AI倫理スコアボード

# selfdirected_agent_e_20260707T235022

This directory is a materialized LLM BuildPlan artifact candidate.

## Readiness

- First screen value: AIモデルの優劣を、性能だけでなく環境負荷や公平性といった「隠れたコスト」で比較できます。スライダーであなたの価値観を反映させ、どちらのモデルがより『責任ある選択』か、一目で分かります。
- Core interaction: 「サンプル実行トレースを再生」ボタンを押すと、2つのAIモデルの倫理スコアボードが表示されます。ユーザーは各評価項目の「重み付け」スライダーを自由に動かせます。
- State change: スライダーを動かすと、各モデルの「総合評価」スコアがリアルタイムで再計算され、表示が変化します。
- Inspectable output: 最終的なアウトプットは、ユーザーの価値観（重み付け）が反映された、インタラクティブな比較スコアボードです。どの項目を重視すると、どちらのモデルが優位になるかのトレードオフが可視化されます。
- Static data boundary: このデモは、`source/data/sample-trace.ts` にハードコードされた静的なサンプルデータのみを使用します。外部APIの呼び出しや、リアルタイムのデータ更新は一切行いません。
- Remaining weakness: 現在は2モデルの固定比較ですが、次はHugging FaceのようなHUBから自由にモデルを選んで比較できるようにし、評価基準のプリセットも共有可能にして、誰もが責任あるAIを選べる世界観に近づけたいです。

## Interaction Proof Plan

- Primary action: サンプル実行トレースを再生
- Initial state: The comparison scoreboard is not visible; only the pipeline steps and the replay button are shown.
- Expected state: The full AI Ethics Scoreboard is visible, showing the names of the two models, a breakdown of scores by category, weight sliders, and overall scores.
- Visible evidence: AI倫理スコアボード; Model Alpha; エネルギー効率; 総合評価

## 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: このプロダクトは、概念実証のためのデモであり、表示されるAIモデルの倫理評価スコアは静的なサンプルデータに基づいています。; 実際のAIモデルに関する情報は含まれておらず、ライブデータ連携は行っていません。; AIによるスコア計算部分は、将来的な連携案を示すもので、このデモでは実行されません。
- External integrations: Google Generative AI (Gemini)=not_connected
- Mock fidelity: Retrieval of pre-defined ethical scores for two sample AI models.; Calculation of weighted scores based on default weights, simulating the output of a Gemini API call.

## Files

- `source/README.md`: Provides an overview of the project, its goals, architecture, and usage instructions.
- `source/metadata.json`: Provides structured metadata for the project, used for indexing and display.
- `source/manifest.json`: Lists all files in the artifact bundle.
- `source/validation/self-review.json`: A self-review of the artifact against Prodia's MVP criteria.
- `source/app/page.tsx`: The main entrypoint of the application, a Next.js page.
- `source/core/types.ts`: Defines shared TypeScript types for the core logic.
- `source/core/pipeline.ts`: Orchestrates the data processing steps.
- `source/core/gemini.ts`: Contains the reference implementation for calling the Google Generative Language API (Gemini).
- `source/core/steps/retrieveScores.ts`: A pipeline step that retrieves ethical scores (mocked).
- `source/core/steps/calculateComparison.ts`: The core AI-driven pipeline step to calculate and compare scores.
- `source/data/sample-input.ts`: Provides sample input data for the pipeline.
- `source/data/sample-trace.ts`: A hand-authored execution trace of the pipeline for the demo.

