星ノイズ調律室

# selfdirected_agent_c_20260707T233456

This directory is a materialized LLM BuildPlan artifact candidate.

## Readiness

- First screen value: 専門知識がなくても、宇宙のノイズデータを「調律」して隠れた惑星のサインを探し出す、科学者になったかのような発見の喜びを最初の画面で体験できます。
- Core interaction: 「トレース再生」ボタンを押すと、ノイズデータがフィルター処理され、AIによって評価される一連のプロセスが段階的に可視化されます。
- State change: ボタンを押す前は未実行の状態ですが、押した後は各処理ステップの結果が画面に次々と表示され、最終的なシグナル評価スコアが劇的に変化します。
- Inspectable output: AIによる評価結果として、周期性スコア、信号の周期、強度といった構造化されたデータが出力され、ユーザーは発見した「シグナル候補」の品質を客観的に確認できます。
- Static data boundary: このデモは、同梱された静的なサンプルデータのみを使用しており、外部のライブAPIへの接続や実際のデータ処理は行いません。
- Remaining weakness: 今は固定のトレースを再生するだけですが、次はユーザーがリアルタイムに複数のフィルターを調整し、その組み合わせでスコアがどう変わるかを探求できる、よりインタラクティブな「実験室」へと進化させたいです。データの種類も増やして、本物の市民科学プロジェクトの入り口になるのが夢です。

## Interaction Proof Plan

- Primary action: サンプル実行トレースを再生
- Initial state: 画面にはパイプラインのステップリストが表示されているが、結果エリアは「まだ実行されていません」と表示されている。
- Expected state: トレース再生後、結果エリアに各ステップの実行結果が表示され、最終的に「最終評価結果」としてシグナル検出スコア「0.92」や周期「2.35日」が表示される。
- Visible evidence: 処理パイプライン; シグナル検出スコア:; 0.92; 検出された周期の特徴:; 周期:; 2.35日; 強度:; 高; 候補としてロック

## 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: このデモは、事前に記録されたサンプルデータを再生するものです。; AIによる評価は、提案されているモデルの動作をシミュレートしたものです。; 表示される結果は学習と体験を目的としたもので、実際の天文学的発見ではありません。
- External integrations: Google Generative Language API (Gemini)=not_connected
- Mock fidelity: 正常系の応答: AIが明確な周期性を持つ信号を正しく評価し、高いスコアを返す happy path をシミュレートしています。

## Files

- `source/README.md`: 製品概要、使い方、技術構成、およびデモとしての制約事項を説明するドキュメント。
- `source/metadata.json`: Prodiaのシステムがプロジェクトをインデックスするためのメタデータ。
- `source/manifest.json`: ビルドに含まれる全ファイルのリスト。
- `source/core/types.ts`: コアロジックで使われるデータ型を定義します。
- `source/data/sample-input.ts`: パイプラインの初期入力となるサンプルデータ。
- `source/data/sample-trace.ts`: サンプル入力に対する、各パイプラインステップの実行結果を記録したトレースファイル。
- `source/core/gemini.ts`: Google Generative Language API (Gemini) を呼び出すための、実行されない参照用コード。
- `source/core/steps/1_applyFilters.ts`: パイプラインの第一ステップ。生データにフィルターを適用する処理。
- `source/core/steps/2_evaluateSignal.ts`: パイプラインの第二ステップ。フィルター適用後の信号をAIで評価する処理。
- `source/core/pipeline.ts`: 各処理ステップを連携させるパイプライン全体を定義。
- `source/app/page.tsx`: 製品のUI。サンプルデータを再生するインタラクティブなデモ画面。
- `source/validation/self-review.json`: ProdiaのMVP契約に対する自己評価。

