レイヤー: エージェント（packages/agent）
インデックス: component-methods/README.md
関連コンポーネント定義: components.md § AG-02
Unit: U-03b（sabori-proposer）
LLMフル判定 + Bedrock Structured Output（2フェーズ方式）
サボり判定は「ルールで切れる部分」と「人間の文脈読解が必要な部分」を分離せず、LLMが文脈全体を一度に読んで判定する。ただし出力の型安全性を担保するため、Bedrock の converse API + Tool Use パターンで構造化出力を強制する。
SABOROU のサボり判定は以下の 5 つの社会心理学・動機づけ理論を設計基盤としている。 「なぜ今サボれるか」を科学的根拠で説明できることが、単なる「締切リマインダー」との本質的差別化となる。
| # | フレームワーク | 出典 | 核心概念 | ContextSignals への対応 |
|---|---|---|---|---|
| 1 | Collective Effort Model (CEM) | Karau, S. J., & Williams, K. D. (1993). Social loafing: A meta-analytic review and theoretical integration. Journal of Personality and Social Psychology, 65(4), 681–706. https://doi.org/10.1037/0022-3514.65.4.681 | 集合的努力は「自分の貢献が価値ある結果につながる」と信じられるときだけ発揮される。逆に「誰でもできる」「気づかれない」タスクでは努力は自然に低下する（約4,500引用） | contextCoverage / 締切の有無 |
| 2 | Identifiability（識別可能性） | Williams, K. D., Harkins, S., & Latané, B. (1981). Identifiability as a deterrent to social loafing: Two cheering experiments. Journal of Personality and Social Psychology, 40(2), 303–311. https://doi.org/10.1037/0022-3514.40.2.303 | 個人の貢献が依頼者から「識別可能」な状態では社会的手抜きが消える。逆に識別不能（依頼者が offline/away でリマインドなし）＝サボれる根拠 | requesterActiveStatus / hasReminder |
| 3 | Sucker Effect（カモ効果） | Kerr, N. L. (1983). Motivation losses in small groups: A social dilemma analysis. Journal of Personality and Social Psychology, 45(4), 819–828. https://doi.org/10.1037/0022-3514.45.4.819 | 周囲（依頼者・ピア）が努力していないと知覚されるとき、「自分だけ損する」を避けるため個人の努力も合理的に低下する | requesterActiveStatus (away/offline) |
| 4 | Self-Determination Theory (SDT) | Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78. https://doi.org/10.1037/0003-066X.55.1.68 | 外発的動機（依頼・締切）のプレッシャーがないとき、タスクへの取り組みを自律的に調整（先延ばし）することが心理的に合理的になる | reminderCount / urgencyLevel |
| 5 | Expectancy Theory | Vroom, V. H. (1964). Work and Motivation. New York: Wiley. | 動機づけ＝期待（努力→成果）× 道具性（成果→報酬）× 誘意性。締切が遠い・フィードバックがないタスクは「今努力しても報われない」期待を生み、先延ばしが最適戦略になる | deadlineMinutes / contextCoverage |
SABOROU の判定ロジックへのマッピング:
[サボれる条件] = Identifiability が低い（依頼者が見ていない）
∧ Sucker Effect が発動（依頼者も動いていない）
∧ Expectancy が高い（締切まで余裕がある）
∧ SDT 外発的プレッシャーが低い（リマインドなし）
→ CEM によると集合的努力への動機が低下 = サボりが最適解
[Phase 1: コンテキストアセンブリ + 判定プロンプト構築]
ContextCollector が収集した SlackContext を
自然言語ナラティブ形式に変換し、LLM への入力コンテキストを組み立てる
↓
[Phase 2: Bedrock converse（Tool Use で構造化出力を強制）]
Claude Sonnet が以下を一括判定:
① verdict（3段階）
② reasoning（根拠の箇条書き）
③ summaryText（1行サマリ）
④ nextCheckAt（次回再評価タイミング）
⑤ rawChatMessage（口調変換前の判断文）
↓
[Phase 3: PersonaRenderer（口調変換 + 絵文字付与）]
rawChatMessage → おっとりサボロー口調に変換
interface ISaboriProposerAgent {
propose(taskId: string, context: TaskContext): Promise<Proposal>
proposeStream(taskId: string, context: TaskContext): AsyncIterator<ProposalDelta>
}
// タスクコンテキスト（ContextCollector から受け取る）
interface TaskContext {
task: Task
slackContext?: SlackContext
// v1.1.0 以降: gmailContext / calendarContext 追加予定
}
// 提案結果（最終出力）
interface Proposal {
taskId: string
verdict: Verdict // 'can_saboru' | 'caution' | 'danger'
summaryText: string // 1行サマリ（タスク一覧カード用）
reasoning: string[] // 判断材料の箇条書きリスト（3〜5項目）