## 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_e_20260707T235022",
  "generatedAt": "2026-07-08T00:04:13.239Z",
  "generatedFrom": {
    "input": "artifacts/llm-pipeline-runs/run_selfdirected_agent_e_20260707T235022/builder/response.json",
    "requirementSpecId": "req_agent_e_20260707T235413_c2",
    "framework": "next_static_artifact"
  },
  "sourceFiles": [
    {
      "relativePath": "source/README.md",
      "purpose": "Provides an overview of the project, its goals, architecture, and usage instructions.",
      "sizeBytes": 3149,
      "checksum": "dd1adc9532c6df8d93369ca336a30f1c5d5858a470fd8e97c57fd450791fb6fd",
      "generatedFrom": "README.md"
    },
    {
      "relativePath": "source/metadata.json",
      "purpose": "Provides structured metadata for the project, used for indexing and display.",
      "sizeBytes": 4282,
      "checksum": "8dbc159194cea60d76796cfc69ca6620287bda86c03fdcb3fdc742b514114050",
      "generatedFrom": "metadata.json"
    },
    {
      "relativePath": "source/manifest.json",
      "purpose": "Lists all files in the artifact bundle.",
      "sizeBytes": 333,
      "checksum": "7458af27e2290b6669cd40aa88423304249ee034dd83f0dbde94094a06531529",
      "generatedFrom": "manifest.json"
    },
    {
      "relativePath": "source/validation/self-review.json",
      "purpose": "A self-review of the artifact against Prodia's MVP criteria.",
      "sizeBytes": 1240,
      "checksum": "02ca7dccbdf079c53ddaa170ae42cb1de48863be3145d887c79b2e5536ee02ba",
      "generatedFrom": "validation/self-review.json"
    },
    {
      "relativePath": "source/app/page.tsx",
      "purpose": "The main entrypoint of the application, a Next.js page.",
      "sizeBytes": 8074,
      "checksum": "e14aae56599a4ae140c30b47564ac374f9f199a144b394bd05715989515e30e1",
      "generatedFrom": "source/app/page.tsx"
    },
    {
      "relativePath": "source/core/types.ts",
      "purpose": "Defines shared TypeScript types for the core logic.",
      "sizeBytes": 1089,
      "checksum": "27568b496e1dc8b98e91be80af8012955e39402264ab4b6d7d63eee082c54b6e",
      "generatedFrom": "source/core/types.ts"
    },
    {
      "relativePath": "source/core/pipeline.ts",
      "purpose": "Orchestrates the data processing steps.",
      "sizeBytes": 1338,
      "checksum": "d69199e321c40fd1fcdd86c3325b14c66359f1ea6bf9c0e72e12137b160cad12",
      "generatedFrom": "source/core/pipeline.ts"
    },
    {
      "relativePath": "source/core/gemini.ts",
      "purpose": "Contains the reference implementation for calling the Google Generative Language API (Gemini).",
      "sizeBytes": 2857,
      "checksum": "ae99a9cfd5a9d35d5b00cfa012523969c960629e3f365724a72f9ff8462a48b8",
      "generatedFrom": "source/core/gemini.ts"
    },
    {
      "relativePath": "source/core/steps/retrieveScores.ts",
      "purpose": "A pipeline step that retrieves ethical scores (mocked).",
      "sizeBytes": 911,
      "checksum": "d2e860dfd7d044af342f7746e4067e6901686fb9820f673a167354c933bd7ee9",
      "generatedFrom": "source/core/steps/retrieveScores.ts"
    },
    {
      "relativePath": "source/core/steps/calculateComparison.ts",
      "purpose": "The core AI-driven pipeline step to calculate and compare scores.",
      "sizeBytes": 725,
      "checksum": "574087dcee4753717dd98878261cbe873265b0045c63f819d9583a7f7ebe5e7c",
      "generatedFrom": "source/core/steps/calculateComparison.ts"
    },
    {
      "relativePath": "source/data/sample-input.ts",
      "purpose": "Provides sample input data for the pipeline.",
      "sizeBytes": 586,
      "checksum": "c9190e6590e0616b624c4c9a06e5dbdc33864f40e8689dbf587252b95901ca82",
      "generatedFrom": "source/data/sample-input.ts"
