Skip to content

RIKEN-RCCS/ProjectManagement

BranchesTags

Repository files navigation

ProjectManagement

富岳NEXT アプリケーション開発エリアのプロジェクトマネジメント支援システム。

このシステムが解決する問題

大規模プロジェクトでは、会議・Slack・資料に情報が分散し、以下の問題が起きる。

PM課題 放置するとどうなるか
会議の決定事項が記憶頼みで流れる 同じ議論が繰り返され、合意が形骸化する
アクションアイテムの担当・期限が曖昧 「誰がやるのか」が不明なまま期限を超過する
ゴールとタスクが紐づいていない 忙しいが前進していない状態に陥る
状況把握に毎回手作業が必要 PMが情報収集に追われ、判断に集中できない
機密情報を外部サービスに送れない 市販PMツールが使えず、手運用に逆戻りする

本システムは、ローカルLLMで情報を自動収集・構造化し、人間がゴールの定義と最終判断に集中できる環境を提供する。

設計思想：2層構造

【トップダウン層】 ゴール・マイルストーン
                  └─ goals.yaml に人間が定義・承認（gitで変更履歴管理）
                          ↓ 評価の軸を与える
【ボトムアップ層】 アクションアイテム・決定事項
                  └─ 会議議事録・Slackから LLM が自動抽出・マイルストーンに紐づけ
役割 担当
ゴール・マイルストーンの定義・承認 人間（意思決定者）
情報の収集・整理・抽出・紐づけ推定 LLM
誤りの修正・最終判断 人間（Canvas / Web UI で編集）
達成状況の計算・レポート・リスク検知 システム

機能マップ

1. 情報の自動収集 — 「手作業で情報を集めなくて済む」

週次会議・Slackの投稿から、決定事項・アクションアイテム・担当者・期限をLLMが自動抽出して pm.db に蓄積する。

会議録音 → 議事録 → pm.db（録音を置くだけで完結）

# sbatch で実行（SLURM）
sbatch scripts/pm_from_recording.sh GMT20260302-032528_Recording.mp4 --meeting-name Leader_Meeting

# スラッシュコマンドでも可能（pm_qa_server 起動中）
/argus-transcribe 2026-04-20_Leader_Meeting.m4a

処理フロー: 音声 → Whisper 文字起こし（VTT 話者情報・スライドOCR と統合） → ローカルLLMで議事録生成 → 議事録DB保存 → pm.db転記（平文ファイルは自動削除）

Slack → pm.db

bash scripts/pm_from_slack.sh -c CHANNEL_ID

処理フロー: Slackメッセージ差分取得（統合 data/slack.db） → LLM抽出 → pm.db保存

2. ゴール管理 — 「今どこにいるかが分かる」

マイルストーンを定義し、全アクションアイテムを紐づけることで、プロジェクトの現在地を定量的に把握する。

# goals.yaml を編集後に同期
python3 scripts/ingest/pm_ingest.py goals

# 達成状況を確認
python3 scripts/ingest/pm_ingest.py goals --goals-list

goals.yaml はgit管理。マイルストーンの変更理由・経緯がコミット履歴として残る。

3. 進捗の可視化とレビュー — 「会議で使えるレポートが自動で出る」

pm.db から週次進捗レポートを自動生成し、Slack Canvas に投稿する。

source ~/.secrets/slack_tokens.sh
bash scripts/canvas_report.sh

会議中にCanvas上で各列（担当者・内容・期限・マイルストーン・状況）を直接編集でき、pm_sync_canvas.py でDBに反映される。

4. Argus AI — 「問題に気づくのが遅れない」

Slack スラッシュコマンドでプロジェクトデータを即座に分析する。全コマンドは pm_qa_server.py（Socket Mode デーモン）が処理する。

/argus-brief                     ← 今やるべきこと（優先アクション5件）
/argus-risk                      ← リスク一覧と予兆
/argus-investigate M3の遅延原因   ← マルチステップ調査（Agent）
/argus-today                     ← 本日の活動 + 自分宛メンション
/argus-draft agenda 次回会議      ← 文書草案生成
/argus-transcribe Recording.mp4   ← 録音から議事録生成

/argus-investigate は15種類のツール（pm.db検索・FTS5全文検索・Explorer Agent・Box/Slack/Canvas出力）をLLMが自律選択するマルチステップエージェント。

