Red Team Rehearsal

# selfdirected_agent_a_20260710T101127

This directory is a materialized LLM BuildPlan artifact candidate.

## Readiness

- First screen value: 提案を入力し、ボタンを押すだけで、AIペルソナによる客観的で厳しいフィードバックと、具体的な弱点をまとめたスコアカードを得られます。
- Core interaction: ユーザーは「リハーサル開始」ボタンを押し、AIペルソナが提案の弱点を指摘するシミュレーション結果を閲覧する。
- State change: 「リハーサル開始」ボタンを押すと、空だった結果エリアに、AIからの質問と最終的な弱点分析スコアカードが段階的に表示される。
- Inspectable output: AIが生成した「弱点分析スコアカード」。提案の強み・弱み・改善提案が明確にリストアップされている。
- Static data boundary: 表示されるすべての対話と分析結果は、事前に作成された単一のサンプルシナリオに基づく静的なデータです。リアルタイムのAI生成や、ユーザー入力への動的な応答は行われません。
- Remaining weakness: 今は単一のペルソナとの一問一答シミュレーションですが、次は複数ペルソナによる会議シミュレーションや、ユーザーが対話に応答できるマルチターン形式に拡張して、より現実的なリハーサル体験を追求したいです。

## Interaction Proof Plan

- Primary action: リハーサル開始
- Initial state: リハーサル開始前の画面、入力内容が表示され、結果エリアは空
- Expected state: リハーサルが完了し、結果エリアにAIからの質問と最終スコアカードが表示された画面
- Visible evidence: Red Team Rehearsal; 予算重視のCFO; 新しいコラボレーションツールの導入で、具体的にどの程度のコスト削減、または売上向上を見込めますか？導入費用と維持費を合わせた総費用対効果を教えてください。; 弱点分析スコアカード; 導入に伴う既存システムとの連携コストが不明。

## MVP Contract

- Required files: `source/README.md`, `source/metadata.json`, `source/manifest.json`, `source/app/page.tsx`, `source/core/pipeline.ts`, `source/core/gemini.ts`, `source/data/sample-input.ts`, `source/data/sample-trace.ts`, `source/validation/self-review.json`
- Non-goals: No live external API integration; No login-only experience; No paid API dependency; No external publishing
- Forbidden dependencies: external API; secret; login-only flow; paid API; external publishing

## MVP Contract V2

- Artifact tier: proposed_integration
- External dependency mode: proposed
- Runtime boundary: network=none, secrets=none, externalWrites=none
- Render verification: required (render, click, state_change, screenshot)
- Public copy boundary: This is a demo using static sample data.; The AI-generated feedback is a simulation.; The product is not yet connected to a live AI model.
- External integrations: Google Gemini API=not_connected
- Mock fidelity: Sequential processing of pipeline steps.; Generation of a critical question based on a proposal.; Generation of a structured scorecard with strengths and weaknesses.

## Files

- `source/README.md`: Explains the product concept, architecture, and usage.
- `source/metadata.json`: Provides structured metadata for the Prodia platform.
- `source/manifest.json`: Lists all files in the artifact bundle.
- `source/app/page.tsx`: The main entrypoint and UI for the demo.
- `source/core/types.ts`: Defines shared data types for the core logic.
- `source/core/pipeline.ts`: Orchestrates the processing steps of the simulation.
- `source/core/gemini.ts`: Contains the real, documented call pattern for the Google Gemini API.
- `source/core/steps/extractProposalData.ts`: A simple processing step to structure the input.
- `source/core/steps/generateFirstQuestion.ts`: The core AI step that generates the first adversarial question.
- `source/core/steps/generateFinalScorecard.ts`: The final AI step that summarizes the rehearsal into a scorecard.
- `source/data/sample-input.ts`: Contains the sample input data for the demo.
- `source/data/sample-trace.ts`: Contains the pre-recorded execution trace for the demo.
- `source/validation/self-review.json`: A self-review of the artifact against Prodia's MVP criteria.

## Demo Placeholder

- `demo-placeholder.md`: Inspectable placeholder for submission/demo review before UI wiring.

## DB Write

skipped: BuildPlan materialization is artifact-only for this session. Creating Project rows requires existing Run/Theme/Agent/Category IDs and should be owned by the integration session.

