SavvyBot ― 会話を邪魔しない、グループチャット専属AIアシスタント

プロジェクト概要

SavvyBotは、LINE Messaging APIとOpenAI APIを連携させた対話型チャットボットです。Google Apps Script（GAS）でのMVP実装から開始し、Supabase Edge Functionsへの移行を完了（Phase 2）。現在はグループチャット特化型AIアシスタントへの戦略的ピボットを経て、SaaS化に向けた開発フェーズ（Phase 3）に移行しています。

コアコンセプト

「会話を邪魔しない、グループチャット専属AIアシスタント」

人の会話の邪魔をしない（基本は沈黙、裏で記録・分析）
裏方に徹する（コマンドで呼ばれた時だけ発言）
まとめる、追跡する、リマインドする（議事録、決定事項、TODO管理）

ビジネス目標

年内に収益化の可能性を探る（副業ベース、リーンスタートアップアプローチ）

技術スタック

バックエンド

TypeScript / Deno
Supabase Edge Functions
LINE Messaging API
OpenAI API（GPT-4 + Function Calling）
Tavily API（Web検索）

インフラ・DevOps

GitHub Actions（CI/CD）
Supabase CLI
HMAC-SHA256署名検証

将来のフロントエンド

Next.js / React
Tailwind CSS

プロジェクトの進化

Phase 1: GAS での MVP（2023年3月 - 完了）

LINE Messaging APIとOpenAI APIの基本連携を実現。簡易的なチャットボット機能を実装しましたが、セキュリティ脆弱性とシークレット管理の困難さが課題となりました。

Phase 2: Supabase Edge Functionsへの移行（2025年10月 - 完了）

達成事項

HMAC-SHA256署名検証の実装（セキュリティ強化）
Result型によるエラーハンドリング
構造化ログによる可観測性の確保
GitHub ActionsによるCI/CDパイプライン構築
実機テストでの動作確認完了

技術的成果

署名検証エラー（403 Forbidden）の解決
非同期Web Crypto APIの正しい実装
定数時間比較によるタイミング攻撃対策
診断ログによる運用性向上

Phase 3: 戦略的ピボット（2025年10月 - 完了）

背景と課題認識（2025年10月ブレインストーミングセッション）

個人向けチャットボットは無料のChatGPTと差別化が困難
市場分析の結果、グループチャット領域に明確なペインポイントを発見
収益化可能性の探索のため、ニッチ市場への特化を決定

差別化戦略

競合（ChatGPT公式、他社Bot）の弱点：

個人利用がメイン
グループでは会話に割り込んでうるさい
議事録機能が弱い
最新情報の取得が不十分

SavvyBotの強み：

グループチャット特化
沈黙がデフォルト（会話を邪魔しない）
構造化された議事録
決定事項の自動追跡
豊富なコマンド体系（/sv:* プレフィックス）
Web検索統合で最新情報に対応

Phase 3の成果

Phase 3.2: Web検索統合（OpenAI Function Calling + Tavily API）
Phase 3.3: Personal Mode実機テスト（Web検索機能の包括的検証）
Phase 3.4: Group Mode実機テスト + /sv:questions コマンド実装

Phase 4: API使用量トラッキング（2025年10月 - 完了）

SaaS化に向けた基盤整備として、API使用量の自動トラッキングシステムを構築しました。

達成内容

OpenAI API使用量の自動記録（トークン数、コスト）
グループ別・日次集計ビュー
Personal Mode自動検出バグ修正
PostgreSQLでのコスト計算関数実装
実機テスト成功（複数ユーザーで動作確認）

はじめに
動くものから、人の役に立つものへ

2023年3月、ChatGPTの登場に刺激を受けて、個人的な実験として開発を始めました。「AIを使ったLINE Botが動くかどうか試してみたい」――最初はただそれだけでした。

動くだけで満足していた頃

Google Apps Scriptで署名検証もなく、セキュリティも考えず、ただ「動く」ことに喜びを感じていました。自分と数人の友人が使えれば十分。技術的な興味が満たされれば、それで良かったのです。