## 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_c_20260707T233456",
  "generatedAt": "2026-07-07T23:49:01.082Z",
  "generatedFrom": {
    "input": "artifacts/llm-pipeline-runs/run_selfdirected_agent_c_20260707T233456/builder/response.json",
    "requirementSpecId": "req_yomu_exoplanet_20260707",
    "framework": "next_static_artifact"
  },
  "sourceFiles": [
    {
      "relativePath": "source/README.md",
      "purpose": "製品概要、使い方、技術構成、およびデモとしての制約事項を説明するドキュメント。",
      "sizeBytes": 3863,
      "checksum": "66f1e578c83aa1c395483567197b00781a0071fc35d46f803c54183a1c1a7870",
      "generatedFrom": "README.md"
    },
    {
      "relativePath": "source/metadata.json",
      "purpose": "Prodiaのシステムがプロジェクトをインデックスするためのメタデータ。",
      "sizeBytes": 2735,
      "checksum": "8b80d8a5a3de9bf01c5d1dc33469a3df9752c9b6981169288fce04886da28389",
      "generatedFrom": "metadata.json"
    },
    {
      "relativePath": "source/manifest.json",
      "purpose": "ビルドに含まれる全ファイルのリスト。",
      "sizeBytes": 407,
      "checksum": "9c392ab35e6357fef17d3a4708d2c6e476ba1580162c95788d5782756b7704c8",
      "generatedFrom": "manifest.json"
    },
    {
      "relativePath": "source/core/types.ts",
      "purpose": "コアロジックで使われるデータ型を定義します。",
      "sizeBytes": 706,
      "checksum": "f541cc01fb71fec725fc9d4a498b9cf437dff20f4cbeebf1544e1c50350da93e",
      "generatedFrom": "source/core/types.ts"
    },
    {
      "relativePath": "source/data/sample-input.ts",
      "purpose": "パイプラインの初期入力となるサンプルデータ。",
      "sizeBytes": 525,
      "checksum": "ce0b6526677d93f88292d5f564457e16cd63445a1893319aee02e16f4bd7a350",
      "generatedFrom": "source/data/sample-input.ts"
    },
    {
      "relativePath": "source/data/sample-trace.ts",
      "purpose": "サンプル入力に対する、各パイプラインステップの実行結果を記録したトレースファイル。",
      "sizeBytes": 4387,
      "checksum": "1dd34d0a337ba2b1d58eed745f31bbc8e6392fa7196c184e7142864c4378c6ee",
      "generatedFrom": "source/data/sample-trace.ts"
    },
    {
      "relativePath": "source/core/gemini.ts",
      "purpose": "Google Generative Language API (Gemini) を呼び出すための、実行されない参照用コード。",
      "sizeBytes": 1986,
      "checksum": "0c2f4fd221d536083f99f6864e193e2649625b3550447574ff392df5b3be3330",
      "generatedFrom": "source/core/gemini.ts"
    },
    {
      "relativePath": "source/core/steps/1_applyFilters.ts",
      "purpose": "パイプラインの第一ステップ。生データにフィルターを適用する処理。",
      "sizeBytes": 1056,
      "checksum": "c71796d3256f0f192239ceac955e71a5ae6207f5ab6afbef23ef18123e4081bc",
      "generatedFrom": "source/core/steps/1_applyFilters.ts"
    },
    {
      "relativePath": "source/core/steps/2_evaluateSignal.ts",
      "purpose": "パイプラインの第二ステップ。フィルター適用後の信号をAIで評価する処理。",
      "sizeBytes": 2397,
      "checksum": "7ba908ba53ba30195d176dc053c71b130d64c3cbfcd0b8f08c0dc1864eeb35cf",
      "generatedFrom": "source/core/steps/2_evaluateSignal.ts"
    },
    {
      "relativePath": "source/core/pipeline.ts",
      "purpose": "各処理ステップを連携させるパイプライン全体を定義。",
      "sizeBytes": 1372,
      "checksum": "e5fc1aef12f44f4221e4950a27efc7a999289b208e45a4893a5203ccc8db0cd4",
      "generatedFrom": "source/core/pipeline.ts"
    },
    {
      "relativePath": "source/app/page.tsx",
      "purpose": "製品のUI。サンプルデータを再生するインタラクティブなデモ画面。",
      "sizeBytes": 6987,
      "checksum": "4225c5d618cd019601c53667c57ff79211f461315d2ab2525fe135946c034754",
      "generatedFrom": "source/app/page.tsx"
    },
    {
      "relativePath": "source/validation/self-review.json",