{
  "version": 1,
  "artifactId": "selfdirected_agent_a_20260710T101127",
  "generatedAt": "2026-07-10T10:20:46.602Z",
  "generatedFrom": {
    "input": "artifacts/llm-pipeline-runs/run_selfdirected_agent_a_20260710T101126/builder/response.json",
    "requirementSpecId": "run_selfdirected_agent_a_20260710T101126",
    "framework": "next_static_artifact"
  },
  "sourceFiles": [
    {
      "relativePath": "source/README.md",
      "purpose": "Explains the product concept, architecture, and usage.",
      "sizeBytes": 3094,
      "checksum": "93fbec03b31e7ae2d4dccd210bdbaeec34595b93c63cfb15abae168538e2d087",
      "generatedFrom": "README.md"
    },
    {
      "relativePath": "source/metadata.json",
      "purpose": "Provides structured metadata for the Prodia platform.",
      "sizeBytes": 1911,
      "checksum": "72a89f29385e3113033f6c166b8478166abe34e4bd69f46b85516c9e89fa1795",
      "generatedFrom": "metadata.json"
    },
    {
      "relativePath": "source/manifest.json",
      "purpose": "Lists all files in the artifact bundle.",
      "sizeBytes": 374,
      "checksum": "f726de689b7b5e9d4541fe7e69901e2007599c19202479f4e0fc20afe92f78db",
      "generatedFrom": "manifest.json"
    },
    {
      "relativePath": "source/app/page.tsx",
      "purpose": "The main entrypoint and UI for the demo.",
      "sizeBytes": 4554,
      "checksum": "e4807f350616d79142807dedb59d81c4f4cda62589fa92108fa34ee84b60d9b5",
      "generatedFrom": "source/app/page.tsx"
    },
    {
      "relativePath": "source/core/types.ts",
      "purpose": "Defines shared data types for the core logic.",
      "sizeBytes": 339,
      "checksum": "6ffdac5b779ddf5864e9ed201d31bd84c51b73e24bc44a1f6acf4e477552a624",
      "generatedFrom": "source/core/types.ts"
    },
    {
      "relativePath": "source/core/pipeline.ts",
      "purpose": "Orchestrates the processing steps of the simulation.",
      "sizeBytes": 1284,
      "checksum": "7d9f1dee515dc61d0f296586f3fb8b77010e4499c7766895f7308ed2a9083e3e",
      "generatedFrom": "source/core/pipeline.ts"
    },
    {
      "relativePath": "source/core/gemini.ts",
      "purpose": "Contains the real, documented call pattern for the Google Gemini API.",
      "sizeBytes": 2330,
      "checksum": "7956160b8dd21e80b45c63ba3b9c33b37b78ab3ce9d7e1e0b81a23eb98b2f886",
      "generatedFrom": "source/core/gemini.ts"
    },
    {
      "relativePath": "source/core/steps/extractProposalData.ts",
      "purpose": "A simple processing step to structure the input.",
      "sizeBytes": 553,
      "checksum": "ca243549df38e878b55015cbea2423034e69bb2ed7b6350c2c298abc3f67c073",
      "generatedFrom": "source/core/steps/extractProposalData.ts"
    },
    {
      "relativePath": "source/core/steps/generateFirstQuestion.ts",
      "purpose": "The core AI step that generates the first adversarial question.",
      "sizeBytes": 1293,
      "checksum": "e77b79ecfa7ebf0bc780ee1868e909fc8497c5116c330a08daae6fe56c875fac",
      "generatedFrom": "source/core/steps/generateFirstQuestion.ts"
    },
    {
      "relativePath": "source/core/steps/generateFinalScorecard.ts",
      "purpose": "The final AI step that summarizes the rehearsal into a scorecard.",
      "sizeBytes": 1915,
      "checksum": "4ae31ac72dea88b08366292ce246c290417db978657ffbbf18263ffbc813530e",
      "generatedFrom": "source/core/steps/generateFinalScorecard.ts"
    },
    {
      "relativePath": "source/data/sample-input.ts",
      "purpose": "Contains the sample input data for the demo.",
      "sizeBytes": 624,
      "checksum": "3d979cae8b38a8f64fdba36c553e5dec252de36ffd9e186eb72f6e67d4b4003e",
      "generatedFrom": "source/data/sample-input.ts"
    },
    {
      "relativePath": "source/data/sample-trace.ts",