使ってくれる人が増えてきた

気づけば、登録者が30名弱まで増えていました。「便利だから使ってる」「助かってる」という声をもらうようになって、意識が変わりました。

動くものから、人の役に立つものへ

「動くだけで満足」から「多くの人に使ってもらいたい」という気持ちに変わったとき、プロジェクトの方向性を見直す必要性を感じました。

個人向けChatGPTは、すでに完成されている。無料で使えるChatGPT公式アプリは、個人ユーザーにとって完璧に近い体験を提供しています。

グループチャットには、まだ解決されていない課題がある

一方、グループチャットでのAI活用には明確なペインポイントがありました：

既存のBotは会話に割り込んでうるさい
議事録作成が手動で面倒
決定事項が埋もれて見つからない
TODOが口約束で終わってしまう

この気づきから、「グループチャット特化型AIアシスタント」へのピボットを決断しました。単なる技術実験から、本当に人の役に立つプロダクトへ。

コアコンセプト
会話を邪魔しない裏方AI

SavvyBotは、グループチャットでの裏方に徹する設計思想を持っています。

基本は沈黙

人の会話に割り込まない
裏で会話を記録・分析
コマンドで呼ばれた時だけ発言

まとめる、追跡する、リマインドする

議事録の自動生成
決定事項の追跡
TODOの管理
質問と回答のトラッキング

モード設計

個人モード（1対1チャット）

積極的に会話
会話履歴保持
ChatGPT的な対話体験

グループモード（複数人チャット）

基本は沈黙
裏で記録・分析
コマンドで呼ばれた時のみ発言

Phase 2完了
堅牢な基盤の構築

セキュリティの強化

GASでは困難だった署名検証を、Supabase Edge Functionsで実装しました。

HMAC-SHA256による署名検証

export async function verifyLineSignature(
  body: string,
  signature: string,
  channelSecret: string
): Promise<boolean> {
  const enc = new TextEncoder()
  const key = await crypto.subtle.importKey(
    'raw',
    enc.encode(channelSecret),
    { name: 'HMAC', hash: 'SHA-256' },
    false,
    ['sign']
  )

  const sig = await crypto.subtle.sign('HMAC', key, enc.encode(body))
  const calcB64 = btoa(String.fromCharCode(...new Uint8Array(sig)))

  // Constant-time比較（タイミング攻撃対策）
  if (calcB64.length !== signature.length) return false
  let diff = 0
  for (let i = 0; i < calcB64.length; i++) {
    diff |= calcB64.charCodeAt(i) ^ signature.charCodeAt(i)
  }
  return diff === 0
}

セキュリティ対策

HMAC-SHA256による署名検証
Constant-time比較（タイミング攻撃防止）
テキストサニタイゼーション
環境変数検証（Zodスキーマ）

CI/CDパイプラインの構築

GitHub Actionsによる自動デプロイを実現しました。

name: Deploy to Supabase
on:
  push:
    branches: [main]
jobs:
  deploy:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Setup Supabase CLI
        uses: supabase/setup-cli@v1
      - name: Deploy Function
        run: supabase functions deploy savvybot

デプロイフロー

mainブランチへpush
GitHub Actionsが自動起動
Supabase CLIでシークレット設定
Edge Functionデプロイ
本番環境に即座反映

実機テスト成功

2025年10月13日、署名検証からLINE API連携まで、エンドツーエンドでの動作を確認しました。

テスト結果

署名検証：成功（403エラーなし）
LINE API：成功（401エラーなし）
メッセージ送受信：正常動作

Phase 3.2完了
Web検索と時間認識の実装

OpenAI Function Callingによる自動ツール選択

Tavily APIとOpenAI Function Callingを組み合わせ、AIが自動的に最新情報が必要かを判断し、Web検索を実行する機能を実装しました。

