【要約】LINEで学校プリント写真を送るとAIが覚えてくれるサービスをClaude Codeで爆速開発した [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
- ・紙のプリント紛失や写真フォルダへの埋没による情報管理の困難さ。
- ・RAGの検索精度不足（類似度閾値の不備、同義語未対応、古い情報の優先）。
- ・OCRの精度不足（幼稚園のひらがな、特殊な語彙への対応不足）。
- ・Supabase Free tierの自動停止問題。
- ・LINEチャネル仕様によるLIFF構築の制約。
// Approach
1.RAGパイプラインの強化: クエリ拡張、pgvector検索、閾値フィルタ、リランキングの4段階構成。
SIMILARITY_THRESHOLD = 0.45 を設定。2.OCR精度の補完: LLMに依存せず、ルールベースの正規化（
RE_DATE_HIRAGANA）やキーワード辞書を導入。3.運用自動化: GitHub Actionsによる
/health/deep への定期的なヘルスチェックを実施。4.リソース制御: インメモリの
deque を用いたレート制限の実装。5.画像前処理:
ImageOps.exif_transpose による回転補正、リサイズ、品質調整の実施。// Result
- ・RAGの検索精度が大幅に向上。
- ・幼稚園プリントのカテゴリ判定的中率が約2倍に向上。
- ・Claude Codeのサブエージェント並列化により、開発速度が大幅に向上。
- ・今後の展望として、Stripeによる決済導入やリマインダー機能の実装を予定。
Senior Engineer Insight
>
個人開発における「割り切り」と「補完」のバランスが極めて合理的。インメモリでのレート制限や、LLMへのルールベース補強は、コストと精度のトレードオフとして実戦的である。ただし、商用展開時はRedisへの移行や、より高度なリランキングモデルの検討が必須。AI駆動開発（Claude Code）による設計判断の言語化は、保守性の観点からも高く評価できる。実装速度だけでなく、設計意図をコードに残す文化は、チーム開発においても重要である。