【要約】140サービスの料金ページを15日間監視して、発効前の変更予告を5件拾った [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者が利用するAPIの料金改定を、請求書が届くまで把握できないという課題がある。事後的な検知は予算管理に支障をきたすため、早期の予兆検知が求められている。具体的には以下の問題に直面している。
- ・料金改定の情報が非定型なテキストで記述されており、従来の抽出手法では困難である。
- ・料金ページごとに年号の記載有無やタイムゾーンの表記が異なり、データの正規化が難しい。
- ・中継サービス（OpenRouter等）の価格変動を、直販の値上げと誤認するリスクがある。
// Approach
開発者が変更を自動検知するため、LLMを用いた構造化抽出と差分検知の手法を採用した。取得した生テキストを保存し、抽出ロジックの変更に柔軟に対応できる設計としている。
- ・GitHub Actionsを用い、毎朝7時に140サービスを自動巡回する。
- ・DeepSeek-v4-proを使用して、ページ本文から料金情報を構造化して抽出する。
- ・スキーマ検証と異常値検出を導入し、LLMの誤読リスクを低減する。
- ・比較の精度を高めるため、コンテキスト長や提供元の一致を条件に加える。
// Result
15日間の運用を通じて、発効日が確定している5件の変更予告を特定することに成功した。これにより、APIの料金体系変更などの具体的な情報を早期に捕捉できた。
- ・DeepSeek APIの料金体系変更などの実効的な情報を検知した。
- ・月間の運用コストを約12ドルという低価格で実現した。
- ・データの信頼性を高めるため、比較条件を厳格化するプロセスを確立した。
Senior Engineer Insight
> LLMによる非定型データの抽出は、運用コストと精度のトレードオフが激しい。本件では、生テキストの保存による再抽出や、異常値の検知といった防御策が極めて実戦的である。ただし、LLMの非決定性により検知件数が変動する問題は、信頼性の観点から致命的になり得る。実戦投入には、検知結果の確定プロセスをより強固にする必要がある。