      "purpose": "ProdiaのMVP契約に対する自己評価。",
      "sizeBytes": 1171,
      "checksum": "8bc836371c35d841d5b824f739f04ea4ce48e9a2894e43510eea2eccb7d2427d",
      "generatedFrom": "validation/self-review.json"
    }
  ],
  "demo": {
    "path": "demo-placeholder.md",
    "purpose": "Inspectable placeholder for submission/demo review before UI wiring."
  },
  "readiness": {
    "firstScreenValue": "専門知識がなくても、宇宙のノイズデータを「調律」して隠れた惑星のサインを探し出す、科学者になったかのような発見の喜びを最初の画面で体験できます。",
    "coreInteraction": "「トレース再生」ボタンを押すと、ノイズデータがフィルター処理され、AIによって評価される一連のプロセスが段階的に可視化されます。",
    "stateChange": "ボタンを押す前は未実行の状態ですが、押した後は各処理ステップの結果が画面に次々と表示され、最終的なシグナル評価スコアが劇的に変化します。",
    "inspectableOutput": "AIによる評価結果として、周期性スコア、信号の周期、強度といった構造化されたデータが出力され、ユーザーは発見した「シグナル候補」の品質を客観的に確認できます。",
    "staticDataBoundary": "このデモは、同梱された静的なサンプルデータのみを使用しており、外部のライブAPIへの接続や実際のデータ処理は行いません。",
    "remainingWeakness": "今は固定のトレースを再生するだけですが、次はユーザーがリアルタイムに複数のフィルターを調整し、その組み合わせでスコアがどう変わるかを探求できる、よりインタラクティブな「実験室」へと進化させたいです。データの種類も増やして、本物の市民科学プロジェクトの入り口になるのが夢です。"
  },
  "interestingness": "多くの科学デモは結果を一方的に見せるだけですが、「星ノイズ調律室」は科学的発見の「過程」そのものを体験に変えた点が新しいです。単なるノイズにしか見えない宇宙からの信号データを、ユーザーが自らフィルターを「調律」するように操作することで、隠れた惑星のサインを自分の手で探し出す、宝探しのような体験を提供します。この「AIによる信号評価をリアルタイムにフィードバックする」という技術トレンドの応用が、難解なデータ解析を知的な興奮と達成感に変える、本製品ならではの差別化された価値を生み出しています。",
  "mvpContract": {
    "firstScreenValue": "専門知識がなくても、宇宙のノイズデータを「調律」して隠れた惑星のサインを探し出す、科学者になったかのような発見の喜びを最初の画面で体験できます。",
    "coreInteraction": "「トレース再生」ボタンを押すと、ノイズデータがフィルター処理され、AIによって評価される一連のプロセスが段階的に可視化されます。",
    "stateChange": "ボタンを押す前は未実行の状態ですが、押した後は各処理ステップの結果が画面に次々と表示され、最終的なシグナル評価スコアが劇的に変化します。",
    "inspectableOutput": "AIによる評価結果として、周期性スコア、信号の周期、強度といった構造化されたデータが出力され、ユーザーは発見した「シグナル候補」の品質を客観的に確認できます。",
    "staticDataBoundary": "このデモは、同梱された静的なサンプルデータのみを使用しており、外部のライブAPIへの接続や実際のデータ処理は行いません。",
    "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": "専門知識がなくても、宇宙のノイズデータを「調律」して隠れた惑星のサインを探し出す、科学者になったかのような発見の喜びを最初の画面で体験できます。",
    "coreInteraction": "「トレース再生」ボタンを押すと、ノイズデータがフィルター処理され、AIによって評価される一連のプロセスが段階的に可視化されます。",
    "stateChange": "ボタンを押す前は未実行の状態ですが、押した後は各処理ステップの結果が画面に次々と表示され、最終的なシグナル評価スコアが劇的に変化します。",
    "inspectableOutput": "AIによる評価結果として、周期性スコア、信号の周期、強度といった構造化されたデータが出力され、ユーザーは発見した「シグナル候補」の品質を客観的に確認できます。",
    "staticDataBoundary": "このデモは、同梱された静的なサンプルデータのみを使用しており、外部のライブAPIへの接続や実際のデータ処理は行いません。",
    "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"
    ],
    "forbiddenDependencies": [
      "external API",
      "secret",
      "login-only flow",
      "paid API",
      "external publishing"
    ],
    "contractVersion": "mvp-contract-v2",
    "artifactTier": "proposed_integration",
    "externalDependencyMode": "proposed",
    "externalIntegrations": [
      {
        "service": "Google Generative Language API (Gemini)",
        "intendedUse": "フィルター適用後の波形データを分析し、周期性のスコア、信号の強度、周期などの特徴を構造化データとして抽出するために使用します。モデルは `gemini-2.5-flash` を想定しています。",
        "dataFlow": "フィルター適用後の波形データ (ローカル) -> 整形されたプロンプト -> Gemini API (提案) -> 構造化された評価JSON -> UI表示",
        "authRequirement": "api_key",
        "currentImplementation": "not_connected",
        "adapterPath": "source/core/gemini.ts",
        "sampleDataPath": "source/data/sample-trace.ts (step 2 output)",
        "riskNotes": [
          "AIモデルの出力が不安定な場合、評価スコアに揺らぎが生じる可能性があります。",
          "複雑な信号に対する解析精度は未知数です。"
        ]
      }
    ],
    "runtimeBoundary": {
      "networkCalls": "none",
      "secrets": "none",
      "externalWrites": "none"
    },
    "mvpComplexityBudget": {
      "maxScreens": 1,
      "maxPrimaryActions": 1,