出力先フラグ（末尾に付加）:

/argus-investigate M3の遅延原因 --to-box      # Box に md 保存
/argus-investigate M3の遅延原因 --to-slack     # チャンネルに公開投稿
/argus-investigate M3の遅延原因 --to-canvas    # Canvas に投稿

Patrol Agent（自律巡回）: cron 30分ごとに pm.db を巡回し、完了シグナル検出・期限超過リマインダー・長期停滞検出・マイルストーン健全性チェックを自動実行する。

5. 過去の議論を検索 — 「あの話どこで決まったっけ？」

FTS5（SudachiPy 形態素解析 + trigram） + bge-m3 embedding のハイブリッド検索で、議事録・Slack生メッセージ・BOXドキュメント・Web記事を横断検索する。

/argus-investigate GPU性能の評価方針について
/argus-investigate Benchparkの資料はどこ？
/argus-investigate 設計方針に関する決定事項は？

6. Box ドキュメント本文の索引化

BOX フォルダ内のドキュメント（pptx/docx/pdf/xlsx/md）を Markdown 化し、relevance 判定（core/related/noise）を経て FTS5 インデックスに組み込む。

bash scripts/pm_box_update.sh                           # 走査・変換・FTS5一括更新
python3 scripts/pm_box_relevance.py --judge --stats      # relevance 判定・分布確認

7. マルチエージェント MCP Server（pm-multi-agent）

pm_mcp_server.py は FastMCP サーバーとして動作し、Claude Code（Orchestrator）から全ツールを呼び出せる。/argus-investigate と全く同一のツール群を提供する。

source ~/.secrets/slack_tokens.sh
source ~/.secrets/rivault_tokens.sh
PYTHONPATH=scripts ~/.venv_aarch64/bin/python3 scripts/pm_mcp_server.py

Claude Code の .claude/settings.json に MCP サーバーとして登録することで、分析結果を Box/Slack/Canvas に直接出力できる。

8. データの編集と修正 — 「LLMの誤りを人間が正せる」

Web UI（ブラウザで編集）:

bash scripts/pm_daemon.sh start web
# → http://localhost:8501

CLI一括編集（CSV経由）:

python3 scripts/pm_relink.py --export          # CSVにエクスポート
python3 scripts/pm_relink.py --import relink.csv  # DBに反映

情報の流れ（3パスアーキテクチャ）

入力元: Slack / 会議録音 / Zoom VTT / goals.yaml / Box / Web記事

Pass 1: 収集・抽出
  slack_pipeline.py       → data/slack.db（全チャンネル統合）
  pm_minutes_import.py    → data/minutes/{kind}.db
  pm_ingest.py            → data/pm.db（正本: actions/decisions/meetings/goals/milestones）
  pm_box_crawl.py         → data/box_docs.db（本文Markdown）
  pm_web_fetch.py         → data/web_articles.db

Pass 2: エンリッチメント・索引化
  enrich_items.py         → pm.db に判断者・根拠・関連IDを補完
  pm_embed.py             → qa_index.db（FTS5 + bge-m3 embedding）

Pass 3: 検索・分析・生成（Argus AI / pm-multi-agent）
  pm_qa_server.py（Slack Socket Mode）→ /argus-* コマンド
  pm_mcp_server.py（FastMCP）         → Claude Code からのツール呼び出し
  pm_argus_patrol.py                  → 自律巡回

詳細なアーキテクチャ図・データの流れは docs/architecture.md を参照。

データベース構成

DB 役割 暗号化
data/slack.db Slack 生メッセージ（全チャンネル統合） ✅
data/minutes/{kind}.db 議事録詳細（議事内容・決定事項・AI） ✅
data/pm.db 正本: アクションアイテム・決定事項・会議・ゴール・マイルストーン ✅
data/box_docs.db BOX ドキュメント本文 + relevance 判定 ✅
data/web_articles.db 外部Web記事 ✅
data/qa_index.db FTS5 統合インデックス + bge-m3 embedding ✅
data/docs_*.db ドキュメントレジストリ（BOXリンクメタデータ） ✅
data/patrol_state.db Patrol Agent 冪等性管理 -

pm.db の主要テーブル

テーブル 内容
action_items アクションアイテム（担当者・期限・status・milestone_id）
decisions 決定事項（rationale 付き、確認済み管理）
goals / milestones goals.yaml から同期
meetings 会議情報
audit_log 全変更履歴