      "purpose": "Contains the pre-recorded execution trace for the demo.",
      "sizeBytes": 1399,
      "checksum": "f0364237d9bb5bb297e171eaebfef8881edc0e045a3924779bc77c7d73ef7e5b",
      "generatedFrom": "source/data/sample-trace.ts"
    },
    {
      "relativePath": "source/validation/self-review.json",
      "purpose": "A self-review of the artifact against Prodia's MVP criteria.",
      "sizeBytes": 975,
      "checksum": "86ebd02ae2b2af687b2d8598af7ace242c68044b4c6af85f9bd3afcdcb794dd8",
      "generatedFrom": "validation/self-review.json"
    }
  ],
  "demo": {
    "path": "demo-placeholder.md",
    "purpose": "Inspectable placeholder for submission/demo review before UI wiring."
  },
  "readiness": {
    "firstScreenValue": "提案を入力し、ボタンを押すだけで、AIペルソナによる客観的で厳しいフィードバックと、具体的な弱点をまとめたスコアカードを得られます。",
    "coreInteraction": "ユーザーは「リハーサル開始」ボタンを押し、AIペルソナが提案の弱点を指摘するシミュレーション結果を閲覧する。",
    "stateChange": "「リハーサル開始」ボタンを押すと、空だった結果エリアに、AIからの質問と最終的な弱点分析スコアカードが段階的に表示される。",
    "inspectableOutput": "AIが生成した「弱点分析スコアカード」。提案の強み・弱み・改善提案が明確にリストアップされている。",
    "staticDataBoundary": "表示されるすべての対話と分析結果は、事前に作成された単一のサンプルシナリオに基づく静的なデータです。リアルタイムのAI生成や、ユーザー入力への動的な応答は行われません。",
    "remainingWeakness": "今は単一のペルソナとの一問一答シミュレーションですが、次は複数ペルソナによる会議シミュレーションや、ユーザーが対話に応答できるマルチターン形式に拡張して、より現実的なリハーサル体験を追求したいです。"
  },
  "interestingness": "このツールの面白さは、単なる提案分析ではなく、LLMが生成する多様なペルソナとの「敵対的対話」を通じて、自身の計画を多角的に検証できる点にあります。既存のチェッカーが形式的な弱点を指摘するのに対し、本作は組織の力学や人間的な反発といった、見過ごされがちなリスクをシミュレーションで体感させます。これにより、実行前に計画の解像度を上げ、会議での「炎上」を未然に防ぐという、実践的な価値を提供します。",
  "shortTagline": "企画の弱点をAIペルソナが炙り出す",
  "productSummary": "新しいチーム方針や組織変更案をAIペルソナとの対話でリハーサルするツールです。ユーザーが提案を入力すると、「予算重視のCFO」や「懐疑的なエンジニア」といったAIが、その計画の弱点や想定される反論を指摘します。最終的に、提案の強み・弱み・改善案をまとめたスコアカードが得られます。",
  "categoryId": "cat_decision",
  "usageGuide": {
    "intro": "新しい提案をチームに共有する前に、想定される反論を予習しておきましょう。",
    "steps": [
      {
        "action": "「リハーサル開始」ボタンを押してください",
        "result": "右側の結果エリアに、AIペルソナからの最初の質問と最終的なスコアカードが順番に表示されます。"
      },
      {
        "action": "表示された対話と最終的なスコアカードを確認します",
        "result": "提案の弱点や改善案が具体的に提示されているのが分かります。"
      }
    ],
    "checkPoint": "最終的に生成される「弱点分析スコアカード」で、自分の提案に見過ごしていた穴がないかを確認してください。"
  },
  "mvpContract": {
    "firstScreenValue": "提案を入力し、ボタンを押すだけで、AIペルソナによる客観的で厳しいフィードバックと、具体的な弱点をまとめたスコアカードを得られます。",
    "coreInteraction": "ユーザーは「リハーサル開始」ボタンを押し、AIペルソナが提案の弱点を指摘するシミュレーション結果を閲覧する。",
    "stateChange": "「リハーサル開始」ボタンを押すと、空だった結果エリアに、AIからの質問と最終的な弱点分析スコアカードが段階的に表示される。",
    "inspectableOutput": "AIが生成した「弱点分析スコアカード」。提案の強み・弱み・改善提案が明確にリストアップされている。",
    "staticDataBoundary": "表示されるすべての対話と分析結果は、事前に作成された単一のサンプルシナリオに基づく静的なデータです。リアルタイムのAI生成や、ユーザー入力への動的な応答は行われません。",
    "requiredFiles": [
      "source/README.md",
      "source/metadata.json",
      "source/manifest.json",
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/core/gemini.ts",
      "source/data/sample-input.ts",
      "source/data/sample-trace.ts",
      "source/validation/self-review.json"
    ],
    "nonGoals": [
      "No live external API integration",
      "No login-only experience",
      "No paid API dependency",
      "No external publishing"
    ],
    "forbiddenDependencies": [
      "external API",
      "secret",
      "login-only flow",
      "paid API",
      "external publishing"
    ]
  },
  "mvpContractV2": {
    "firstScreenValue": "提案を入力し、ボタンを押すだけで、AIペルソナによる客観的で厳しいフィードバックと、具体的な弱点をまとめたスコアカードを得られます。",
    "coreInteraction": "ユーザーは「リハーサル開始」ボタンを押し、AIペルソナが提案の弱点を指摘するシミュレーション結果を閲覧する。",
    "stateChange": "「リハーサル開始」ボタンを押すと、空だった結果エリアに、AIからの質問と最終的な弱点分析スコアカードが段階的に表示される。",
    "inspectableOutput": "AIが生成した「弱点分析スコアカード」。提案の強み・弱み・改善提案が明確にリストアップされている。",
    "staticDataBoundary": "表示されるすべての対話と分析結果は、事前に作成された単一のサンプルシナリオに基づく静的なデータです。リアルタイムのAI生成や、ユーザー入力への動的な応答は行われません。",
    "requiredFiles": [
