「バックアップや監視のスクリプトを新人に引き継ぐとき、どこから書けばよいか分からないと言われる」
そんな悩みを抱えるLinuxサーバー管理者は多いはずです。この記事では、Ollamaのローカルモデルを使ってLinuxの運用スクリプトを生成し、bash -nとshellcheckで検証してから本番に適用するまでの一連の手順を解説します。バックアップ・ヘルスチェック・ログ管理の3種類を例にして、Pythonによる自動化まで取り上げます。Ollamaのインストールは完了済みであることを前提とします。Ollamaのインストールから基本動作確認までは「Ubuntu ServerでローカルLLMを構築する方法」をご覧ください。
この記事のポイント
・OllamaのJSON modeで構造化出力を指定すると、スクリプト本体を安定して取り出せる
・生成後は bash -n スクリプト名 と shellcheck スクリプト名 で構文と品質を確認する
・本番適用前に --dry-run オプションや手動確認ステップを入れ、実行範囲を確認する
・Pythonスクリプトでプロンプトとモデルを切り替えれば、複数の用途に流用できる
でも安心してください。プロのエンジニアはコマンドを暗記していません。
「現場で使える型」を効率よく使いこなしているだけです。
AI生成スクリプトを運用で安全に使うためのアプローチ
Ollamaを使ってシェルスクリプトを生成すると、構文は正しくても要件を満たさない・パスがハードコードされている・エラー処理が不足しているスクリプトが返ることがあります。AI生成スクリプトを実務で使うには、「生成 → 検証 → 本番適用」の3段階を必ず踏む運用が必要です。
**生成**: プロンプトに環境・要件・制約(OSバージョン、使えるコマンド、変数の場所)を明記してOllamaに渡します。
**検証**: bash -n で構文チェック、shellcheck で品質確認、dry-runで動作確認を行います。
**本番適用**: テスト環境で1回動かしてから、cron登録や本番サーバーへの配置を実施します。
この3段階を省いて生成物をそのまま本番のcronに登録するケースはよくある失敗パターンです。
Ollamaはプロンプトの内容を忠実に再現しようとしますが、実行環境の細部(コマンドのパス、ディストリビューションの差異)まで自動で考慮するわけではありません。
生成されたスクリプトを信頼するのではなく、あくまでも「草案の自動生成」として扱い、必ず人間が最終確認してから運用に乗せる姿勢が重要です。
社内での導入判断や機密データの扱いについては、社内でChatGPTが使えないときの代替手段も参考にしてください。
OllamaにシェルスクリプトをJSON形式で生成させる基本プロンプトの書き方
Ollamaから安定したスクリプトを取り出すには、JSON modeとプロンプト設計が重要です。1. JSON modeを使う理由
プレーンテキストで回答させると、Ollamaはスクリプト以外の説明文も一緒に返します。JSON modeを指定すると、スクリプト本体を `script` キーに入れた構造化された出力が得られるため、後処理が楽になります。
# JSON modeでスクリプトを生成する基本リクエスト例 curl -s http://127.0.0.1:11434/api/generate \ -d '{ "model": "llama3.3", "stream": false, "format": "json", "prompt": "Linux Ubuntu 24.04 LTS向けのbashスクリプトを生成してください。\n要件: /home以下を/mnt/backupにtarで圧縮バックアップし、7世代を保持してそれより古いものを削除する。\n変数でパスを定義する。エラー時にはstderrにメッセージを出して終了コード1で終了する。\nJSON形式で {\"script\": \"...\", \"description\": \"...\"} として返してください。" }'
2. プロンプトに含めると品質が上がる要素
・OSとディストリビューションのバージョン(Ubuntu 24.04 / AlmaLinux 9 など)・使えるコマンドとそのバージョン(tar GNU、rsync 3.x など)
・変数化すべきパスや設定値の明示
・エラーハンドリングの要件(`set -euo pipefail` の有無、ログの出力先)
・実行ユーザーと権限(rootか一般ユーザーか)
これらを省略すると、Ollamaはデフォルト的な構成を返すため、環境に合わない部分が残ります。
特に「変数でパスを定義する」という指示は重要です。ハードコードされたパスは移行や環境変更の際に手直しが必要になるため、変数化を明示的に要求するのが確実です。
バックアップスクリプトをOllamaで生成する手順
1. プロンプトを準備する
バックアップスクリプトに必要な要件をプロンプトにまとめます。シェル変数に格納しておくと、後でcurlコマンドに展開しやすくなります。
PROMPT='Ubuntu 24.04 LTS向けbashスクリプト。 要件: - バックアップ元: /var/www/html(Webサイトルート) - バックアップ先: /mnt/backup/www - ファイル名: www_$(date +%Y%m%d_%H%M%S).tar.gz - 保持世代: 最新7世代(古いものを削除) - エラー時: stderrにメッセージ出力、終了コード1で終了 - set -euo pipefailを先頭に記述 JSON形式で {"script": "...", "description": "..."} として返してください。'