ツール定義

const SEARCH_TOOLS = [
  {
    type: 'function',
    function: {
      name: 'search_web',
      description: '最新の情報やニュースをWeb検索します。',
      parameters: {
        type: 'object',
        properties: {
          query: { type: 'string', description: '検索クエリ' },
        },
        required: ['query'],
      },
    },
  },
]

const response = await openai.chat.completions.create({
  model: 'gpt-4o-mini',
  messages,
  tools: SEARCH_TOOLS,
  tool_choice: 'auto', // AIが必要性を判断
})

自動判断の流れ

ユーザー：「去年のワールドシリーズで優勝したチームは？」
AI：最新情報が必要と判断 → search_webを呼び出し
システム：Tavily APIでWeb検索実行
AI：検索結果を基に回答生成 → 「2024年ロサンゼルス・ドジャース」

時間表現の正確な解釈（Temporal Context Pattern）

問題: AIモデルの学習データカットオフ（2023年10月）により、「去年」などの相対的な時間表現が誤って解釈される

例

ユーザー：「去年のワールドシリーズで優勝したチームは？」
AI（誤）：2022年のデータを返答（学習カットオフの視点から「去年=2022年」と解釈）

解決策: システムプロンプトに現在日付を動的に追加

const now = new Date()
const currentDate = now.toISOString().split('T')[0] // YYYY-MM-DD
const enhancedSystemPrompt = `${config.app.systemPrompt}

【重要】今日の日付: ${currentDate}
「去年」「今年」「最近」などの時間表現は、この日付を基準に解釈してください。`

const messages: OpenAIMessage[] = [
  { role: 'system', content: enhancedSystemPrompt },
  // ...
]

結果

現在日付（2025-10-16）を明示
AIが「去年=2024年」と正しく認識
Web検索を実行
正確に2024年ロサンゼルス・ドジャースの優勝を回答

3つの根本原因と段階的解決

TAVILY_API_KEYがGitHub Actionsワークフローに含まれていない → 追加
SYSTEM_PROMPTが空白で、Web検索使用の指示がない → 指示を含むプロンプトを設定
時間表現をAIが学習データの視点から解釈 → 現在日付を動的に追加（決定的な解決策）

Phase 3.3完了
Personal Mode 実機テスト

Web検索機能の包括的検証（2025年10月17日）

Phase 3.2で実装したWeb検索機能を、実際のLINE環境で包括的にテストしました。

テストシナリオ

ノーベル物理学賞2024: AIの知識カットオフ後の情報
最新iPhone価格: カットオフ8ヶ月後の製品情報
大谷翔平ニュース: 最新スポーツ情報
第二次世界大戦終結: 学習データ内の歴史的事実

テスト結果（4/4 PASS, 100%達成率）

ノーベル物理学賞2024 → Hopfield & Hinton（正確な受賞者情報）
最新iPhone価格 → iPhone 17シリーズ価格（知識カットオフ8ヶ月後の製品）
大谷翔平ニュース → 50-50達成、プレーオフ勝利（最新スポーツ情報）
第二次世界大戦終結 → 1945年（学習データから回答、Web検索不使用）

重要な発見

iPhone 17ケース: AI知識カットオフ（2025年1月）の8ヶ月後にリリースされた製品の正確な価格情報を取得できました。これはWeb検索の価値を完璧に実証するケースです。学習データのみでは不可能な情報提供が可能になっています。

ツール呼び出し判定の精度: 「最新」というキーワードで検索を実行し、歴史的事実は学習データを使用するという適切な判断を確認しました。

時間表現解釈: 現在日付コンテキストの効果を実証し、「去年」を正しく2024年と認識できることを確認しました。

Phase 3.4完了
Group Mode 実機テスト + ,[object Object], コマンド

グループチャット機能の完全実装（2025年10月19日）

達成事項

グループチャット設定問題の解決（LINE設定でグループ参加許可が必要）
全コマンドの実機テスト成功（/sv:help, /sv:minutes, /sv:decisions, /sv:todo）
グループモードのサイレント動作確認（通常メッセージには反応しない）
自動抽出機能の検証（100%精度で決定事項・TODO抽出）
構造化議事録生成の動作確認