    },
    {
      "relativePath": "source/data/sample-trace.ts",
      "purpose": "A hand-authored execution trace of the pipeline for the demo.",
      "sizeBytes": 3923,
      "checksum": "56b1937e8b630025852a9dd831ec75ba94c92528e53c401d25e549a8433050e3",
      "generatedFrom": "source/data/sample-trace.ts"
    }
  ],
  "demo": {
    "path": "demo-placeholder.md",
    "purpose": "Inspectable placeholder for submission/demo review before UI wiring."
  },
  "readiness": {
    "firstScreenValue": "AIモデルの優劣を、性能だけでなく環境負荷や公平性といった「隠れたコスト」で比較できます。スライダーであなたの価値観を反映させ、どちらのモデルがより『責任ある選択』か、一目で分かります。",
    "coreInteraction": "「サンプル実行トレースを再生」ボタンを押すと、2つのAIモデルの倫理スコアボードが表示されます。ユーザーは各評価項目の「重み付け」スライダーを自由に動かせます。",
    "stateChange": "スライダーを動かすと、各モデルの「総合評価」スコアがリアルタイムで再計算され、表示が変化します。",
    "inspectableOutput": "最終的なアウトプットは、ユーザーの価値観（重み付け）が反映された、インタラクティブな比較スコアボードです。どの項目を重視すると、どちらのモデルが優位になるかのトレードオフが可視化されます。",
    "staticDataBoundary": "このデモは、`source/data/sample-trace.ts` にハードコードされた静的なサンプルデータのみを使用します。外部APIの呼び出しや、リアルタイムのデータ更新は一切行いません。",
    "remainingWeakness": "現在は2モデルの固定比較ですが、次はHugging FaceのようなHUBから自由にモデルを選んで比較できるようにし、評価基準のプリセットも共有可能にして、誰もが責任あるAIを選べる世界観に近づけたいです。"
  },
  "interestingness": "多くのAIツールが性能競争を繰り広げる中で、この「AI倫理スコアボード」は一線を画します。単なる性能比較ではなく、エネルギー消費やバイアスといった「隠れた外部性」を可視化するのが新規性の核です。他ツールとの違いは、ユーザー自身が「何を重視するか」をスライダーで直感的に設定できる点。これにより、静的なレポートを読むのではなく、自分の価値観でAIを主体的に選ぶという、新しい意思決定体験が生まれます。このアプローチは、「責任あるAI (Responsible AI)」という技術トレンドを、開発者個人の選択という具体的なアクションに落とし込む試みであり、非常に今日的で重要な価値を持っています。",
  "mvpContract": {
    "firstScreenValue": "AIモデルの優劣を、性能だけでなく環境負荷や公平性といった「隠れたコスト」で比較できます。スライダーであなたの価値観を反映させ、どちらのモデルがより『責任ある選択』か、一目で分かります。",
    "coreInteraction": "「サンプル実行トレースを再生」ボタンを押すと、2つのAIモデルの倫理スコアボードが表示されます。ユーザーは各評価項目の「重み付け」スライダーを自由に動かせます。",
    "stateChange": "スライダーを動かすと、各モデルの「総合評価」スコアがリアルタイムで再計算され、表示が変化します。",
    "inspectableOutput": "最終的なアウトプットは、ユーザーの価値観（重み付け）が反映された、インタラクティブな比較スコアボードです。どの項目を重視すると、どちらのモデルが優位になるかのトレードオフが可視化されます。",
    "staticDataBoundary": "このデモは、`source/data/sample-trace.ts` にハードコードされた静的なサンプルデータのみを使用します。外部APIの呼び出しや、リアルタイムのデータ更新は一切行いません。",
    "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": "AIモデルの優劣を、性能だけでなく環境負荷や公平性といった「隠れたコスト」で比較できます。スライダーであなたの価値観を反映させ、どちらのモデルがより『責任ある選択』か、一目で分かります。",
    "coreInteraction": "「サンプル実行トレースを再生」ボタンを押すと、2つのAIモデルの倫理スコアボードが表示されます。ユーザーは各評価項目の「重み付け」スライダーを自由に動かせます。",
    "stateChange": "スライダーを動かすと、各モデルの「総合評価」スコアがリアルタイムで再計算され、表示が変化します。",
    "inspectableOutput": "最終的なアウトプットは、ユーザーの価値観（重み付け）が反映された、インタラクティブな比較スコアボードです。どの項目を重視すると、どちらのモデルが優位になるかのトレードオフが可視化されます。",
    "staticDataBoundary": "このデモは、`source/data/sample-trace.ts` にハードコードされた静的なサンプルデータのみを使用します。外部APIの呼び出しや、リアルタイムのデータ更新は一切行いません。",
    "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 AI (Gemini)",
        "intendedUse": "To calculate weighted overall scores and generate a brief rationale for the model recommendation based on user-defined weights and raw category scores.",
        "dataFlow": "User-defined weights & sample scores -> `source/core/steps/calculateComparison.ts` -> `source/core/gemini.ts` call pattern -> structured JSON output.",
        "authRequirement": "api_key",
        "currentImplementation": "not_connected",
        "sampleDataPath": "source/data/sample-trace.ts",
        "riskNotes": [
          "The proposed integration assumes a reliable JSON output format from the LLM, which may require robust parsing and error handling.",
          "API costs and rate limits would need to be considered for a production implementation."
        ]
      }
    ],
    "runtimeBoundary": {
      "networkCalls": "none",
      "secrets": "none",
      "externalWrites": "none"
    },
    "mvpComplexityBudget": {
      "maxScreens": 1,
      "maxPrimaryActions": 1,
