Claude API のトークン消費を可視化する - キャッシュコストの実態

紙の契約書をスキャンした画像から Claude Vision API を使って記入済みフィールドを自動読み取り、JSON で構造化データとして出力するパイプラインを Python で実装。Pillow による前処理（EXIF 回転補正、リサイズ）と pydantic によるバリデーションで、転記ミスなく DB 書き込みや CSV 生成に対応できる形に整える。

Claude Codeの障害時のバックアップとして、さくらインターネットの「さくらのAI Engine」を使用し、無料でClaude CodeからLLM APIを利用する手順を紹介。環境変数設定で preview/Kimi-K2.6 や gpt-oss-120b、preview/Qwen3.6-35B-A3B など複数モデルの切り替えが確認可能。

非エンジニアが Claude に動画を理解させるため、ffmpeg と Whisper を組み合わせて静止画フレーム・音声転写・タイムスタンプをセットで渡すオープンソースツールを開発。タイムラプスをリアルタイム映像と誤認する問題を、AI の改善ではなく物理的な妥当性チェックという判断材料の充実で解決した事例。

前回構築した VPC 内の隔離環境で、複数の AI（Gemini・Claude・Grok）をラウンド制で議論させる「密室会議システム」を実装。会話は restricted VIP 内で完結し外部漏洩なし。ただし Claude を Vertex AI 経由で追加しようとしたら個人アカウントの壁により申請が自動却下され、代わりに Grok で運用する結果に。