2. Ollamaに渡してスクリプトを取り出す
curl -s http://127.0.0.1:11434/api/generate \ -d "{\"model\": \"llama3.3\", \"stream\": false, \"format\": \"json\", \"prompt\": \"$PROMPT\"}" \ | python3 -c "import sys,json; d=json.load(sys.stdin); r=json.loads(d['response']); print(r['script'])" \ > /tmp/backup_www.sh # 生成されたスクリプトの内容を確認 cat /tmp/backup_www.sh
生成内容を目で確認してから次の検証ステップに進んでください。
変数定義部分(`BACKUP_SRC`・`BACKUP_DEST` など)が冒頭にあり、実際のパスと一致しているかを最初に確認します。
ヘルスチェックスクリプトをOllamaで生成する手順
1. 確認する項目をプロンプトに列挙する
ヘルスチェックは確認項目が多いため、プロンプトに詳細を記述すると精度が上がります。確認するサービス名(nginx・mysql など)は実際の環境に合わせて変更してください。
PROMPT='Ubuntu 24.04向けサーバーヘルスチェックbashスクリプト。 確認項目: 1. CPU: uptimeコマンドの1分平均ロードアベレージが2.0以上なら警告 2. メモリ: 使用率が90%以上なら警告(free -mから計算) 3. ディスク: dfコマンドで各マウントポイントの使用率が85%以上なら警告 4. サービス: nginx と mysql のsystemctl is-activeを確認、activeでなければ警告 出力形式: 各項目の結果を OK / WARNING で標準出力。WARNINGがあれば終了コード1。 JSON形式で {"script": "..."} として返してください。'
2. スクリプトを生成して保存する
curl -s http://127.0.0.1:11434/api/generate \ -d "{\"model\": \"llama3.3\", \"stream\": false, \"format\": \"json\", \"prompt\": \"$PROMPT\"}" \ | python3 -c "import sys,json; d=json.load(sys.stdin); r=json.loads(d['response']); print(r['script'])" \ > /tmp/healthcheck.sh cat /tmp/healthcheck.sh
サービス名が実際の環境と一致しているかを確認してください。
確認するサービスを追加したい場合は、スクリプトの該当箇所を直接編集します。
ログ管理スクリプトをOllamaで生成する手順
1. ログ削除の要件を整理してプロンプトに書く
ログの世代管理は削除対象が広がるとリスクが高いため、プロンプトでの要件定義が特に重要です。圧縮・削除それぞれの日数条件を明確に分けて記述します。
PROMPT='Ubuntu 24.04向けログ管理bashスクリプト。 要件: - 対象ディレクトリ: /var/log/myapp - 7日以上前の .log ファイルを gzip 圧縮する(.log → .log.gz) - 30日以上前の .log.gz ファイルを削除する - 処理結果を /var/log/log-cleanup.log に追記(日時付き) - --dry-runオプションを付けた場合は実際の圧縮・削除を行わずパスを標準出力する - set -euo pipefailを先頭に記述 JSON形式で {"script": "..."} として返してください。'
2. --dry-runオプションの動作を確認する
Ollamaが生成したスクリプトに `--dry-run` オプションが実装されていることを確認します。本番に適用する前に `bash /tmp/log_cleanup.sh --dry-run` を実行し、削除されるファイルのリストを確認してから本番実行してください。
# --dry-runで対象ファイルを確認してから本番実行する流れ bash /tmp/log_cleanup.sh --dry-run # 表示されるファイルリストを目で確認 # 問題なければ本番実行 bash /tmp/log_cleanup.sh
生成したスクリプトをbash -nとshellcheckで検証する手順
1. bash -nで構文チェックをする
`bash -n` はスクリプトを実行せずに構文だけを確認します。終了コード0なら構文エラーなし、1以上なら構文エラーありです。
bash -n /tmp/backup_www.sh echo "bash -n rc=$?" # rc=0 なら構文エラーなし bash -n /tmp/healthcheck.sh echo "bash -n rc=$?" bash -n /tmp/log_cleanup.sh echo "bash -n rc=$?"