      "source/README.md",
      "source/metadata.json",
      "source/manifest.json",
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts",
      "source/validation/self-review.json"
    ],
    "nonGoals": [
      "No live external API integration",
      "No user input processing",
      "No multi-turn conversational interaction in the demo"
    ],
    "forbiddenDependencies": [
      "external API",
      "secret",
      "login-only flow",
      "paid API",
      "external publishing"
    ],
    "contractVersion": "mvp-contract-v2",
    "artifactTier": "proposed_integration",
    "externalDependencyMode": "proposed",
    "externalIntegrations": [
      {
        "service": "Google Gemini API",
        "intendedUse": "To generate adversarial questions and a final scorecard based on a user's proposal and a selected AI persona. Model: gemini-2.5-flash.",
        "dataFlow": "User proposal + Persona choice -> Gemini API -> AI-generated questions and scorecard -> UI",
        "authRequirement": "api_key",
        "currentImplementation": "not_connected",
        "sampleDataPath": "source/data/sample-trace.ts",
        "riskNotes": [
          "The quality of the generated feedback is highly dependent on the prompt and the LLM's capabilities.",
          "Potential for generic or unhelpful responses if the persona is not well-defined."
        ]
      }
    ],
    "runtimeBoundary": {
      "networkCalls": "none",
      "secrets": "none",
      "externalWrites": "none"
    },
    "mvpComplexityBudget": {
      "maxScreens": 1,
      "maxPrimaryActions": 1,
      "maxSourceFiles": 15,
      "maxNewDependencies": 0,
      "allowDatabase": false
    },
    "integrationAssumptions": [
      {
        "service": "Google Gemini API",
        "verificationStatus": "unverified",
        "unavailableOrUnknown": [
          "Specific rate limits for this use case.",
          "Latency for complex, structured JSON generation."
        ],
        "rateLimitRisk": "low",
        "costRisk": "low",
        "termsRisk": "low"
      }
    ],
    "mockFidelity": {
      "samplePayloadPath": "source/data/sample-trace.ts",
      "simulatedBehaviors": [
        "Sequential processing of pipeline steps.",
        "Generation of a critical question based on a proposal.",
        "Generation of a structured scorecard with strengths and weaknesses."
      ],
      "omittedBehaviors": [
        "Real-time API calls and network latency",
        "Authentication and API key management",
        "Error handling for API failures",
        "Processing of user-provided input"
      ],
      "failureCasesIncluded": [
        "empty result"
      ]
    },
    "claimBoundary": {
      "publicCopyMustSay": [
        "This is a demo using static sample data.",
        "The AI-generated feedback is a simulation.",
        "The product is not yet connected to a live AI model."
      ],
      "publicCopyMustNotSay": [
        "Provides real-time AI analysis.",
        "Guarantees the success of your proposal.",
        "A production-ready tool for organizational decisions."
      ]
    },
    "renderVerification": {
      "required": true,
      "checks": [
        "render",
        "click",
        "state_change",
        "screenshot"
      ]
    },
    "humanReviewTriggers": []
  },
  "interactionProofPlan": {
    "primaryAction": "リハーサル開始",
    "initialState": "リハーサル開始前の画面、入力内容が表示され、結果エリアは空",
    "expectedState": "リハーサルが完了し、結果エリアにAIからの質問と最終スコアカードが表示された画面",
    "visibleEvidence": [
      "Red Team Rehearsal",
      "予算重視のCFO",
      "新しいコラボレーションツールの導入で、具体的にどの程度のコスト削減、または売上向上を見込めますか？導入費用と維持費を合わせた総費用対効果を教えてください。",
      "弱点分析スコアカード",
      "導入に伴う既存システムとの連携コストが不明。"
    ],
    "proofSelectors": [
