid users",
#   "deduped_count": {"InvalidSignature": 47, "TimeoutError": 3},
#   "first_questions": [
#     "STRIPE_WEBHOOK_SECRET が直近のデプロイで変更されたか",
#     "リクエストの timestamp ヘッダが現在時刻から大きくズレていないか",
#     "Cloudflare 側で本文の改変が起きていないか"
#   ]
# }

なぜ JSON で返させるかというと、後続のプロンプトに機械的に渡せるからです。自然文のまま受け取ると、毎回フォーマットが揺れて自動連携が壊れます。first_questions を 3 個に制限しているのは、人間が一度に処理できる仮説の数を意識しているからです。10個出されても結局上から3つしか追いません。

スタックトレースを最初の3フレームに絞るのは、長すぎるコンテキストが Claude の精度を下げるのを防ぐためです。本当にスタックの奥が問題のときは、後段の検証フェーズで追加で渡します。

原因仮説の生成と検証 — Hypothesis-Driven プロンプト

要約サマリーが手に入ったら、次は仮説生成です。ここで重要なのは「リストを並べて終わり」ではなく、「各仮説に対する確認方法」までセットで返してもらうことです。

何を解決するコードか — 構造化サマリーを入力に、優先度付きの仮説リストと、それぞれを確認するためのコマンドや確認手順を生成します。

# hypothesis_generator.py
import anthropic
import json
 
client = anthropic.Anthropic()
 
HYPOTHESIS_SYSTEM = """あなたは本番障害の一次対応に強いシニアエンジニアです。
構造化されたインシデントサマリーを入力に、原因仮説を出してください。
 
出力形式(JSON):
{
  "hypotheses": [
    {
      "id": "h1",
      "summary": "1行の仮説",
      "likelihood": "high|medium|low",
      "evidence_in_logs": ["サマリー内のどの記述が根拠か"],
      "verification": {
        "type": "command|query|manual",
        "action": "実行すべきコマンドまたは確認手順",
        "expected_if_true": "この仮説が正しければ何が見えるか"
      },
      "rollback_safe": true
    }
  ],
  "recommended_first": "h1",
  "do_not_jump_to": "ただちに本番DBを触る・ロールバックを連打する等の禁忌があれば明記"
}
 
ルール:
- 仮説は最大4つまで
- 各仮説は独立に検証可能であること
- 検証コマンドはreadOnlyを優先(本番DBに書き込まない)
- データ削除や migration を含む対応は rollback_safe: false にする
"""
 
def generate_hypotheses(summary: dict, app_context: str) -> dict:
    user_msg = f"""# アプリのコンテキスト
{app_context}
 
# インシデントサマリー
{json.dumps(summary, ensure_ascii=False, indent=2)}
 
このインシデントの一次対応として、確認すべき仮説をJSONで返してください。
"""
    msg = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=2500,
        system=HYPOTHESIS_SYSTEM,
        messages=[{"role": "user", "content": user_msg}],
    )
    text = msg.content[0].text.strip()
    if text.startswith("```"):
        text = text.split("```")[1]
        if text.startswith("json"):
            text = text[4:]
    return json.loads(text)

このプロンプトの肝は verification.type を command|query|manual に分けたことです。Claude は油断すると「DBを直接書き換えてください」のような危険な指示を平気で出してきます。型を区切ることで、人間が「これは command だから自動実行できる」「これは manual だから自分で確認」と判別しやすくなります。

do_not_jump_to というフィールドを設けたのも、深夜の眠い頭で「とりあえずロールバック」をやって被害を広げるのを防ぐためです。私は実際にこれで一度救われました。Claude が「DB の migration を含むコミットなので、ロールバックすると整合性が壊れる可能性があります」と教えてくれたのです。

再現用最小コードの自動生成 — repro-script プロンプト

仮説の中で一つ怪しいものが絞れたら、最小再現コードを Claude に書かせます。これがあると、ローカルで仮説を検証できるので、本番をいじらずに済みます。

何を解決するコードか — 仮説1つを入力に、ローカルで実行できる最小スクリプトと、想定される実行結果を生成します。

# repro_generator.py
import anthropic
 
client = anthropic.Anthropic()
 
