【要約】「娘の成長をAIが記憶する：AmuletのLayer1実装記録」 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者が、AIによる画像分析の精度向上と、将来的な長期記憶システムへの拡張性を両立させるという課題に直面した。単なる画像解析では、ユーザーが求める深い洞察を得るには不十分であった。また、データの整合性維持も重要な課題であった。
- ・画像単体ではAIの解釈が表層的になり、ユーザーの納得感が得られにくい。
- ・分析モード（簡易・詳細）を別行で管理すると、後の検索処理が複雑化する。
- ・LLMのエラー文言がDBに混入し、データの品質を損なうリスクがある。
// Approach
開発者は、将来のLayer2実装を見据え、データの整合性とコンテキストの質を重視した設計を採用した。データの流れを整理し、分析の深さと検索性を両立させるアプローチを取った。また、上流工程でのデータ制御を重視した。
- ・Supabaseを用い、一次情報（drawings）と二次情報（reviews）を別テーブルで管理。
- ・分析モードAとBを1行に統合し、データの重複と処理の複雑さを回避。
- ・「付帯情報（notes）」を導入し、画像に言葉の文脈を付与して分析精度を向上。
- ・プロンプト側でモチーフタグを正規化し、下流の処理を安定化。
// Result
実装により、単なる画像分析を超えた、文脈に基づいた深い洞察を得る仕組みを構築した。これにより、ユーザーはAIを通じて子供の成長を多角的に捉えられるようになった。また、データの品質管理も強化された。
- ・付帯情報の追加により、AIの解釈の納得度が劇的に向上した。
- ・過去5枚の絵を比較する「振り返り機能」により、成長の兆しを捉えることが可能になった。
- ・エラー時の保存をスキップする設計により、クリーンなデータ蓄積を実現した。
Senior Engineer Insight
> データの品質をプロンプトと保存時の両面から担保する姿勢は、実戦的である。特に一次情報と二次情報の分離は、RAGにおけるノイズ混入を防ぐ上で極めて重要だ。ただし、付帯情報の入力負荷は、スケーラビリティを阻害する。音声入力等の自動化が、実用化への鍵となるだろう。設計の整合性が高く、将来の拡張性も考慮されている。