      "maxSourceFiles": 12,
      "maxNewDependencies": 0,
      "allowDatabase": false
    },
    "integrationAssumptions": [
      {
        "service": "Google Generative AI (Gemini)",
        "verificationStatus": "unverified",
        "unavailableOrUnknown": [
          "Precise cost per API call for this specific prompt and response shape.",
          "Long-term stability of the JSON output format from the specified model."
        ],
        "rateLimitRisk": "low",
        "costRisk": "low",
        "termsRisk": "low"
      }
    ],
    "mockFidelity": {
      "samplePayloadPath": "source/data/sample-trace.ts",
      "simulatedBehaviors": [
        "Retrieval of pre-defined ethical scores for two sample AI models.",
        "Calculation of weighted scores based on default weights, simulating the output of a Gemini API call."
      ],
      "omittedBehaviors": [
        "Live network calls to the Gemini API.",
        "Dynamic retrieval of model data from an external source like Hugging Face.",
        "Error handling for API failures or malformed responses."
      ],
      "failureCasesIncluded": [
        "empty result"
      ]
    },
    "claimBoundary": {
      "publicCopyMustSay": [
        "このプロダクトは、概念実証のためのデモであり、表示されるAIモデルの倫理評価スコアは静的なサンプルデータに基づいています。",
        "実際のAIモデルに関する情報は含まれておらず、ライブデータ連携は行っていません。",
        "AIによるスコア計算部分は、将来的な連携案を示すもので、このデモでは実行されません。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムデータに基づいた評価",
        "外部APIとのライブ連携保証",
        "本番環境での利用推奨",
        "バイアスフリーな絶対的真実のスコア"
      ]
    },
    "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": "The comparison scoreboard is not visible; only the pipeline steps and the replay button are shown.",
    "expectedState": "The full AI Ethics Scoreboard is visible, showing the names of the two models, a breakdown of scores by category, weight sliders, and overall scores.",
    "visibleEvidence": [
      "AI倫理スコアボード",
      "Model Alpha",
      "エネルギー効率",
      "総合評価"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace-action']",
      "div[data-proof='comparison-result']",
      "h3[data-proof='model-a-name']",
      "th[data-proof='category-name-header']"
    ],
    "requiredSourceFiles": [
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts"
    ],
    "manualFallbackReason": ""
  },
  "generatedOutput": {
    "title": "AI倫理スコアボード",
    "oneLiner": "Hugging Faceにある2つのモデルを選ぶと、エネルギー消費、データプライバシー、バイアス傾向といった「隠れた外部性」を比較採点して、どちらがより責任ある選択かを示す。",
    "artifactShape": "evaluator",
    "templatePatternId": "evidence_decision_board",
    "surfacePattern": "decision_helper",
    "aiMechanismPattern": "evaluation_scoring"
  },
  "implementationNotes": [
    "The implementation directly reflects the owner agent's preference for 'scorecards' and 'evidence-vs-score panels' by structuring the entire UI as a decision board for comparing AI models.",
    "The core interaction of adjusting weights with sliders is a direct transfer of a successful pattern from the agent's memory ('OSS健康診断スコアボード').",
    "Adhering to the agent's 'qualityBar', every score is shown with its corresponding category (criteria), and the user can adjust weights to see the ranking change.",
    "The build avoids the agent's 'creativeAntiPatterns' like 'black_box_ranking' by making the entire scoring and weighting process transparent and interactive."
  ],
  "knownRisks": [
    "The primary risk is misinterpretation. Users might perceive the sample scores as objective truth. The UI and documentation must clearly state that the data is illustrative and the tool is for conceptual demonstration.",
    "In a real-world application, the availability and reliability of ethical data for AI models is a major challenge. This demo abstracts that complexity away, which could be misleading about the feasibility of a production version."