技術的成果

TODO表示バグ修正（[object Object] → スマートな Object/String 処理）
全コマンドのレスポンスタイム目標達成（<5秒）
議事録生成の高品質出力確認（OpenAI Function Calling活用）

`/sv:questions` コマンド実装

機能概要

グループチャット内の質問を自動的に抽出・追跡し、未回答の質問を可視化する機能です。

主要機能

質問の自動抽出と表示
重複チェック機能（1時間以内の同一質問をスキップ）
日本時間（JST）表示対応（全コマンド統一）
フィルター機能（unanswered/all）

実装詳細

// 重複チェック機能
async checkQuestionDuplicate(
  groupId: string,
  question: string,
  withinMinutes: number = 60
): Promise<boolean> {
  const { data, error } = await this.client
    .from('questions')
    .select('id')
    .eq('group_id', groupId)
    .eq('question', question)
    .gte('asked_at', new Date(Date.now() - withinMinutes * 60 * 1000).toISOString())
    .limit(1)
  return (data && data.length > 0) || false
}

日本時間表示の統一

// JST変換の統一実装
const jstDate = new Date(isoString).toLocaleString('en-US', {
  timeZone: 'Asia/Tokyo'
})

実機テスト結果

質問抽出精度：100%
重複チェック：正常動作（1時間以内の同一質問を適切にスキップ）
JST表示：全コマンドで統一実装完了
ユーザーID表示：シンプル表示に改善

Phase 4完了
API 使用量トラッキング実装

自動コスト管理システムの構築（2025年10月19日）

SaaS化に向けて、OpenAI API使用量の自動トラッキングシステムを実装しました。

達成事項

OpenAI API使用量の自動トラッキング
トークン数とコスト計算の記録
グループごとの使用量集計
Personal mode自動検出バグ修正
実機テスト成功（複数ユーザーで動作確認）

データベーススキーマ

usage_logs テーブル: API使用履歴を記録

CREATE TABLE usage_logs (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  group_id TEXT NOT NULL,
  operation_type TEXT NOT NULL,
  model TEXT NOT NULL,
  prompt_tokens INTEGER NOT NULL,
  completion_tokens INTEGER NOT NULL,
  total_tokens INTEGER NOT NULL,
  estimated_cost_usd NUMERIC(10, 6) NOT NULL,
  created_at TIMESTAMPTZ DEFAULT NOW(),
  expires_at TIMESTAMPTZ DEFAULT (NOW() + INTERVAL '365 days')
);

集計ビュー

daily_usage_summary: 日次集計
group_usage_summary: グループ別集計

コスト計算関数: PostgreSQLでのモデル別価格計算

CREATE FUNCTION calculate_openai_cost(
  model TEXT,
  prompt_tokens INTEGER,
  completion_tokens INTEGER
) RETURNS NUMERIC AS $$
BEGIN
  RETURN CASE model
    WHEN 'gpt-4o' THEN
      (prompt_tokens * 2.50 / 1000000.0) + (completion_tokens * 10.00 / 1000000.0)
    WHEN 'gpt-4o-mini' THEN
      (prompt_tokens * 0.15 / 1000000.0) + (completion_tokens * 0.60 / 1000000.0)
    -- ...
  END;
END;
$$ LANGUAGE plpgsql;

使用量トラッキングロジック

OpenAI API関数の拡張

全API関数の戻り値に使用量情報を追加しました：

getAIResponse → AIResponseWithUsage
getAIResponseWithTools → AIResponseWithUsage
extractInformation → ExtractionResultWithUsage
generateStructuredMinutes → StructuredMinutesWithUsage

export interface UsageInfo {
  prompt_tokens: number
  completion_tokens: number
  total_tokens: number
}

export type AIResponseWithUsage = Result<
  { response: string; usage: UsageInfo },
  AppError
>