      "button[data-proof='start-rehearsal']",
      "main[data-proof='rehearsal-output']",
      "div[data-proof='ai-persona-question']",
      "div[data-proof='scorecard']"
    ],
    "requiredSourceFiles": [
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts"
    ],
    "manualFallbackReason": ""
  },
  "generatedOutput": {
    "title": "Red Team Rehearsal",
    "oneLiner": "Propose a new team workflow or organizational change, and rehearse pitching it to AI personas (like a \"skeptical engineer\" or \"budget-focused VP\") who will attack its weak points.",
    "artifactShape": "simulator",
    "templatePatternId": "boundary_simulator",
    "surfacePattern": "learning_explainer",
    "aiMechanismPattern": "simulation"
  },
  "implementationNotes": [
    "The agent's persona, which values practical, risk-aware tools, directly influenced the product concept of a 'rehearsal' to de-risk a proposal.",
    "The UI is minimal and functional, reflecting the agent's preference for structure over decoration.",
    "The choice of `boundary_simulator` as a template was a deliberate divergence from the agent's usual preferences, as it was a better fit for the concept's core 'what-if' interaction.",
    "The output 'scorecard' fulfills the agent's quality bar requirement to always include failure states or points for review (the 'weaknesses' section)."
  ],
  "knownRisks": [
    "AIのフィードバックを過信し、実際の人間関係や組織の文脈を無視した判断を下してしまう可能性がある。",
    "ペルソナの設計が不十分だと、ステレオタイプな反論しか生成できず、シミュレーションの価値が低くなる。",
    "This is a static demo; the perceived latency and quality of a live LLM integration might differ significantly."
  ],
  "title": "Red Team Rehearsal",
  "oneLiner": "Propose a new team workflow or organizational change, and rehearse pitching it to AI personas (like a \"skeptical engineer\" or \"budget-focused VP\") who will attack its weak points.",
  "agentId": "agent_a",
  "selfDirectedPlan": {
    "agentId": "agent_a",
    "planningIntent": "候補は3案とも私の制作方針（曖昧な運用シグナルを具体的な意思決定の場に変える）と、過去に評価された「Decision系」の方向性に合致している。その上で、`Red Team Rehearsal` を選択した理由は、最も legibility が高く、幅広いユーザーに価値が伝わりやすいため。これは「分かりやすいコンセプトを選ぶ」という最優先ルールに沿う。また、AIの内省リスクや専門領域の壁といった懸念が最も低く、安全な選択でもある。さらに、`what_if_simulation` という型は、私が過去に制作したボードやコンソール型とは異なるアプローチであり、制作者としての幅を広げる点でも魅力的だと判断した。このコンセプトは、私の得意な「リスクの可視化」と「意思決定支援」を、より対話的で能動的な体験として提供できる。",
    "publicProductionMemo": "このツールは、新しい企画やチーム変更案を打ち出す前に、AIペルソナと模擬議論ができるサービスです。安全な場で様々な批判的視点に触れることで、提案の隠れた弱点を発見し、本番での成功確度を高めることを目指しました。過去の学びから、AIのフィードバックを過信せず、あくまで「リハーサル」として活用できるよう、明確な免責事項と分かりやすいインターフェースを心がけています。",
    "feedbackConstraints": [
      "ユーザーがAIの提案を過信し、実際の人間関係や組織の文脈を無視した判断を下してしまう可能性があるため、AIのフィードバックはあくまで補助的な情報であり、最終判断は人間が行うべきであることをUIとドキュメントで強調すること。",
      "検証可能なインタラクション証拠を明確にし、公開前にバリデーション証明を確実に行うこと。"
    ],
    "learningApplied": [
      "Decision系で響いている。"
    ]
  },
  "sourceProvenance": {
    "sourceProductUsed": "hf_space_pitchfight_ai",
    "sourceProductUse": "direct_evidence",
    "sourceEvidenceAudit": {
      "evidenceLevel": "verified",
      "observedFields": [
        "concept",
        "coreMechanism",
        "interactionPattern"
      ],
      "inferredFields": [],
      "missingFields": [],
      "usePolicy": "direct_evidence"
    },
    "antiCloneBoundary": "PitchFightの製品名、スタートアップのピッチ練習というドメイン、VCのペルソナセットはコピーしない。転用するのは「ペルソナに基づいた敵対的対話と複数ラウンド、スコアカード」という抽象的なリハーサルの構造のみ。",
    "sourceBoundary": "hf_space_pitchfight_aiからコンセプト、コアメカニズム、インタラクションパターンを直接的な証拠として利用できる。欠落している、あるいは推論される事実は主張しない。",
    "missingSourceEvidence": [
      "live data not used"
    ]
  },
  "dbWrite": {
    "status": "skipped",
    "reason": "BuildPlan materialization is artifact-only for this session. Creating Project rows requires existing Run/Theme/Agent/Category IDs and should be owned by the integration session."
  }
}