REPRO_SYSTEM = """あなたは本番障害の再現コードを書く専門家です。
仮説を入力に、ローカルで実行可能な最小再現スクリプトを生成してください。
 
出力形式:
1. ## 前提
   実行に必要な環境変数・依存パッケージ
2. ## 再現コード
   ```python (またはshellなど) のコードフェンス
3. ## 想定される出力
   仮説が正しい場合・正しくない場合のそれぞれ
4. ## 安全性
   このスクリプトが本番に影響しない理由(または影響する場合の警告)
 
ルール:
- 本番DBに書き込まない(read-onlyまたはローカルの再現環境を使う)
- 外部APIを叩く場合は、最小回数(1〜3回)に絞る
- 必要ならMockサーバーを立てる手順も含める
"""
 
def generate_repro(hypothesis: dict, tech_stack: str) -> str:
    user_msg = f"""# 技術スタック
{tech_stack}
 
# 検証したい仮説
{hypothesis}
 
ローカルで再現できる最小スクリプトを書いてください。
"""
    msg = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=3000,
        system=REPRO_SYSTEM,
        messages=[{"role": "user", "content": user_msg}],
    )
    return msg.content[0].text

私が個人開発で使うときは、ここで生成されたスクリプトを scripts/repro/ 配下にそのまま保存しておきます。同じ症状が再発したときに「前にこういうので調べたな」と参照できますし、似たような障害のテストケースを書く下地にもなります。

ちなみに、コード生成の精度をさらに上げたい場合は、技術スタック情報を Claude Projects のナレッジベース に固定しておくと、毎回貼り直さずに済みます。

本番ログを安全に渡すためのマスキングと前処理

ここまで「Claude に渡す」と書いてきましたが、本番ログにはユーザーのメールアドレス、認証トークン、PII が混ざっています。これをそのまま外部APIに送るのは、規約的にもプライバシー的にも避けるべきです。

何を解決するコードか — ログを Claude に渡す前にマスキングする、軽量な前処理パイプラインを実装します。

# log_sanitizer.py
import re
from typing import Pattern
 
# パターンは追加しやすい構造にする
SENSITIVE_PATTERNS: list[tuple[Pattern[str], str]] = [
    # メールアドレス
    (re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}"), "[EMAIL]"),
    # JWT (3セグメント、各セグメントbase64url)
    (re.compile(r"eyJ[A-Za-z0-9_-]+\.[A-Za-z0-9_-]+\.[A-Za-z0-9_-]+"), "[JWT]"),
    # Stripe sk_live / sk_test
    (re.compile(r"sk_(live|test)_[A-Za-z0-9]{16,}"), "[STRIPE_KEY]"),
    # GitHub PAT
    (re.compile(r"ghp_[A-Za-z0-9]{20,}"), "[GH_PAT]"),
    # Anthropic API Key
    (re.compile(r"sk-ant-[A-Za-z0-9_-]{20,}"), "[ANTHROPIC_KEY]"),
    # クレジットカード番号らしき16桁
    (re.compile(r"\b(?:\d[ -]*?){13,19}\b"), "[CC_NUMBER]"),
    # IPv4
    (re.compile(r"\b(?:\d{1,3}\.){3}\d{1,3}\b"), "[IP]"),
]
 
def sanitize_log(log: str, max_lines: int = 300) -> str:
    """ログをマスキングし、行数を制限します"""
    redacted = log
    for pattern, replacement in SENSITIVE_PATTERNS:
        redacted = pattern.sub(replacement, redacted)
 
    # 長すぎるログは前後を残して中央を省略
    lines = redacted.splitlines()
    if len(lines) > max_lines:
        head = lines[: max_lines // 2]
        tail = lines[-max_lines // 2 :]