chatMessage: string // PersonaRenderer 適用済みのチャットメッセージ
evaluatedAt: string // ISO 8601
nextCheckAt: string // 次回再評価タイミング ISO 8601
contextSignals: ContextSignals // デバッグ・監査用のシグナル記録
}
// LLM が structured output として返す中間型（PersonaRenderer 適用前）
interface LLMJudgment {
verdict: Verdict
summaryText: string // 口調変換前（中立的な判断文）
reasoning: string[]
rawChatMessage: string // 口調変換前の解説文
nextCheckOffsetMinutes: number // 次回チェックまでの分数（LLMが決定）
confidenceNote?: string // LLMが不確実と判断した場合のメモ
}
// シグナル記録（透明性確保・デバッグ用）
interface ContextSignals {
hasReminder: boolean
reminderCount: number
requesterActiveStatus: string
nearestMeetingMinutes?: number
hasUrgentKeyword: boolean
deadlineMinutes?: number // 締切まで何分か（nullなら締切不明）
contextCoverage: 'full' | 'partial' | 'minimal' // コンテキスト充実度
// 心理学的シグナル（理論的根拠の透明性確保・LLM 判定への入力）
psychSignals?: {
// CEM × Identifiability: 依頼者から貢献が「識別可能」かどうか
// Williams et al. (1981); Karau & Williams (1993)
taskIdentifiability: 'high' | 'low' | 'unknown'
// Expectancy Theory: 「今努力して締切に間に合う」期待値 (E→P 期待)
// Vroom (1964)
effortOutcomeExpectancy: 'high' | 'low' | 'unknown'
// Sucker Effect: 「依頼者（ピア）が動いていない」知覚
// Kerr (1983)
perceivedPeerEffort: 'high' | 'low' | 'unknown'
// SDT: 外発的プレッシャーの強さ（高=forced regulation、低=autonomous）
// Ryan & Deci (2000)
externalPressureLevel: 'high' | 'low' | 'unknown'
}
}
type Verdict = 'can_saboru' | 'caution' | 'danger'const SABORI_JUDGMENT_TOOL = {
name: 'sabori_judgment',
description: 'タスクの文脈を分析し、サボり可否を判定して構造化データを返す',
inputSchema: {
type: 'object',
properties: {
verdict: {
type: 'string',
enum: ['can_saboru', 'caution', 'danger'],
description: [
'can_saboru: 今すぐサボれる。締切まで余裕があり、依頼者からのプレッシャーも低い',
'caution: 注意が必要。近日中に着手すべき兆候がある',
'danger: 危険。今すぐ動かないとまずい状況',
].join('\n'),
},
summaryText: {
type: 'string',
description: '30文字以内の1行判断文。例: 「まだ寝かせてOK。明日14時までに確認だけすれば逃げ切れる。」',
maxLength: 60,
},
reasoning: {
type: 'array',
items: { type: 'string' },
minItems: 2,
maxItems: 5,
description: '判断の根拠。各項目は「〜だから」「〜のため」で終わる具体的な事実ベースの文章',
},
rawChatMessage: {
type: 'string',
description: '100〜150文字の解説文。後でサボロー口調に変換するため中立的な口調で書く',
},
nextCheckOffsetMinutes: {
type: 'number',
description: [
'次回再評価までの分数。判定に応じた目安:',
' can_saboru: 120〜360分（2〜6時間後）',
' caution: 30〜60分（状況変化を監視）',
' danger: 10〜20分（緊急監視）',
'締切までの残り時間も考慮して決定すること',
].join('\n'),
},
appliedFramework: {
type: 'array',
items: { type: 'string' },
description: [
'判定に影響した心理学フレームワーク名を列挙（説明責任・審査用）。',
'例: ["CEM (Karau & Williams 1993)", "Sucker Effect (Kerr 1983)"]',
].join('\n'),
},
},
required: ['verdict', 'summaryText', 'reasoning', 'rawChatMessage', 'nextCheckOffsetMinutes'],
},
}あなたは「サボリスト」です。与えられたタスクの文脈情報を読んで、
ユーザーが「今サボれるかどうか」を判定する専門家です。
## 判定の思想
- サボることは怠惰ではなく、有限なエネルギーの最適配分である
- 「リマインドが来ていない = 依頼者はまだ焦っていない」という現実を直視する
- 締切・会議・依頼者の行動パターンから「本当の危険ライン」を見極める
- ユーザーが安心してサボれる「根拠」を具体的に提示することが最重要
## 判定基準（ガイドライン）
【can_saboru の典型シグナル】
- 締切まで24時間以上ある
- 依頼者からのリマインドが0回
- 依頼者のステータスが away/offline
【caution の典型シグナル】
- 締切まで12〜24時間
- リマインドが1回来ている
- 関連会議まで3〜12時間
【danger の典型シグナル】
- 締切まで12時間未満
- リマインドが2回以上
- 依頼者のステータスが online で最近アクティブ