使用量ロギング

await logUsage(
  groupId,
  'personal_chat',
  'gpt-4o',
  usage.prompt_tokens,
  usage.completion_tokens,
  usage.total_tokens
)

Personal Mode 自動検出バグの解決

問題: 新規ユーザーが1対1チャットでメッセージを送っても返信がない（group_mode.silent と認識される）

根本原因: getOrCreateGroupSettings() がデフォルトで mode: 'group' を設定していた

修正内容

getOrCreateGroupSettings() に defaultMode パラメータを追加
モード検出を2段階に分離：
1. 自動検出（settings なし）→ autoMode
2. settings 取得時に autoMode.mode をデフォルトとして渡す
3. 最終的なモード決定（settings を含めて再検出）

結果: source.type === 'user' → mode: 'personal' で作成、source.type === 'group' → mode: 'group' で作成

実機テスト結果

Personal Chat:
  operation_type: "personal_chat"
  model: "gpt-4o"
  total_tokens: 414, 706
  estimated_cost: $0.001155, $0.001923

Auto Extraction:
  operation_type: "auto_extraction"
  model: "gpt-4o"
  total_tokens: 485-506
  estimated_cost: $0.001317-$0.001490

Group Summary:
  2ユーザー、9回の操作
  合計4,572トークン
  推定コスト: $0.012795（約1.9円）

技術的成果

型安全な使用量トラッキング（Result型パターンの維持）
エラーハンドリング完備（失敗時も処理継続）
リアルタイムコスト推定（トークン数からUSDコストを自動計算）
1年間のデータ保持期間（TTL: 365 days）
インデックス最適化とビューによる高速集計

Phase 5完了
管理ダッシュボード実装

公式Webサイトと認証システムの構築（2025年10月24-25日）

SaaS化に向けた重要なマイルストーンとして、管理ダッシュボードを完全実装しました。

達成事項

Next.js 15プロジェクトセットアップ（TypeScript + Tailwind CSS + shadcn/ui）
Supabase Auth統合（email/password認証）
データベーススキーマ実装（8テーブル + RLS policies）
認証フロー（login/signup/callback）
ミドルウェアによるルート保護
セッション管理

実装した管理機能

1. ランディングページ

Hero Section（SavvyBotキャラクター画像配置）
Features Section（4つの主要機能）
How to Use Section（3ステップガイド）
Pricing Section（3プラン: 個人/チーム/ビジネス）
CTA Section（行動喚起）
Footer（ナビゲーションリンク）
SEO最適化（メタデータ、OpenGraph）
レスポンシブデザイン（モバイルファースト）
ダークモード対応

2. ダッシュボードレイアウト

サイドバーナビゲーション
ヘッダーとユーザープロフィールドロップダウン
サインアウト機能
レスポンシブデザイン

3. ダッシュボードホーム

概要統計表示（グループ数、会話数、トークン、コスト）
アクティビティフィード
クイックアクションカード
ウェルカムメッセージ

4. 使用量ダッシュボード

期間フィルター（7/30/90日）
トークン使用量バーチャート（Recharts）
コストトレンドラインチャート
グループ別統計テーブル
データ集計とゼロ埋め処理

5. グループ管理UI

グループ一覧ページ（カード表示）
グループ詳細ページ（統計 + 設定）
設定エディター（権限ベース）
モード選択（personal/group）
自動機能トグル（4種類）
権限システム実装（owner/admin/member）

6. 設定ページ

ユーザープロフィール設定
LINE連携状態表示
通知設定（メール通知トグル）
アカウント管理（パスワード変更、アカウント削除）
2段階確認フロー（アカウント削除）

データベース設計

8テーブル + RLS policies

profiles: ユーザープロフィール
user_groups: ユーザー-グループ関連（role: owner/admin/member）
group_settings: グループ設定（mode, auto_features）
conversations: 会話履歴（90日TTL）
decisions: 決定事項
todos: タスク管理
questions: 質問追跡
usage_logs: API使用量（365日TTL）