        skipped = len(lines) - len(head) - len(tail)
        return "\n".join(head + [f"... ({skipped} lines skipped) ..."] + tail)
    return redacted
 
# 簡単なテスト
if __name__ == "__main__":
    sample = """
[2026-04-29T02:14:00Z] ERROR user=alice@example.com token=eyJhbGciOiJIUzI1NiJ9.payload.sig
[2026-04-29T02:14:01Z] Stripe key sk_live_AbCdEf1234567890abcdef leaked!
""".strip()
    print(sanitize_log(sample))
    # 期待出力:
    # [2026-04-29T02:14:00Z] ERROR user=[EMAIL] token=[JWT]
    # [2026-04-29T02:14:01Z] Stripe key [STRIPE_KEY] leaked!

ポイントは、マスキングを「ログを書く時」と「Claude に渡す時」の二重で行うことです。ログ自体にも PII が残らない設計が理想ですが、現実には Stripe の Webhook ログなどで意図せずトークンが残ることがあります。Claude に渡す直前にもう一度この関数を通すことで、二重防御になります。

行数制限を 300 行にしているのは、私の経験則です。これより多いと Claude がログの後半を読み飛ばす確率が上がります。本当に必要なら、要約フェーズで一度コンプレッションしてから次に進ませるのが得策です。

よくある落とし穴と回避パターン

ここからは、私が実際に運用していて遭遇した「やってしまいがちなパターン」と回避策をまとめます。

1. 「とにかく全ログを貼る」をやらない

最初の頃、私は本番ログを丸ごと10万行貼って Claude に投げていました。結果、トークン代が跳ね上がったのに、回答は「色々起きていますね」レベルの粒度。やめましょう。要約フェーズを必ず挟み、生ログは「サマリーを補強する材料」として後段に渡すのが正解です。

2. 仮説を検証せず鵜呑みにしない

Claude の仮説は「ジュニアエンジニアが30秒で考えた1次案」と見なすのが安全です。確かに筋は通っていますが、自分のコードベースの細かい事情までは知りません。verification.action を必ず実行してから判断する癖をつけてください。

3. 「自動修正コミット」までエージェントに任せない

Claude Code でコミットまで任せる運用 は確かに強力ですが、本番障害対応の最初の30分で自動コミットさせるのはお勧めしません。原因が確定する前にコードに手を入れると、後で「あのコミットで状況が変わってしまった」というメタ障害が起きます。診断と修正は明確に分けましょう。

4. ロールバックを安易に勧めさせない

do_not_jump_to フィールドを設けた理由がここです。Claude は過去のログから「直近のデプロイ後に発生」を推定すると、すぐ「ロールバックしては」と提案してきます。しかし、DB マイグレーションが含まれているデプロイは安易にロールバックできません。仮説プロンプトの中で「rollback の安全性」を明示的に判定させると、このリスクを下げられます。

5. ログのコンテキスト境界を曖昧にしない

複数のサービスのログを混ぜて貼るときは、必ずヘッダーで区切ってください。

=== Service: stripe-webhook-worker ===
[2026-04-29T02:14:00Z] ...
 
=== Service: nextjs-app ===
[2026-04-29T02:14:01Z] ...

これがないと、Claude は「どのログがどのサービスのものか」を文脈から推測することになり、誤った因果関係を作り出します。境界を明示することが、推論の質を上げる最低コストの対策です。

実際のSaaSで運用する自動連携パターン

最後に、私が個人で運用している小さな SaaS で、この相棒システムをどう自動化しているかを共有します。

仕組みはシンプルです。Sentry や Cloudflare Logpush から重要なエラーが来たら、Cloudflare Workers のキューに入れて、定期的にバッチでまとめて要約・仮説生成までやらせ、結果を Slack の専用チャンネルに投げます。

擬似コード（Workers の Queue ハンドラ）はこんな具合です。

// queue_handler.ts
export default {
  async queue(batch: MessageBatch<ErrorEvent>, env: Env) {
    const grouped = groupByService(batch.messages);
 
    for (const [service, events] of grouped) {
      const rawLogs = events.map(e => e.body).join("\n");