2. shellcheckで品質をチェックする
`shellcheck` は構文エラーだけでなく、クォートの漏れやパイプのエラー処理不足も指摘します。# shellcheckのインストール(Ubuntu) sudo apt install -y shellcheck # 生成スクリプトをチェック shellcheck /tmp/backup_www.sh # 警告例: SC2086: Double quote to prevent globbing and word splitting. # 警告を修正したら再度チェックして0件になることを確認 shellcheck /tmp/backup_www.sh; echo "shellcheck rc=$?"
`SC2068`(配列展開のクォート漏れ)も同様に修正が必要です。
`SC2164`(cd の失敗を無視している)が出た場合は、`cd /path || exit 1` の形に修正します。
PythonでOllama APIを呼び出してスクリプト生成を自動化する
プロンプトを引数として渡せるPythonスクリプトを作ると、複数の用途に流用できます。#!/usr/bin/env python3 # generate_script.py -- Ollamaでシェルスクリプトを生成して検証まで行うヘルパー import sys, json, subprocess, requests, tempfile, os OLLAMA_URL = "http://127.0.0.1:11434/api/generate" MODEL = "llama3.3" def generate_script(prompt: str) -> str: resp = requests.post(OLLAMA_URL, json={ "model": MODEL, "stream": False, "format": "json", "prompt": prompt }, timeout=120) resp.raise_for_status() data = json.loads(resp.json()["response"]) return data.get("script", "") def validate_script(script_content: str) -> bool: with tempfile.NamedTemporaryFile(mode="w", suffix=".sh", delete=False) as f: f.write(script_content) path = f.name try: result = subprocess.run(["bash", "-n", path], capture_output=True) if result.returncode != 0: print(f"bash -n failed:\n{result.stderr.decode()}", file=sys.stderr) return False return True finally: os.unlink(path) if __name__ == "__main__": prompt = sys.argv[1] if len(sys.argv) > 1 else sys.stdin.read() script = generate_script(prompt) if not script: print("スクリプトを生成できませんでした。", file=sys.stderr) sys.exit(1) if validate_script(script): print(script) else: sys.exit(1)
# コマンドラインからプロンプトを渡してスクリプトを生成 python3 generate_script.py "バックアップスクリプトの要件: ..." > /tmp/generated.sh echo "終了コード: $?" # 0 なら生成と構文チェックが成功 # プロンプトをファイルから読む場合 python3 generate_script.py < /tmp/prompt_backup.txt > /tmp/backup.sh
AI生成スクリプトの落とし穴と安全に使うための注意点
1. 生成されるパスが環境に依存する
Ollamaはプロンプトに書かれたパスをそのまま使います。本番環境でパスが異なる場合に気づかずデプロイするケースはよくある問題です。
生成後は必ず変数定義部分(`BACKUP_SRC`・`BACKUP_DEST` などの冒頭)を確認して、実際のパスに合っているか確認してください。