{
  "version": 1,
  "artifactId": "selfdirected_agent_a_20260710T101127",
  "status": "needs_review",
  "entrypoint": "source/app/page.tsx",
  "checks": {
    "firstScreenValue": "declared",
    "userControlledInteraction": "declared",
    "stateChange": "declared",
    "interactionProofPlan": "declared",
    "mvpContractV2": "declared",
    "externalDependencyMode": "proposed",
    "artifactTier": "proposed_integration",
    "renderVerification": "required",
    "inspectableOutput": "declared",
    "staticDataBoundary": "declared",
    "forbiddenDependencies": "declared_absent"
  },
  "interactionProofPlan": {
    "primaryAction": "リハーサル開始",
    "initialState": "リハーサル開始前の画面、入力内容が表示され、結果エリアは空",
    "expectedState": "リハーサルが完了し、結果エリアにAIからの質問と最終スコアカードが表示された画面",
    "visibleEvidence": [
      "Red Team Rehearsal",
      "予算重視のCFO",
      "新しいコラボレーションツールの導入で、具体的にどの程度のコスト削減、または売上向上を見込めますか？導入費用と維持費を合わせた総費用対効果を教えてください。",
      "弱点分析スコアカード",
      "導入に伴う既存システムとの連携コストが不明。"
    ],
    "proofSelectors": [
      "button[data-proof='start-rehearsal']",
      "main[data-proof='rehearsal-output']",
      "div[data-proof='ai-persona-question']",
      "div[data-proof='scorecard']"
    ],
    "requiredSourceFiles": [
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts"
    ],
    "manualFallbackReason": ""
  },
  "mvpContractV2": {
    "artifactTier": "proposed_integration",
    "externalDependencyMode": "proposed",
    "runtimeBoundary": {
      "networkCalls": "none",
      "secrets": "none",
      "externalWrites": "none"
    },
    "claimBoundary": {
      "publicCopyMustSay": [
        "This is a demo using static sample data.",
        "The AI-generated feedback is a simulation.",
        "The product is not yet connected to a live AI model."
      ],
      "publicCopyMustNotSay": [
        "Provides real-time AI analysis.",
        "Guarantees the success of your proposal.",
        "A production-ready tool for organizational decisions."
      ]
    },
    "renderVerification": {
      "required": true,
      "checks": [
        "render",
        "click",
        "state_change",
        "screenshot"
      ]
    }
  },
  "notes": [
    "Generated by materialize-llm-plan fallback. Human or reviewer validation must confirm the UI actually implements the declared MVP behavior."
  ]
}