Row Level Security（RLS）実装

ユーザー別データ分離
グループベースのアクセス制御
ロールベースの権限管理

プロダクションビルド成功

✓ Compiled successfully in 1464ms
✓ All 20 routes generated
✓ 0 TypeScript errors
✓ 0 ESLint errors (dashboard)

Total Bundle Size: 102 kB (shared)
Largest Page: /dashboard/usage (105 kB - Recharts)
All Other Pages: < 6 kB each

技術スタック

Next.js 15.5.6（App Router）
TypeScript 5
Tailwind CSS 4
shadcn/ui（Button, Card, Badge, Switch, Label, Table, Dropdown Menu）
Recharts（データ可視化）
Supabase（Auth, Database, RLS）

技術的成果

マイグレーションベースのスキーマ管理
セキュアな認証フロー（cookie-based sessions）
マルチテナント対応のデータ分離
複雑なデータ集計ロジック
Recharts TypeScript型定義の解決
カスタムツールチップ実装
日付連続性の確保（ゼロ埋め）
楽観的UI更新
フォームバリデーション
パフォーマンス最適化（バンドルサイズ、ビルド時間）

技術的なハイライト

1. Result型による型安全なエラーハンドリング

従来のtry-catchではなく、RustのResult型をTypeScriptで実装し、コンパイル時にエラー処理の漏れを防ぎます。

export type Result<T, E = Error> =
  | { ok: true; value: T }
  | { ok: false; error: E }

// 使用例
const result = await openaiAdapter.sendMessage(userMessage, SYSTEM_PROMPT)

if (!result.ok) {
  logError(result.error)
  return err(new AppError('AI response failed'))
}

const aiResponse = result.value // 型安全にアクセス

2. SYSTEM_PROMPTの一元管理

会話のトーン、ルール、禁止事項を一箇所に集約し、チーム全体で簡単に更新・レビューできる仕組みを構築しました。

export const SYSTEM_PROMPT = `
あなたは親切で知識豊富なアシスタントです。

【応答ルール】
- 簡潔で分かりやすい日本語で回答してください
- 不確実な情報には「〜かもしれません」など推測であることを明示

【禁止事項】
- 医療・法律の専門的アドバイス
- 金融商品の取引推奨
`

3. 依存性逆転の原則（DIP）適用

アダプターパターンにより、外部APIに依存しない設計を実現。OpenAIから別のAIサービスへの切り替えも容易です。

export interface ChatAdapter {
  sendMessage(prompt: string, systemPrompt: string): Promise<Result<string, Error>>
}

export class OpenAIAdapter implements ChatAdapter {
  async sendMessage(prompt: string, systemPrompt: string) {
    // 実装
  }
}

// 実行時に具体的な実装を注入
const openaiAdapter = new OpenAIAdapter(config)
const service = new ConversationService(openaiAdapter)

// テスト時はモックを注入
const mockAdapter = new MockChatAdapter()
const testService = new ConversationService(mockAdapter)

4. 構造化ログによる可観測性

JSON形式の構造化ログで、障害時の原因特定を迅速化しました。

interface LogContext {
  request_id: string      // リクエスト追跡
  user_id?: string        // ユーザー識別
  event_type: string      // イベント種別
  latency_ms?: number     // レイテンシ計測
  error_code?: string     // エラー分類
}

logRequest({
  request_id: 'req_abc123',
  user_id: 'U1234567',
  event_type: 'message.received',
  latency_ms: 234
}, 'Message processed successfully')

解決した課題

1. セキュリティの脆弱性

課題: GASでは署名検証が困難で、不正なリクエストを防げない

解決策: HMAC-SHA256 + Constant-time comparisonによる堅牢な署名検証を実装しました。

2. シークレット管理の改善

課題: GASではスクリプトプロパティに直接保存、Git管理が困難

解決策

.env.exampleでテンプレート管理
Supabase SecretsでセキュアにSecret管理
GitHub Actionsでの自動デプロイ時に環境変数を注入