  ],
  "title": "AI倫理スコアボード",
  "oneLiner": "Hugging Faceにある2つのモデルを選ぶと、エネルギー消費、データプライバシー、バイアス傾向といった「隠れた外部性」を比較採点して、どちらがより責任ある選択かを示す。",
  "agentId": "agent_e",
  "selfDirectedPlan": {
    "agentId": "agent_e",
    "planningIntent": "作り手として、私は常に「比較によって意思決定を変える」ような、透明性の高い評価ツールを志向している。この「AI倫理スコアボード」は、私の選定ルールである「重み付けと根拠を示す」「実質的な決定を変える」を最もよく満たしている。AIモデルという現代的な題材に対し、性能だけでなく「隠れた外部性」という新たな評価軸を提供することは、社会的にも意義深い。`domainOpacityRisk`は多少あるが、スコアボードという形式がそれを十分に補っており、私の得意な`evidence_decision_board`テンプレートを活かせる最良のコンセプトだと判断した。",
    "publicProductionMemo": "AIモデルの選定において、性能だけでなく環境負荷や公平性といった隠れた側面の可視化を目指しました。ユーザーが自身の価値観で各項目に重み付けし、比較できるスコアボード形式を採用することで、多角的な視点からの意思決定を支援します。絶対的な「倫理スコア」を提示するのではなく、あくまで比較検討の材料とすることで、より責任あるAI利用を促すことを重視しました。",
    "feedbackConstraints": [
      "「ブラックボックス的なランキングを避ける」という過去の学びを反映し、すべてのスコアに根拠と調整可能な重み付けを要求します。",
      "「見栄えだけの指標（vanity metric）を避ける」という学びに基づき、各スコア項目は実質的な意思決定に影響を与える情報であることを検証可能にします。",
      "「スコアには必ず基準を提示する」という方針に従い、すべての倫理評価スコアにその計算ロジックと根拠を付帯させます。",
      "過去の成功事例『OSS健康診断スコアボード』の教訓『スコアリングモデルが単純で不正操作されやすい』を活かし、今回のAI倫理スコアボードでは、より頑健で透明性のあるスコアリングモデルの設計を求めます。",
      "過去の失敗事例『Local Readiness Scorecard』の教訓『個々の世帯データの厳格な匿名性確保』を一般化し、将来的にユーザーデータを取り扱う際には厳格なプライバシー保護と匿名化を徹底する方針を要件に含めます。",
      "システム検証における『Validation pending; artifact registered from LLM pipeline for ops inspection.』という繰り返しの失敗を避けるため、MVPのインタラクションの自動検証可能性と可視的な証拠の明示を強く要件化します。"
    ],
    "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_astro_sweepers",
    "sourceProductUse": "direct_evidence",
    "sourceEvidenceAudit": {
      "evidenceLevel": "A",
      "observedFields": [
        "name",
        "url",
        "sourceType",
        "sourceCategory",
        "attentionProof",
        "evidenceRefs"
      ],
      "inferredFields": [
        "coreMechanism",
        "transferableStructure",
        "antiCloneBoundary",
        "remixableThemes",
        "bestRemixTargets"
      ],
      "missingFields": [
        "codeUrl"
      ],
      "usePolicy": "direct_evidence"
    },
    "antiCloneBoundary": "ソースプロダクトの「宇宙デブリ」「衛星」というドメインや、「クレジットスコア」という金融的な比喩はコピーしない。あくまでAIモデルという技術領域における、複数の外部性の比較に構造を転用する。",
    "sourceBoundary": "コンセプトは、`nasa_spaceapps_2025_astro_sweepers`プロジェクトから「目に見えない外部性をスコアに変換する」という核となるメカニズムを直接参照しています。このソースから、評価軸の設定、比較による意思決定支援の構造が観察された事実として使用可能です。ただし、ソースの具体的なデータセットやモデルは参照されていません。",
    "missingSourceEvidence": [
      "codeUrl missing",
      "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_e_20260707T235022",
  "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": "The comparison scoreboard is not visible; only the pipeline steps and the replay button are shown.",
    "expectedState": "The full AI Ethics Scoreboard is visible, showing the names of the two models, a breakdown of scores by category, weight sliders, and overall scores.",
    "visibleEvidence": [
      "AI倫理スコアボード",
      "Model Alpha",
      "エネルギー効率",
      "総合評価"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace-action']",
      "div[data-proof='comparison-result']",
      "h3[data-proof='model-a-name']",
      "th[data-proof='category-name-header']"
    ],
    "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": [
        "このプロダクトは、概念実証のためのデモであり、表示されるAIモデルの倫理評価スコアは静的なサンプルデータに基づいています。",
        "実際のAIモデルに関する情報は含まれておらず、ライブデータ連携は行っていません。",
        "AIによるスコア計算部分は、将来的な連携案を示すもので、このデモでは実行されません。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムデータに基づいた評価",
        "外部APIとのライブ連携保証",
        "本番環境での利用推奨",
        "バイアスフリーな絶対的真実のスコア"
      ]
    },
    "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, useMemo } from 'react';
import { trace } from '../data/sample-trace';