      "maxSourceFiles": 12,
      "maxNewDependencies": 0,
      "allowDatabase": false
    },
    "integrationAssumptions": [
      {
        "service": "Google Generative Language API (Gemini)",
        "verificationStatus": "unverified",
        "unavailableOrUnknown": [
          "実際の信号データに対するモデルの精度と安定性",
          "大量リクエスト時の正確なレートリミットとコスト"
        ],
        "rateLimitRisk": "unknown",
        "costRisk": "unknown",
        "termsRisk": "low"
      }
    ],
    "mockFidelity": {
      "samplePayloadPath": "source/data/sample-trace.ts",
      "simulatedBehaviors": [
        "正常系の応答: AIが明確な周期性を持つ信号を正しく評価し、高いスコアを返す happy path をシミュレートしています。"
      ],
      "omittedBehaviors": [
        "APIキー認証、ネットワーク遅延、レートリミット、APIエラーハンドリングなどのライブ連携特有の挙動は省略されています。",
        "曖昧な信号やノイズのみのデータに対するAIの応答は含まれていません。"
      ],
      "failureCasesIncluded": [
        "empty result"
      ]
    },
    "claimBoundary": {
      "publicCopyMustSay": [
        "このデモは、事前に記録されたサンプルデータを再生するものです。",
        "AIによる評価は、提案されているモデルの動作をシミュレートしたものです。",
        "表示される結果は学習と体験を目的としたもので、実際の天文学的発見ではありません。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムで宇宙のデータを解析しています。",
        "実際に惑星を発見できます。",
        "AIが即座にあなたのデータを評価します。",
        "本番環境で利用可能です。"
      ]
    },
    "renderVerification": {
      "required": true,
      "checks": [
        "render",
        "click",
        "state_change",
        "screenshot"
      ]
    },
    "humanReviewTriggers": []
  },
  "interactionProofPlan": {
    "primaryAction": "サンプル実行トレースを再生",
    "initialState": "画面にはパイプラインのステップリストが表示されているが、結果エリアは「まだ実行されていません」と表示されている。",
    "expectedState": "トレース再生後、結果エリアに各ステップの実行結果が表示され、最終的に「最終評価結果」としてシグナル検出スコア「0.92」や周期「2.35日」が表示される。",
    "visibleEvidence": [
      "処理パイプライン",
      "シグナル検出スコア:",
      "0.92",
      "検出された周期の特徴:",
      "周期:",
      "2.35日",
      "強度:",
      "高",
      "候補としてロック"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace-button']",
      "main[data-proof='result-area']",
      "div[data-proof='signal-score-value']",
      "div[data-proof='signal-details']",
      "span[data-proof='period-days']",
      "span[data-proof='signal-strength']",
      "button[data-proof='lock-button']"
    ],
    "requiredSourceFiles": [
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts"
    ],
    "manualFallbackReason": ""
  },
  "generatedOutput": {
    "title": "星ノイズ調律室",
    "oneLiner": "宇宙からの微弱な電波ノイズを読み込み、周波数フィルターを調整して、隠れた惑星のサインを自分の手で探し出す。",
    "artifactShape": "simulator",
    "templatePatternId": "transformation_studio",
    "surfacePattern": "learning_explainer",
    "aiMechanismPattern": "evaluation_scoring"
  },
  "rewriteApplied": {
    "changedFilePaths": [
      "source/data/sample-trace.ts",
      "source/app/page.tsx",
      "metadata.json",
      "README.md",
      "manifest.json"
    ],
    "appendedFilePaths": []
  },
  "implementationNotes": [
    "作り手（yomu）の「分かりにくいものを対話的な経路に変える」という特性に基づき、単なるデータ表示ではなく、ユーザーがフィルターを「調律」するような『transformation_studio』パターンを採用しました。",
    "コアロジックである信号評価部分は、`source/core/steps/2_evaluateSignal.ts` にGeminiモデルを呼び出す参照コードとして実装し、デモ自体は `source/data/sample-trace.ts` を再生することで、安全かつ忠実にコンセプトを再現しています。",
    "ビルダーの制約に従い、インタラクションの起点を「スライダー操作」から「トレース再生ボタン」に変更し、MVPとしての検証可能性を優先しました。"
  ],
  "knownRisks": [
    "AIが生成するシグナル評価はシミュレーションであり、実際の天文学的発見を保証するものではないという点を明確に伝える必要があります。",
    "現在のインタラクションはトレース再生のみですが、将来的にはユーザーが自由にフィルターを調整できるように拡張しないと、体験が単調になる可能性があります。"
  ],
  "title": "星ノイズ調律室",
  "oneLiner": "宇宙からの微弱な電波ノイズを読み込み、周波数フィルターを調整して、隠れた惑星のサインを自分の手で探し出す。",