      const sanitized = sanitizeLog(rawLogs); // log_sanitizerのTS版
      const summary = await summarizeLogs(env.ANTHROPIC_API_KEY, sanitized);
 
      // 仮説までやるのはhigh重要度のみ(コスト管理)
      const isHigh = events.some(e => e.body.includes("CRITICAL"));
      const hypotheses = isHigh
        ? await generateHypotheses(env.ANTHROPIC_API_KEY, summary, APP_CTX)
        : null;
 
      await postToSlack(env.SLACK_WEBHOOK, formatReport(service, summary, hypotheses));
    }
  },
};

ここで使っている Prompt Caching はコスト面で必須です。LOG_SUMMARY_SYSTEM のような長めのシステムプロンプトをキャッシュしておくと、リクエスト1回あたり数千トークン分のコストが下がります。

isHigh で仮説生成を分岐しているのは、全エラーで仮説まで作るとコストが膨らむからです。私の運用では、Slack 通知を見て「これは深掘りしたい」となったら手動で仮説プロンプトを叩く運用にしています。完全自動化は気持ちいいですが、無視されがちなアラートに対しても課金が発生するので、人間のトリガーを残しておくのが現実的です。

実例 — Stripe Webhook タイムアウトの夜

具体的なエピソードを一つ書き残しておきます。数ヶ月前、私が運営している小さな SaaS で、日曜の朝4時頃から Stripe からの Webhook 配信が次々に拒否される現象が起きました。Sentry を見ると、InvalidSignature エラーが約4分の間に50件ほどクラスタリングしていて、それ以外の手がかりはほとんどありませんでした。

このパイプラインがなければ、私はおそらく20分以上、眠い目でログを舐めるように読んでいたと思います。実際にやったことは、生ログのバッチをサニタイザに通し、要約プロンプトを叩き、返ってきた JSON の first_questions を読むだけでした。中身はこんな具合です。

• 「直近のデプロイで STRIPE_WEBHOOK_SECRET が変更されていないか」
• 「リクエストの timestamp ヘッダがサーバ時刻からズレていないか」
• 「Stripe と Worker の間で Body が書き換えられていないか」

3つのうち1つ目はデプロイ履歴を一瞬で確認して除外、2つ目もメトリクスでズレていないことを確認できました。仮説プロンプトは「Cloudflare 側でのボディ変換」を medium で挙げていて、根拠として「直近の Worker ルート変更」を引いていました。これに沿って curl で再現コマンドを叩いたら、想定外の JSON 再シリアライズが起きていることが特定でき、ページから PR まで12分で到達しました。

Claude が問題を解いたわけではありません。問題を解いたのは私です。ただ、Claude が「凝視フェーズの20分」を「3つの質問を読む90秒」に圧縮してくれました。この圧縮こそが、相棒を持つことの実用的な価値だと感じています。

モデル選択とコストの実際のところ

つい実用的モデルをデフォルトにしたくなりますが、キューが連続発火するシステムではコストが地味に効いてきます。私はティア構成にしています。

• 要約フェーズ: claude-sonnet-4-6 がスイートスポット。Haiku 系だと JSON フィールドを落とすことがあり、Opus は構造化抽出にはオーバースペックです。Prompt Caching と組み合わせれば、1リクエストあたりのコストは大きく抑えられます
• 仮説生成フェーズ: 同じ Sonnet。要求される推論は「丁寧なジュニアエンジニア」レベルで、研究級の精度は不要です
• 再現コード生成フェーズ: ここも Sonnet。スタックの特殊な部分で詰まるなら、まずモデルを上げるより、関連モジュールをそのまま貼って与えることを試してください
• ポストモーテム執筆: ここだけは Opus に切り替えることがあります。チャンネルにシェアする報告書は、文章の質が後で効いてくるからです

実装上の重要な学びは「コストを必ず観測すること」です。私は KV のシンプルなカウンタにインシデントごとのトークン使用量を記録し、日次キャップを設定しています。これがなかったら、誤設定したキューがメッセージを延々リトライして一晩で数千ドルを溶かしていた事故が、2回ほど発生していました。可観測性が足りないと、相棒は突然キレた家計簿になります。

エージェントに任せてはいけない領域の線引き

何ヶ月かこのセットアップで運用していますが、エージェントに自動でやらせる範囲については保守的なままです。プレッシャー下で線引きが崩れないよう、文書化しています。