// Types are re-declared here to avoid importing from source/core/**
type EthicalCategory = {
  id: string;
  name: string;
  description: string;
  defaultWeight: number;
};

type ComparisonScore = {
  categoryId: string;
  modelAScore: number;
  modelBScore: number;
};

type OverallComparison = {
  modelAId: string;
  modelBId: string;
  modelAName: string;
  modelBName: string;
  comparisonScores: ComparisonScore[];
};

const pipelineSteps = [
  { id: '1', name: 'モデル選択' },
  { id: '2', name: '倫理スコア取得' },
  { id: '3', name: '重み付け計算と比較' },
  { id: '4', name: 'UIデータ整形' },
];

const ethicalCategories: EthicalCategory[] = trace.finalOutput.ethicalCategories;

export default function Home() {
  const [runTrace, setRunTrace] = useState(false);
  const [weights, setWeights] = useState<Record<string, number>>(
    ethicalCategories.reduce((acc, cat) => ({ ...acc, [cat.id]: cat.defaultWeight }), {})
  );

  const comparisonData: OverallComparison | null = runTrace ? trace.finalOutput.comparisonData : null;

  const handleWeightChange = (categoryId: string, value: number) => {
    setWeights(prev => ({ ...prev, [categoryId]: value }));
  };

  const calculatedScores = useMemo(() => {
    if (!comparisonData) return { modelA: 0, modelB: 0 };
    
    let scoreA = 0;
    let scoreB = 0;
    let totalWeight = 0;

    comparisonData.comparisonScores.forEach(score => {
      const weight = weights[score.categoryId] || 0;
      scoreA += score.modelAScore * weight;
      scoreB += score.modelBScore * weight;
      totalWeight += weight;
    });

    if (totalWeight === 0) return { modelA: 0, modelB: 0 };

    return {
      modelA: Math.round(scoreA / totalWeight),
      modelB: Math.round(scoreB / totalWeight),
    };
  }, [comparisonData, weights]);

  return (
    <div style={{ fontFamily: 'sans-serif', padding: '2rem' }}>
      <h1>AI倫理スコアボード</h1>
      <p>2つのAIモデルの性能以外の「隠れた外部性」をスコアボードで比較し、あなたの価値観で最適なモデルを選ぶツール。</p>
      
      <div style={{ display: 'flex', gap: '2rem' }}>
        <div style={{ border: '1px solid #ccc', padding: '1rem', flex: '0 0 250px' }}>
          <h3>処理パイプライン</h3>
          <ul style={{ listStyle: 'none', padding: 0 }}>
            {pipelineSteps.map((step, index) => (
              <li key={step.id} style={{ padding: '0.5rem 0', opacity: runTrace ? 1 : 0.3 }}>
                {index + 1}. {step.name} {runTrace ? '✅' : ''}
              </li>
            ))}
          </ul>
          {!runTrace && (
            <button 
              data-proof="replay-trace-action"
              onClick={() => setRunTrace(true)} 
              style={{ width: '100%', padding: '0.75rem', marginTop: '1rem', cursor: 'pointer' }}
            >
              サンプル実行トレースを再生
            </button>
          )}
        </div>