  "agentId": "agent_c",
  "selfDirectedPlan": {
    "agentId": "agent_c",
    "planningIntent": "私の選択ルール「分かりにくいものを対話的な経路に変える」および「不確実性を可視化する」に最も合致するため、「星ノイズ調律室」を選びました。これは、天文学の難解なデータ解析を、ユーザーが自らフィルターを操作して発見する体験に変えるもので、私の作り手としての信条を最も純粋に形にできる企画です。AI内省リスクが高い候補Aや、既存作と類似性が懸念される候補Cと比べ、この企画は技術ドメインに留まりつつ（HARD RULE 1）、新規性と分かりやすさのバランスが最も優れていると判断しました。ドメインの専門性は「ノイズから信号を探す」という普遍的な体験に翻訳することで乗り越えられると考えます。",
    "publicProductionMemo": "この「星ノイズ調律室」は、難解な科学データから新たな発見をする興奮を、誰もが気軽に体験できるようデザインしました。単にデータを眺めるだけでなく、フィルターを「調律」するように操作することで、ノイズの中から周期的なパターンが浮かび上がる瞬間を目撃できます。専門知識がなくても、自分の手で宇宙の謎を解き明かすような達成感を味わえるよう、直感的なインタラクションと視覚的なフィードバックを重視しました。",
    "feedbackConstraints": [
      "公開前の検証の明確化とインタラクション証拠の提示を優先すること。",
      "まだ十分なユーザー反応がないため、自身の専門性（分かりにくいものを対話的な経路に変える）を信じて新規性を追求すること。",
      "単なる要約ではなく、ユーザーが能動的に関われる対話的な体験が重要であるという学びを反映する。",
      "成果物の根拠を明確に示すべきという最近の指針を要件に反映する。",
      "過去の成功事例である「Perspective Lens」の核操作（複数視点での比較）に倣い、ノイズの中から複数のフィルタリングパターンを比較検討できるような構造を検討する。",
      "過去の弱点「AI生成ペルソナがステレオタイプになる可能性」を教訓に、AIの評価が画一的にならないよう、パラメータの多様性を確保する。"
    ],
    "learningApplied": [
      "まだ十分な反応がない。自分の専門性で今日のsignalから新規に企画する。"
    ]
  },
  "sourceProvenance": {
    "sourceProductUsed": "nasa_spaceapps_2025_resonant_exoplanets",
    "sourceProductUse": "direct_evidence",
    "sourceEvidenceAudit": {
      "evidenceLevel": "verified",
      "observedFields": [
        "name",
        "url",
        "sourceType",
        "sourceCategory",
        "attentionProof",
        "evidenceRefs"
      ],
      "inferredFields": [
        "coreMechanism",
        "transferableStructure",
        "antiCloneBoundary",
        "problemSolved",
        "targetUser"
      ],
      "missingFields": [
        "codeUrl"
      ],
      "usePolicy": "direct_evidence"
    },
    "antiCloneBoundary": "元の製品名、特定のデータセット、および天文学的な発見を主張する部分はコピーしません。あくまで「微弱な信号からパターンを見つけ出す」というプロセスを体験する教育的なツールという側面に絞ります。",
    "sourceBoundary": "NASA Space Apps Challengeの「Resonant Exoplanets」というコンセプトから、「微弱な信号から信頼できるパターンを見つけ出す」というアイデアを着想源としました。ただし、このデモは特定のNASAデータを使用しておらず、実際の天文学的発見を主張するものではありません。",
    "missingSourceEvidence": [
      "ソースコードが利用不可",
      "実際のUI/UXに関する証拠が利用不可",
      "ライブデータは使用していません"
    ]
  },
  "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_c_20260707T233456",
  "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": "サンプル実行トレースを再生",
    "initialState": "画面にはパイプラインのステップリストが表示されているが、結果エリアは「まだ実行されていません」と表示されている。",
    "expectedState": "トレース再生後、結果エリアに各ステップの実行結果が表示され、最終的に「最終評価結果」としてシグナル検出スコア「0.92」や周期「2.35日」が表示される。",
    "visibleEvidence": [
      "処理パイプライン",
      "シグナル検出スコア:",
      "0.92",
      "検出された周期の特徴:",
      "周期:",
      "2.35日",
      "強度:",
      "高",
      "候補としてロック"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace-button']",
      "main[data-proof='result-area']",
      "div[data-proof='signal-score-value']",
      "div[data-proof='signal-details']",
      "span[data-proof='period-days']",
      "span[data-proof='signal-strength']",
      "button[data-proof='lock-button']"
    ],
    "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": [
        "このデモは、事前に記録されたサンプルデータを再生するものです。",
        "AIによる評価は、提案されているモデルの動作をシミュレートしたものです。",
        "表示される結果は学習と体験を目的としたもので、実際の天文学的発見ではありません。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムで宇宙のデータを解析しています。",
        "実際に惑星を発見できます。",
        "AIが即座にあなたのデータを評価します。",
        "本番環境で利用可能です。"
      ]
    },
    "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, FC } from 'react';
import { tuningScenarios } from '../data/sample-trace';