• ログを読んで要約させる: 完全に委譲してOK
• 仮説と検証手順を出させる: 完全に委譲してOK
• read-only な検証コマンドの自動実行: コマンドの allowlist に入っているもの限定、かつサンドボックス内に限ります
• 本番状態を触る操作: 絶対に自動化しません。DB 書き込み、Feature Flag のトグル、トラフィック切替は深夜3時でも自分の手で
• 公開ステータスページへの投稿: 絶対に自動化しません。顧客向けの言葉は、トーン1つで信頼が変わります
• PR のクローズ・マージ: diff は必ず自分で読みます。Claude に PR を起こさせるのは構いませんが、Merge ボタンは人間に残しておきます

注意したいのは「成功体験後の機能拡張誘惑」です。一度うまくいくと、つい「次は自動で適用させよう」と思ってしまいます。少なくとも10件以上のインシデントで安定運用が確認できるまで、その欲求は抑えるのが安全です。1回の自動誤動作（誤った migration ロールバックなど）の代償は、毎回数分節約する価値より遥かに大きいものです。

プロンプトを陳腐化させない運用の習慣

ここで紹介したプロンプトは、今この瞬間のスナップショットでしかありません。最初から完璧だったわけではなく、何度も書き直してきました。私はプロンプトを小さな専用リポジトリで管理し、CHANGELOG を付けています。これで「先週は動いていたのに」という回帰が起きたとき、すぐ巻き戻せます。

おすすめの習慣は「ポストモーテム時にプロンプトもレビューする」ことです。インシデント後に「要約は適切な first_questions を出したか」「仮説生成は low 仮説を高く評価しすぎなかったか」「再現スクリプトは触ってはいけないものに触っていないか」を自問します。問題があれば、そのインシデントのサニタイズ済みログを使って小さなテストケースを書き、プロンプトの改修案をそれで検証します。テストケースはリポジトリにそのまま残します。

もう一つは、システムプロンプトの末尾にバージョン情報を埋めること。# v3, last edited 2026-04-20 のような一行があるだけで、「あれ、最近何か変えたっけ」を一瞬で確認できます。

最後に、サイト固有の知見を遠慮なく書き込むこと。汎用ベストプラクティスだけでは精度は頭打ちになります。Stripe を多用する自分のアプリの要約プロンプトには、はっきり「InvalidSignature は件数が少なくてもトップ優先度として扱う」と書き込んでいます。売上に直結するからです。ビジネスへのチューニングは、どのモデルアップグレードよりも効果が出ます。

「未来の自分」と荷を分かち合う

最後に少しだけ感傷的な話をさせてください。私がこのパイプラインを組んだ最も深い理由は、「Claude が速いから」でも「トークンが安いから」でもありません。一人での障害対応がもたらす独特の孤独感を和らげるため、というのが一番大きいのです。

あなたは疲れていて、顧客は怒っていて、フィードバックループは自分の独り言だけ。そんな状況で、よく設計された相棒は時間以上のものを返してくれます。要約が JSON で返ってきた瞬間、「少なくとも誰か（あるいは何か）が一緒にこの問題を見てくれた」という証拠が生まれます。仮説プロンプトは「パニックする前に、何が起きうるかリストアップしよう」という小さな儀式になり、再現コードは「直感ではなく計画でキーボードに向かおう」という宣言になります。

ポケベルを一人で持ち歩いているなら、こうしたスキャフォールディングは個別のプロンプトより重要です。睡眠不足の脳がパニックモードに入っても、構造があれば「プロらしい振る舞い」を続けられます。一度作ってしまえば、特定の障害より長く生き残ります。生産性の数字以上に、これがあなたへの最大のプレゼントになるはずです。

次のアクション

長くなりましたが、この記事の内容は丸ごと実装する必要はありません。一番効くのは、まず log_sanitizer.py だけ作って、自分が普段 Claude に貼っているログを通してみることです。それだけで「うわ、こんなにトークンがマスキングされた」という気づきがあり、PII を渡してしまうリスクの肌感覚が変わります。

そこから先は、自分のサービスで実際にアラートが鳴ったタイミングで、ログ要約プロンプトを試してみていただければと思います。そのときに「もっと早く一次仮説が欲しい」と感じたら、仮説プロンプトを足します。順番に積み上げていくのが、結果的に一番疲れない方法です。

私は今でも深夜のアラートが嫌いですが、Claude が一緒に画面の前にいてくれると、孤独感はだいぶ和らぎます。あなたが次にアラートで叩き起こされたとき、この記事のどこか1つでも役に立てば嬉しいです。

この記事の設計をさらに深めたい方には、SRE 視点の体系的な書籍として 入門 監視 ─ モダンなモニタリングのためのデザインパターン（Mike Julian 著） が、ログを見る視点を「症状」「原因」「ビジネス影響」のレイヤーで整理する考え方を与えてくれます。本記事のサマリープロンプトを設計し直すときの強力な参照軸になります。