3. テスタビリティとメンテナンス性

課題: GASでは依存関係が密結合で、テストが困難

解決策: アダプターパターンで外部APIを抽象化し、モックに差し替え可能な設計にしました。

4. 運用性の向上

課題: エラーログが不十分で、障害時の原因特定が困難

解決策: 構造化ログで可観測性を確保しました。

実装済み機能

LINEボット機能

コマンド体系（/sv: プレフィックス）

/sv:help - ヘルプ表示
/sv:minutes - 議事録生成
/sv:decisions - 決定事項確認
/sv:todo - TODO抽出
/sv:questions - 質問管理（未回答追跡）

自動抽出機能（OpenAI Function Calling活用）

議題の自動抽出
決定事項の検出と追跡
TODOの自動リスト化
質問の検出と未回答追跡

デュアルモード設計

個人モード（1対1チャット）: 積極的に会話、会話履歴保持、Web検索統合
グループモード（複数人チャット）: 基本は沈黙、裏で記録・分析、コマンドで呼ばれた時のみ発言

Web検索統合

OpenAI Function Callingによる自動ツール選択
最新情報の自動取得（Tavily API）
時間表現の正確な解釈

管理ダッシュボード機能（NEW - Phase 5）

認証システム

Email/passwordサインアップ・ログイン
セッション管理
ルート保護
ロールベース権限制御（owner/admin/member）

ダッシュボード機能

概要統計（グループ数、会話数、トークン、コスト）
使用量グラフ（期間フィルター、トークン/コストチャート）
グループ管理（一覧、詳細、設定エディター）
設定ページ（プロフィール、LINE連携、通知、アカウント管理）

データベース設計（Supabase PostgreSQL）

8テーブル + RLS policies
profiles: ユーザープロフィール
user_groups: ユーザー-グループ関連
group_settings: グループ設定管理
conversations: 会話履歴の永続化（90日TTL）
decisions: 決定事項の追跡
todos: タスク管理
questions: 質問と回答のトラッキング
usage_logs: API使用量トラッキング（365日TTL）
インデックス最適化とビューによる高速集計

今後の展開

Phase 6: 収益化とリリース（2025年11月〜12月）

目標: SaaS化完了と正式リリース

Stripeサブスクリプション統合
請求管理システム
プラン別機能制限
LINE Bot連携ガイド（ダッシュボード内）
クローズドベータテスト（5-10チーム）
フィードバック収集と改善
正式リリース（年内目標）

収益モデル

Freeプラン: 個人利用（Personal modeのみ）、基本機能
Teamプラン（¥2,980/月）: 3-10人チーム、全機能、グループ対応
Businessプラン（¥9,800/月）: 11-50人、API連携、優先サポート

目標: 年内に5-30チームの有料ユーザー獲得、MRR ¥15,000-¥90,000

長期展望（2026年以降）

ナレッジベース機能（過去の決定事項・議事録の検索）
多言語対応
エンタープライズ向け機能（SSO、監査ログ）
音声会議の自動文字起こし＆議事録生成
Slack/Teams連携

参考リソース

Phase 2: 基盤構築

Phase 3-4: グループチャット特化 & 使用量管理

Phase 5: 管理ダッシュボード

プロジェクトステータス

✅ Phase 1完了（2023年3月）: GAS MVP実装
✅ Phase 2完了（2025年10月）: Supabase Edge Functions移行、セキュリティ強化
✅ Phase 3完了（2025年10月）: 戦略的ピボット、グループチャット特化
- ✅ Phase 3.2: Web検索統合（OpenAI Function Calling + Tavily API）
- ✅ Phase 3.3: Personal Mode実機テスト（100%成功率）
- ✅ Phase 3.4: Group Mode実機テスト + /sv:questions コマンド
✅ Phase 4完了（2025年10月19日）: API使用量トラッキング実装
✅ Phase 5完了（2025年10月24-25日）: 管理ダッシュボード実装
- ✅ Phase 5.1: 公式Webサイト LP実装
- ✅ Phase 5.2: 認証システム & データベース設計
- ✅ Phase 5.3: ダッシュボード完全実装（7サブフェーズ）
- ✅ Phase 5.3.7: 最終テスト & プロダクションビルド成功
📅 Phase 6計画済み（2025年11月〜12月）: Stripe統合、収益化、年内リリース目標