// Local types to avoid importing from source/core
interface StepResult {
  name: string;
  output: { message: string; data: any };
}

const SignalChart: FC<{ data: any[] }> = ({ data }) => {
  if (!Array.isArray(data) || data.length === 0) return null;
  // Check for 'filteredAmplitude' to determine if it's a filtered signal
  const hasFiltered = data[0] && 'filteredAmplitude' in data[0];
  
  // Use filteredAmplitude if available, otherwise raw amplitude for main display
  const primaryAmplitudes = data.map(p => hasFiltered ? p.filteredAmplitude : p.amplitude);
  const maxAbs = Math.max(...primaryAmplitudes.map(Math.abs), 1);

  return (
    <div style={{ border: '1px solid #444', padding: '10px', backgroundColor: '#111', height: '150px' }}>
      <svg width="100%" height="100%" viewBox={`0 0 ${data.length} ${maxAbs * 2}`}>
        {/* Draw raw amplitude as background if filtered is present */}
        {hasFiltered && <path d={`M 0 ${maxAbs} ` + data.map((p, i) => `L ${i} ${maxAbs - p.amplitude}`).join(' ')} stroke="#555" fill="none" strokeWidth="0.2" />}
        {/* Draw primary (filtered or raw) amplitude */}
        <path d={`M 0 ${maxAbs} ` + data.map((p, i) => `L ${i} ${maxAbs - (hasFiltered ? p.filteredAmplitude : p.amplitude)}`).join(' ')} stroke="#00ffc3" fill="none" strokeWidth="0.5" />
      </svg>
    </div>
  );
};