2. エラー処理が不完全なケース
`set -euo pipefail` をプロンプトに明記しても、特定の箇所でエラーを無視する実装が含まれることがあります。特にファイルの削除・圧縮処理のループ部分は、shellcheckで指摘されなくても手動で確認するのが確実です。
`set +e` で一部のエラーを無視しているコードがないかを確認してください。
3. 生成のたびに出力が変わる
同じプロンプトでも実行のたびに微妙に異なるスクリプトが生成されます。本番に適用したスクリプトはGitリポジトリにコミットして、どのバージョンを使っているかを管理してください。
# 生成後にGitで管理する流れ cp /tmp/backup_www.sh /opt/scripts/backup_www.sh cd /opt/scripts git add backup_www.sh git commit -m "feat: AI生成バックアップスクリプト(llama3.3・2026-11-22生成)"
4. 長いスクリプトはコンテキスト長に注意する
Ollamaのデフォルトコンテキスト長(`num_ctx`)は4096トークンです。複雑な要件のスクリプトを要求すると、途中で出力が打ち切られることがあります。
その場合は `"num_ctx": 8192` を追加してリクエストしてください。
# コンテキスト長を8192に拡張してリクエストする場合 curl -s http://127.0.0.1:11434/api/generate \ -d "{\"model\": \"llama3.3\", \"stream\": false, \"format\": \"json\", \"options\": {\"num_ctx\": 8192}, \"prompt\": \"$PROMPT\"}"
まとめ
この記事では、OllamaをLinuxの運用スクリプト生成に活用する手順を解説しました。JSON modeの活用・bash -nとshellcheckによる検証・dry-runによる動作確認の3段階が、安全に使うための基本です。
| ステップ | コマンド | 目的 |
|---|---|---|
| スクリプト生成 | curl http://127.0.0.1:11434/api/generate(format: json) | プロンプトからスクリプトを生成 |
| 構文チェック | bash -n スクリプト名.sh | 実行せずに構文エラーを検出 |
| 品質チェック | shellcheck スクリプト名.sh | クォート漏れやパイプのエラー処理を指摘 |
| ドライラン | bash スクリプト名.sh --dry-run | 本番適用前に実行範囲を確認 |
| Python自動化 | python3 generate_script.py | 生成から構文検証までをワンコマンドで実行 |
| バージョン管理 | git add スクリプト名.sh && git commit | 生成スクリプトの変更履歴を記録 |
OllamaでLinuxスクリプト生成からRAG構築までを2日間のハンズオンで体験する
スクリプト生成・RAG構築・チームサーバー運用まで、実機GPU環境で手を動かしながら習得したい方向けに、「ローカルAIマスターセミナー」を開催しています。
少人数(最大8名)ZOOMハンズオン形式で実施しています。
・Ubuntu ServerでローカルLLMを構築する方法|Ollamaで機密データを外に出さず業務AIを動かす完全ガイド
・社内でChatGPTが使えないときの代替手段|機密データを守るローカルLLMという選択肢
・ローカルLLMのモデルを比較する方法|Llama3.3・Mistral・Gemma・Phi-4をUbuntuで使い分けるポイント
3,100名以上が実践した「型」を無料で公開中
プロのエンジニアはコマンドを暗記していません。
「現場で使える型」を効率よく使いこなしているだけです。
その「型」を図解60Pにまとめた入門マニュアルを、完全無料でプレゼントしています。
姓・名・メールの3つだけ/30秒/解除は3秒 / 詳細はこちら
- 前のページへ:OllamaとApache KafkaでLinux非同期LLMパイプラインを構築する方法|メッセージキューでリクエストの集中負荷を安定処理する手順
- この記事の属するカテゴリ:ローカルLLMへ戻る

無料メルマガで学習を続ける
Linuxの実践スキルをメールで毎週お届け。
登録は30秒、解除もいつでも可。
登録無料・いつでも解除できます