現在の機能実装状況

LINEボット:

グループチャット機能: 完全実装（議事録、決定事項、TODO、質問管理）
Web検索統合: 実機テスト完了（知識カットオフ超える情報取得を実証）
使用量トラッキング: 自動記録・集計システム稼働中
コマンド体系: 5つの主要コマンド実装済み

管理ダッシュボード（NEW）:

認証システム: Supabase Auth完全統合
ダッシュボード: 全20ルート生成成功
データ可視化: Rechartsによる使用量グラフ
グループ管理: CRUD操作完備
設定ページ: プロフィール・通知・アカウント管理
プロダクション品質: TypeScript型エラー0件、ビルド時間1.5秒

次のマイルストーン

2025年11月末: Stripe統合完了（課金システム実装）
2025年12月中旬: クローズドベータテスト開始（5-10チーム）
2025年12月末: 正式リリース（一般公開）

Technologies Used

プロジェクト概要

コアコンセプト

ビジネス目標

技術スタック

プロジェクトの進化

Phase 1: GAS での MVP（2023年3月 - 完了）

Phase 2: Supabase Edge Functionsへの移行（2025年10月 - 完了）

Phase 3: 戦略的ピボット（2025年10月 - 完了）

Phase 4: API使用量トラッキング（2025年10月 - 完了）

はじめに 動くものから、人の役に立つものへ

コアコンセプト 会話を邪魔しない裏方AI

基本は沈黙

まとめる、追跡する、リマインドする

モード設計

Phase 2完了 堅牢な基盤の構築

セキュリティの強化

CI/CDパイプラインの構築

実機テスト成功

Phase 3.2完了 Web検索と時間認識の実装

OpenAI Function Callingによる自動ツール選択

時間表現の正確な解釈（Temporal Context Pattern）

Phase 3.3完了 Personal Mode 実機テスト

Web検索機能の包括的検証（2025年10月17日）

Phase 3.4完了 Group Mode 実機テスト + ,[object Object], コマンド

グループチャット機能の完全実装（2025年10月19日）

/sv:questions コマンド実装

Phase 4完了 API 使用量トラッキング実装

自動コスト管理システムの構築（2025年10月19日）

データベーススキーマ

使用量トラッキングロジック

Personal Mode 自動検出バグの解決

実機テスト結果

Phase 5完了 管理ダッシュボード実装

公式Webサイトと認証システムの構築（2025年10月24-25日）

実装した管理機能

データベース設計

プロダクションビルド成功

技術的なハイライト

1. Result型による型安全なエラーハンドリング

2. SYSTEM_PROMPTの一元管理

3. 依存性逆転の原則（DIP）適用

4. 構造化ログによる可観測性

解決した課題

1. セキュリティの脆弱性

2. シークレット管理の改善

3. テスタビリティとメンテナンス性

4. 運用性の向上

実装済み機能

LINEボット機能

管理ダッシュボード機能（NEW - Phase 5）

今後の展開

Phase 6: 収益化とリリース（2025年11月〜12月）

長期展望（2026年以降）

参考リソース

プロジェクトステータス

Outcomes & Results

Challenges Overcome

Key Learnings

はじめに
動くものから、人の役に立つものへ

コアコンセプト
会話を邪魔しない裏方AI

Phase 2完了
堅牢な基盤の構築

Phase 3.2完了
Web検索と時間認識の実装

Phase 3.3完了
Personal Mode 実機テスト

Phase 3.4完了
Group Mode 実機テスト + ,[object Object], コマンド

`/sv:questions` コマンド実装

Phase 4完了
API 使用量トラッキング実装

Phase 5完了
管理ダッシュボード実装