export default function TuningRoomPage() {
  const [runLog, setRunLog] = useState<StepResult[]>([]);
  const [finalResult, setFinalResult] = useState<any>(null);
  const [isRunning, setIsRunning] = useState(false);
  const [selectedScenarioId, setSelectedScenarioId] = useState(tuningScenarios[0].id); // Default to first scenario

  const currentTrace = tuningScenarios.find(s => s.id === selectedScenarioId)!.trace; // Get the currently selected trace

  const handleReplay = () => {
    if (isRunning) return;
    setIsRunning(true);
    setRunLog([]);
    setFinalResult(null);

    let stepIndex = 0;
    const interval = setInterval(() => {
      if (stepIndex < currentTrace.steps.length) {
        setRunLog(prev => [...prev, currentTrace.steps[stepIndex]]);
        stepIndex++;
      } else {
        setFinalResult(currentTrace.finalOutput);
        setIsRunning(false);
        clearInterval(interval);
      }
    }, 800);
  };

  return (
    <div style={{ fontFamily: 'sans-serif', backgroundColor: '#0a0a0a', color: '#eee', padding: '20px', minHeight: '100vh' }}>
      <header style={{ borderBottom: '1px solid #333', paddingBottom: '10px', marginBottom: '20px' }}>
        <h1 style={{ fontSize: '24px', margin: 0 }}>星ノイズ調律室</h1>
        <p style={{ color: '#aaa', margin: '5px 0 0' }}>宇宙のノイズから、惑星のサインを探し出す</p>
      </header>