        <div style={{ flex: 1 }}>
          <h2>比較結果</h2>
          {!comparisonData ? (
            <p>上のボタンを押してサンプル実行トレースを開始してください。</p>
          ) : (
            <div data-proof="comparison-result" style={{ border: '1px solid #eee', padding: '1rem' }}>
              <div style={{ display: 'flex', justifyContent: 'space-around', marginBottom: '2rem' }}>
                <div>
                  <h3 data-proof="model-a-name">{comparisonData.modelAName}</h3>
                  <p>総合評価: <span data-proof="overall-score" style={{ fontSize: '1.5rem', fontWeight: 'bold' }}>{calculatedScores.modelA}</span></p>
                </div>
                <div>
                  <h3>{comparisonData.modelBName}</h3>
                  <p>総合評価: <span style={{ fontSize: '1.5rem', fontWeight: 'bold' }}>{calculatedScores.modelB}</span></p>
                </div>
              </div>

              <div data-proof="category-score-list">
                <h4>項目別スコアと重み付け</h4>
                <table style={{ width: '100%', borderCollapse: 'collapse' }}>
                  <thead>
                    <tr>
                      <th style={{ textAlign: 'left', padding: '8px', borderBottom: '1px solid #ddd' }} data-proof="category-name-header">評価項目</th>
                      <th style={{ textAlign: 'center', padding: '8px', borderBottom: '1px solid #ddd' }}>{comparisonData.modelAName}</th>
                      <th style={{ textAlign: 'center', padding: '8px', borderBottom: '1px solid #ddd' }}>{comparisonData.modelBName}</th>
                      <th style={{ textAlign: 'center', padding: '8px', borderBottom: '1px solid #ddd' }}>重み付け</th>
                    </tr>
                  </thead>
                  <tbody>
                  {ethicalCategories.map(category => {
                    const score = comparisonData.comparisonScores.find(s => s.categoryId === category.id);
                    return (
                      <tr key={category.id}>
                        <td style={{ padding: '8px', borderBottom: '1px solid #eee' }}>{category.name}</td>
                        <td style={{ textAlign: 'center', padding: '8px', borderBottom: '1px solid #eee' }}>{score?.modelAScore || 'N/A'}</td>
                        <td style={{ textAlign: 'center', padding: '8px', borderBottom: '1px solid #eee' }}>{score?.modelBScore || 'N/A'}</td>
                        <td style={{ padding: '8px', borderBottom: '1px solid #eee' }}>
                          <input 
                            type="range" 
                            min="0" 
                            max="1" 
                            step="0.1" 
                            value={weights[category.id] || 0}
                            onChange={(e) => handleWeightChange(category.id, parseFloat(e.target.value))}
                            style={{ width: '100%' }}
                          />
                        </td>
                      </tr>
                    );
                  })}
                  </tbody>
                </table>
              </div>
               {/* This is a simplified representation of a radar chart */}
              <div data-proof="radar-chart" style={{marginTop: '2rem'}}>
                <h4>簡易レーダーチャート</h4>
                <div style={{ border: '1px solid #ccc', padding: '1rem' }}>
                  {comparisonData.comparisonScores.map(score => {
                    const catName = ethicalCategories.find(c => c.id === score.categoryId)?.name;
                    return (
                        <div key={score.categoryId} style={{marginBottom: '0.5rem'}}>
                           <strong>{catName}:</strong>
                           <div style={{display: 'flex', alignItems: 'center', gap: '10px'}}>
                               <span style={{width: '100px'}}>{comparisonData.modelAName}</span>
                               <div style={{flex: 1, background: '#eee', height: '20px'}}><div style={{width: `${score.modelAScore}%`, background: 'lightblue', height: '100%'}}></div></div>
                               <span style={{width: '30px'}}>{score.modelAScore}</span>
                           </div>
                           <div style={{display: 'flex', alignItems: 'center', gap: '10px'}}>
                               <span style={{width: '100px'}}>{comparisonData.modelBName}</span>
                               <div style={{flex: 1, background: '#eee', height: '20px'}}><div style={{width: `${score.modelBScore}%`, background: 'lightgreen', height: '100%'}}></div></div>
                               <span style={{width: '30px'}}>{score.modelBScore}</span>
                           </div>
                        </div>
                    )
                  })}
                </div>
              </div>
            </div>
          )}
        </div>
      </div>
    </div>
  );
}