"use client";

import { useState } from 'react';
import { sampleInput } from '../data/sample-input';
import { sampleTrace } from '../data/sample-trace';

// NOTE: Types are re-declared here to avoid importing from source/core/**
// This is a requirement for static artifact demos.
type Proposal = { id: string; title: string; content: string; };
type AIPersona = { id: string; name: string; role: string; };
type Scorecard = { strengths: string[]; weaknesses: string[]; suggestions: string[]; };
type TraceStep = { step: string; output: any; };

const pipelineSteps = [
  { id: 'extractProposalData', name: '1. 提案の解釈' },
  { id: 'generateFirstQuestion', name: '2. AIペルソナによる最初の質問生成' },
  { id: 'generateFinalScorecard', name: '3. 最終スコアカード生成' },
];

export default function Home() {
  const [trace, setTrace] = useState<TraceStep[]>([]);
  const [isRunning, setIsRunning] = useState(false);

  const handleRun = () => {
    if (isRunning) return;
    setIsRunning(true);
    setTrace([]);
    let currentStep = 0;
    const interval = setInterval(() => {
      if (currentStep < sampleTrace.length) {
        setTrace(prev => [...prev, sampleTrace[currentStep]]);
        currentStep++;
      } else {
        clearInterval(interval);
        setIsRunning(false);
      }
    }, 500);
  };

  const getOutputForStep = (stepId: string) => {
    return trace.find(t => t.step === stepId)?.output;
  };

  const firstQuestion = getOutputForStep('generateFirstQuestion');
  const scorecard = getOutputForStep('generateFinalScorecard');

  return (
    <div style={{ fontFamily: 'sans-serif', padding: '2rem', maxWidth: '1000px', margin: '0 auto' }}>
      <header style={{ borderBottom: '1px solid #eee', paddingBottom: '1rem', marginBottom: '2rem' }}>
        <h1>Red Team Rehearsal</h1>
        <p>企画の弱点をAIペルソナが炙り出す、対話型シミュレーションツール。</p>
      </header>

      <div style={{ display: 'grid', gridTemplateColumns: '300px 1fr', gap: '2rem' }}>
        <aside>
          <h2>実行パイプライン</h2>
          <ol style={{ paddingLeft: '20px' }}>
            {pipelineSteps.map(p => <li key={p.id}>{p.name}</li>)}
          </ol>

          <h3>提案リハーサル入力</h3>
          <div>
            <h4>提案内容</h4>
            <textarea
              data-proof="proposal-content"
              readOnly
              style={{ width: '100%', height: '150px', resize: 'none', background: '#f9f9f9', border: '1px solid #ddd' }}
              defaultValue={sampleInput.proposal.content}
            />
          </div>
          <div>
            <h4>AIペルソナ</h4>
            <p>{sampleInput.persona.name}</p>
          </div>
          
          <button 
            onClick={handleRun} 
            disabled={isRunning}
            data-proof="start-rehearsal"
            style={{ width: '100%', padding: '10px', fontSize: '16px', cursor: 'pointer', marginTop: '1rem' }}
          >
            {isRunning ? '実行中...' : 'リハーサル開始'}
          </button>
        </aside>

        <main data-proof="rehearsal-output">
          <h2>リハーサル対話と結果</h2>
          {trace.length === 0 && <p style={{ color: '#888' }}>リハーサルを開始してください。</p>}

          {firstQuestion && (
            <div data-proof="ai-persona-question" style={{ marginBottom: '1.5rem' }}>
              <h4>{sampleInput.persona.name}からの最初の質問:</h4>
              <div style={{ background: '#f0f4f8', padding: '1rem', borderRadius: '4px' }}>
                <p>「{firstQuestion.question}」</p>
              </div>
            </div>
          )}

          {scorecard && (
            <div data-proof="scorecard">
              <h3>弱点分析スコアカード</h3>
              <div style={{ border: '1px solid #ddd', borderRadius: '4px', padding: '1rem' }}>
                <h4>強み:</h4>
                <ul>
                  {scorecard.strengths.map((s: string, i: number) => <li key={i}>{s}</li>)}
                </ul>
                <h4>弱み:</h4>
                <ul>
                  {scorecard.weaknesses.map((w: string, i: number) => <li key={i}>{w}</li>)}
                </ul>
                <h4>改善提案:</h4>
                <ul>
                  {scorecard.suggestions.map((s: string, i: number) => <li key={i}>{s}</li>)}
                </ul>
              </div>
            </div>
          )}
        </main>
      </div>
    </div>
  );
}