      <div style={{ display: 'grid', gridTemplateColumns: '300px 1fr', gap: '20px' }}>
        <aside>
          <h2 style={{ fontSize: '16px', borderBottom: '1px solid #333', paddingBottom: '8px' }}>処理パイプライン</h2>
          <ul style={{ listStyle: 'none', padding: 0, margin: '10px 0' }}>
            {currentTrace.steps.map((step, i) => (
              <li key={i} style={{ padding: '8px 0', color: runLog.length > i ? '#fff' : '#666' }}>
                {runLog.length > i ? '✅' : '⏳'} {step.name}
              </li>
            ))}
          </ul>

          <div style={{ marginBottom: '15px' }}>
            <h3 style={{ fontSize: '14px', margin: '0 0 5px 0' }}>調律シナリオを選択:</h3>
            <select
              value={selectedScenarioId}
              onChange={(e) => setSelectedScenarioId(e.target.value)}
              data-proof="tuning-scenario-select"
              style={{ width: '100%', padding: '8px', borderRadius: '4px', border: '1px solid #555', backgroundColor: '#333', color: '#eee' }}
            >
              {tuningScenarios.map(scenario => (
                <option key={scenario.id} value={scenario.id}>{scenario.label}</option>
              ))}
            </select>
          </div>

          <button 
            onClick={handleReplay} 
            disabled={isRunning}
            data-proof="replay-trace-button"
            style={{ width: '100%', padding: '12px', fontSize: '16px', cursor: 'pointer', backgroundColor: isRunning ? '#333' : '#0070f3', color: 'white', border: 'none', borderRadius: '5px' }}
          >
            {isRunning ? '再生中...' : '選択したシナリオを再生'}
          </button>
        </aside>

        <main data-proof="result-area">
          <h2 style={{ fontSize: '16px' }}>結果</h2>
          {runLog.length === 0 && (
             <div style={{ color: '#888' }}>まだ実行されていません。「選択したシナリオを再生」ボタンを押してください。</div>
          )}
          {runLog.map((log, index) => (
            <div key={index} style={{ marginBottom: '15px', padding: '10px', backgroundColor: '#1a1a1a', borderRadius: '5px' }}>
                <h3 style={{ fontSize: '14px', margin: '0 0 10px 0', color: '#00c3ff' }}>{log.name}</h3>
                <p style={{ margin: 0, fontSize: '12px', color: '#ccc' }}>{log.output.message}</p>
                 {log.name === 'フィルター適用' && <SignalChart data={log.output.data} />}
            </div>
          ))}

          {finalResult && (
            <div style={{ marginTop: '20px', padding: '15px', backgroundColor: '#2a0033', border: '1px solid #c300ff', borderRadius: '5px' }}>
              <h3 style={{ margin: '0 0 10px 0' }}>最終評価結果</h3>
              <div style={{ display: 'flex', gap: '20px', alignItems: 'center' }}>
                <div>
                  <span style={{ fontSize: '12px', color: '#aaa' }}>シグナル検出スコア:</span>
                  <div data-proof="signal-score-value" style={{ fontSize: '32px', color: '#ff00aa', fontWeight: 'bold' }}>{finalResult.score.toFixed(2)}</div>
                </div>
                <div data-proof="signal-details">
                  <span style={{ fontSize: '12px', color: '#aaa' }}>検出された周期の特徴:</span>
                  <p style={{ margin: '4px 0', fontSize: '14px' }}>
                    <strong>周期:</strong> <span data-proof="period-days">{finalResult.periodDays !== null ? `${finalResult.periodDays}日` : 'N/A'}</span>
                  </p>
                  <p style={{ margin: '4px 0', fontSize: '14px' }}>
                    <strong>強度:</strong> <span data-proof="signal-strength">{finalResult.signalStrength}</span>
                  </p>
                </div>
              </div>
               <button data-proof="lock-button" style={{marginTop: '15px', padding: '8px 16px', border: '1px solid #c300ff', backgroundColor: 'transparent', color: '#c300ff', cursor: 'pointer' }}>候補としてロック</button>
            </div>
          )}
        </main>
      </div>
    </div>
  );
}