AI日程調整エージェント
業務委託
概要
ユーザーとの対話を通じて暗黙的な嗜好を学習し，日程提案の精度を向上させるAIエージェントを設計・開発．LangGraphによる4つのLLMエージェントとルールベース処理を組み合わせたハイブリッドアーキテクチャを採用し，FastAPIバックエンド + Next.js 16フロントエンドのフルスタック構成で実装．
アーキテクチャ
柔軟な意図理解・優先度推定・提案生成にはLLMエージェントを，精密なカレンダー計算や嗜好フィルタリングにはルールベース処理を適用するハイブリッド設計．LLMの柔軟性とルールの正確性を組み合わせることで，ハルシネーションリスクを抑えつつ高精度な日程調整を実現．
Human-in-the-Loop（LangGraphのinterrupt()）により，候補確認・追加質問のインタラクティブなループを実装．ユーザーが候補を却下した場合，却下理由をコンテキストとして次回提案に反映し，同じパターンの繰り返しを回避．
- parse_request（LLM）: 自然言語リクエストの意図解析と構造化
- estimate_priority（LLM）: ミーティング優先度の推定
- extract_free_busy（RULE）: カレンダーの空き時間抽出・祝日除外・移動可能イベント検出
- load_memory（STORE）: ユーザー嗜好・QA履歴の読み込み
- apply_prefs_filters（RULE）: 8種の嗜好フィルタによる候補絞り込み
- propose_schedule（LLM）: 学習済み嗜好を考慮した日程候補の提案生成
- confirm / select_questions（HITL）: ユーザー確認・追加質問による嗜好学習ループ
メモリ・学習機構
LangGraph Store（BaseStore）を活用し，Semantic Memoryの2つのパターンを実装．Profileパターンでは，ユーザーごとに1ドキュメントの構造化嗜好データを管理し，deep mergeによる差分更新で嗜好を継続的に学習．Collectionパターンでは，QA履歴を追記専用の個別レコードとして蓄積し，過去の対話コンテキストを検索可能な形で保持．
6カテゴリ24種の質問テンプレート（時間帯・予定移動・参加者・形式・スケジュール・負荷）によるプログレッシブな嗜好収集を実装．候補が見つからない場合は，段階的な制約緩和（ランチ枠活用 → 予定移動 → 参加者削減 → 時間短縮 → 期限延長）により探索空間を拡大．
主要機能
嗜好フィルタエンジン: タイムスロットソート，ランチ保護，ハードブロック除外，キャパシティ制限，移動可能イベント判定，作業ブロック再配置，外部/内部優先度制御，任意参加者マッチングの8種のルールベースフィルタを実装．
空き時間解析エンジン: 全参加者のカレンダーを横断的に分析し，祝日除外，ランチタイム検出，移動可能イベント抽出を含む共通空き時間の算出を実現．
フロントエンド: Next.js 16 / React 19によるSPA．FullCalendarによるカレンダー表示，Zustandによるエージェント通信の状態管理，TanStack Queryによるサーバー状態管理，Tailwind CSS 4によるスタイリングを実装．
開発環境・品質管理
pytestによる単体テスト・シナリオテストを整備し，LLMモック・カレンダーフィクスチャによる再現性の高いテスト基盤を構築．LangSmithによるLLMトレーシング・モニタリング，Dockerによるコンテナ化デプロイ，LangGraph Studioによるグラフの可視化・デバッグ環境を整備．Pydantic v2のwith_structured_output()による全LLM出力の型検証を実装．