セキュリティ

  • LLM処理は全てローカル: 議事録・Slackメッセージ等の機密情報は外部サービスに送出しない。ローカル vLLM（gemma4）または RiVault で処理する
  • DB暗号化: 全DBに SQLCipher AES-256 暗号化を適用
  • トークン管理: ~/.secrets/ 配下（chmod 600）。.bashrc への直書き禁止

初回セットアップ

# 鍵生成
python3 scripts/db_utils.py --gen-key

# 平文→暗号化変換
python3 scripts/db_utils.py --migrate data/pm.db

# FTS5 インデックス構築
python3 scripts/pm_embed.py --full-rebuild

# 環境変数
mkdir -p ~/.secrets && chmod 700 ~/.secrets
cat > ~/.secrets/slack_tokens.sh << 'EOF'
export SLACK_BOT_TOKEN="xoxb-..."
export SLACK_APP_TOKEN="xapp-..."
export SLACK_USER_TOKEN="xoxp-..."
export OPENAI_API_BASE="http://localhost:8000/v1"
export OPENAI_API_KEY="dummy"
EOF
chmod 600 ~/.secrets/slack_tokens.sh

デーモン起動

bash scripts/pm_daemon.sh start qa    # Slack スラッシュコマンド有効化
bash scripts/pm_daemon.sh start web   # Web UI（port 8501）

スクリプト構成

scripts/
├── ingest/              Pass 1: pm_ingest.py プラグイン
│   ├── pm_ingest.py    統合ランナー
│   ├── slack.py / minutes.py / goals.py
│   └── ingest_plugin.py
├── data-pipeline/       Pass 1: 一次情報収集
│   ├── slack_pipeline.py / pm_embed.py
│   ├── pm_box_crawl.py / pm_box_relevance.py
│   └── pm_web_fetch.py / pm_slack_box_links.py
├── minutes/             議事録パイプライン
│   ├── pm_minutes_import.py / pm_minutes_catalog.py
│   └── pm_minutes_publish.py
├── enrich/              Pass 2: エンリッチメント
│   ├── enrich_items.py / knowledge_context.py
│   └── pm_link_milestones.py
├── argus/               Pass 3: 検索・分析・生成
│   ├── pm_qa_server.py     Slack Socket Mode デーモン
│   ├── pm_argus_agent.py   Investigation Agent + CLI（--to-box 等対応）
│   ├── pm_argus.py         ブリーフィング/リスク/草案生成
│   ├── pm_argus_patrol.py  自律巡回 Patrol Agent
│   ├── agent_tools.py      ToolDef レジストリ（mcp_tools 委譲）
│   ├── mcp_tools.py        MCP 全ツール実装本体（pm-multi-agent と共有）
│   ├── output_tools.py     Box/Slack/Canvas 出力実装
│   ├── mcp_explorer.py     Explorer Agent
│   └── retrieval.py        FTS5 + embedding 検索
├── pm_mcp_server.py      FastMCP Server "pm-multi-agent"
├── reporting/           レポート・エクスポート
│   ├── pm_report.py / pm_insight.py
│   └── pm_xlsx_report.py / pm_xlsx_sync.py
├── recording/           会議録音処理
│   └── generate_minutes_local.py / whisper_vad.py / slide_ocr.py
├── web/                 Web UI（FastAPI + Vue 3）
│   ├── pm_api.py / web_admin.py / web_utils.py
│   └── static/          SPA フロントエンド
├── bin/                 シェルスクリプト
│   └── pm_daemon.sh / canvas_report.sh / pm_box_update.sh 等17本
└── utils/               共通ユーティリティ
    ├── db_utils.py / cli_utils.py / format_utils.py
    ├── box_cli.py / canvas_utils.py / slack_post.py
    └── embed_utils.py / transcript.py / voice_uploads.py

各スクリプトの詳細なオプションは pm-commands スキルまたは docs/commands.md を参照。

About

Project Management Support System

Resources

Readme
Activity
Custom properties

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases 3

v1.2.0 Latest
Apr 20, 2026
+ 2 releases

Packages

 
 
 

Contributors

Languages