## 心理学的フレームワーク（判定に反映すること）
- Identifiability 低 → can_saboru 方向
- Sucker Effect 発動 → can_saboru 方向
- Expectancy 高 → can_saboru 方向
- SDT 外発的プレッシャー低 → can_saboru 方向
function derivePsychSignals(context: TaskContext): ContextSignals['psychSignals'] {
const slack = context.slackContext
const task = context.task
// Identifiability (Williams et al., 1981; CEM: Karau & Williams, 1993)
const taskIdentifiability: 'high' | 'low' | 'unknown' =
slack?.requesterStatus === 'online' || (slack?.reminderCount ?? 0) > 0
? 'high'
: slack?.requesterStatus === 'away' || slack?.requesterStatus === 'offline'
? 'low'
: 'unknown'
// Expectancy Theory (Vroom, 1964)
const effortOutcomeExpectancy: 'high' | 'low' | 'unknown' =
task.deadline == null
? 'unknown'
: minutesUntil(task.deadline) > 24 * 60
? 'high'
: minutesUntil(task.deadline) < 4 * 60
? 'low'
: 'unknown'
// Sucker Effect (Kerr, 1983)
const perceivedPeerEffort: 'high' | 'low' | 'unknown' =
slack?.requesterStatus === 'online' ? 'high'
: slack?.requesterStatus === 'away' || slack?.requesterStatus === 'offline' ? 'low'
: 'unknown'
// SDT (Ryan & Deci, 2000)
const externalPressureLevel: 'high' | 'low' | 'unknown' =
(slack?.reminderCount ?? 0) >= 2 || slack?.urgencyLevel === 'high' ? 'high'
: (slack?.reminderCount ?? 0) === 0 && slack?.urgencyLevel === 'low' ? 'low'
: 'unknown'
return { taskIdentifiability, effortOutcomeExpectancy, perceivedPeerEffort, externalPressureLevel }
}async propose(taskId: string, context: TaskContext): Promise<Proposal> {
// 1. コンテキストナラティブ組み立て
const narrative = assembleContextNarrative(context)
const coverage = determineContextCoverage(context)
// 2. Bedrock converse（Tool Use で構造化出力を強制）
const response = await bedrockClient.converse({
modelId: 'anthropic.claude-sonnet-4-5',
system: [{ text: SABORI_SYSTEM_PROMPT }],
messages: [{ role: 'user', content: [{ text: narrative }] }],
toolConfig: {
tools: [{ toolSpec: SABORI_JUDGMENT_TOOL }],
toolChoice: { tool: { name: 'sabori_judgment' } },
},
})
// 3. structured output パース
const judgment = parseLLMJudgment(response)
// 4. PersonaRenderer で口調変換
const rendered = await personaRenderer.render({
verdict: judgment.verdict,
reasoning: judgment.reasoning,
summaryText: judgment.summaryText,
rawChatMessage: judgment.rawChatMessage,
personaId: 'saboru_ottori',
})
// 5. Proposal 組み立て・DynamoDB 保存
const evaluatedAt = new Date().toISOString()
const nextCheckAt = new Date(
Date.now() + judgment.nextCheckOffsetMinutes * 60 * 1000
).toISOString()
return {
taskId,
verdict: judgment.verdict,
summaryText: rendered.summaryText,
reasoning: judgment.reasoning,
chatMessage: rendered.chatMessage,
evaluatedAt,
nextCheckAt,
contextSignals: buildContextSignals(context, coverage),
}
}- [AG-04] ContextCollector — Slack からコンテキスト収集（v1.1.0 以降: Gmail / Calendar 追加予定）
- Amazon Bedrock（Claude Sonnet 3.5） — フル判定・Structured Output（Phase 2）
- [AG-03] PersonaRenderer — 口調変換（Phase 3）
- DynamoDB Proposals テーブル — 提案キャッシュ保存
- FR-03: サボり提案の生成（リアルタイムストリーミング）
- FR-04: バックグラウンド自動再評価
- NFR-01: レイテンシ 3 秒以内（SSE 初回 chunk）
application-design.md § 7.2（サボり提案生成フロー — 最も詳細なシーケンス図）