【要約】非エンジニアの自分が、AIと2ヶ月で日本株3,700銘柄のサイトを作るまで [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
非エンジニアの開発者が、日本株分析サイトの構築過程で、データの正確性とインフラ制限の課題に直面した。
- ・J-Quants APIの無料プランによる12週間のデータ遅延。
- ・株価DBにおける調整済み/未調整株価の混在やデータの欠損。
- ・Vercelのデプロイサイズ制限（100MB）による配信の制約。
- ・決算日の推定ロジックによる、情報の誤謬（嘘）の発生。
// Approach
開発者は、AIエージェントを駆使して、データの独自性とシステムの軽量化を両立させる設計を構築した。
- ・Claude CodeとCodexを、状況に応じて使い分ける開発フロー。
- ・SSRを最小限に抑え、Pythonバッチで生成した静的アセットをフロントで読み込む構成。
- ・TDnetのスクレイピングによるリアルタイム情報の確保と、J-Quantsによる過去データの整備。
- ・EDINETのXBRLパースによる「受注残高」データの構造化。
- ・異常値や単位変更を検出し、正規化を行うデータパイプラインの構築。
// Result
開発者は、AIを活用することで、2ヶ月間で3,700銘柄をカバーする分析サイトを完成させた。
- ・開発期間34日、コミット数825、Pythonスクリプト96本を達成。
- ・約4.9GBのSQLiteデータベースを構築。
- ・SEOコンテンツ68ページを生成。
- ・「受注残高」等の独自データにより、既存の大型サイトとの差別化を実現。
Senior Engineer Insight
> AIエージェントは開発速度を劇的に向上させる。しかし、金融ドメインではデータの正確性が生命線だ。不確実な推測を排除し、一次情報へ回帰する判断や、データの正規化パイプラインの構築といった、エンジニアリングの本質的な設計能力がプロダクトの信頼性を決定づける。AIの生成物に依存せず、検証プロセスを組み込むことが実戦投入の鍵となる。