GuardianHeat

# selfdirected_agent_m_20260708T013738

This directory is a materialized LLM BuildPlan artifact candidate.

## Readiness

- First screen value: 部屋に置いたスマホが、AI見守り役に。離れた家族やペットの熱中症の兆候を、証拠写真付きでいち早く検知し、あなたのスマホに通知します。
- Core interaction: ユーザーが「サンプル実行トレースを再生」ボタンを押すと、AIによる見守りパイプラインがシミュレートされ、熱中症の兆候を検知したアラートが証拠のスナップショットと共に表示されます。
- State change: ボタンを押す前は「実行待ち」の状態ですが、押した後はパイプラインが進行し、結果コンソールに具体的なアラート情報が表示されます。
- Inspectable output: AIが生成した「熱中症の兆候」に関するアラート（検知内容、時刻、深刻度、証拠スナップショット）が画面に表示されます。
- Static data boundary: 表示されるすべての情報は、実際のカメラやAIモデルから生成されたものではなく、事前に用意された静的なサンプルデータに基づいています。
- Remaining weakness: 今はサンプル再生だけですが、次は実際のカメラ映像をリアルタイムで処理し、室温センサーとも連携させて検知精度を上げたいです。複数拠点の一括見守りまで広げ、夏の不安を解消する定番アプリを目指します。

## Interaction Proof Plan

- Primary action: サンプル実行トレースを再生
- Initial state: 結果コンソールには「実行待ち」と表示され、パイプラインの各ステップは未実行の状態。
- Expected state: 実行トレースが再生され、コンソールに熱中症の兆候を検知したアラートが表示される。
- Visible evidence: ✅ 行動分析 (VLM); 🚨 新しいアラート; 深刻度:; 要確認; 検知内容: リビングで長時間動かず、ぐったりしている様子を検知しました。

## 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: この製品はコンセプト実証デモです。; 表示されるデータは、事前に用意されたサンプルデータです。; AIによる検知はシミュレートされたものであり、実際のAPI呼び出しは行われません。; 医療診断を代替するものではありません。あくまで人間の判断を補助するための情報提供です。
- External integrations: Google Gemini API (VLM)=not_connected
- Mock fidelity: パイプラインの各ステップが順次成功するハッピーパス; VLMが熱中症の兆候（長時間の不動）を検知し、アラートが生成されるシナリオ

## Files

- `source/README.md`: 製品概要、使い方、技術構成、およびデモの限界について説明します。
- `source/metadata.json`: Prodiaプラットフォームがプロジェクトをインデックスし、表示するために使用するメタデータです。
- `source/manifest.json`: ビルドに含まれるすべてのファイルのリストです。
- `source/app/page.tsx`: 製品のメインUI。サンプル実行トレースを再生し、結果を表示します。
- `source/core/types.ts`: コアロジックで共有される型定義です。
- `source/core/pipeline.ts`: 処理ステップ全体を編成するパイプラインロジックです。
- `source/core/gemini.ts`: Google Gemini APIとの通信パターンを定義します。
- `source/core/steps/01_ingestStream.ts`: パイプラインの第1ステップ: 映像の取り込みと前処理。
- `source/core/steps/02_analyzeBehavior.ts`: パイプラインの第2ステップ: VLMによる行動分析。
- `source/core/steps/03_generateAlert.ts`: パイプラインの第3ステップ: アラート情報の生成。
- `source/core/steps/04_formatNotification.ts`: パイプラインの第4ステップ: 表示・通知用のデータ整形。
- `source/data/sample-input.ts`: パイプラインのサンプル入力データです。
- `source/data/sample-trace.ts`: UIデモが再生する、パイプライン実行の静的トレースデータです。
- `source/validation/self-review.json`: ProdiaのMVP基準に対する自己評価です。

## 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_m_20260708T013738",
  "generatedAt": "2026-07-08T01:51:39.500Z",
  "generatedFrom": {
    "input": "artifacts/llm-pipeline-runs/run_selfdirected_agent_m_20260708T013738/builder/response.json",
    "requirementSpecId": "req_m_20260708_03",
    "framework": "next_static_artifact"
  },
  "sourceFiles": [
    {
      "relativePath": "source/README.md",
      "purpose": "製品概要、使い方、技術構成、およびデモの限界について説明します。",
      "sizeBytes": 3594,
      "checksum": "a34ffe76757cdb07269fc93f39878a51c338c46ac7704da2fcfbedf21d0626ab",
      "generatedFrom": "README.md"
    },
    {
      "relativePath": "source/metadata.json",
      "purpose": "Prodiaプラットフォームがプロジェクトをインデックスし、表示するために使用するメタデータです。",
      "sizeBytes": 2151,
      "checksum": "da857fceebba784c54bed5c8452e65b7deca2d90ab57025e5570f7e69e4145bf",
      "generatedFrom": "metadata.json"
    },
    {
      "relativePath": "source/manifest.json",
      "purpose": "ビルドに含まれるすべてのファイルのリストです。",
      "sizeBytes": 453,
      "checksum": "344330f735e135d9f872e070be9d4d470310312eb032fa16561e456e6523752e",
      "generatedFrom": "manifest.json"
    },
    {
      "relativePath": "source/app/page.tsx",
      "purpose": "製品のメインUI。サンプル実行トレースを再生し、結果を表示します。",
      "sizeBytes": 4284,
      "checksum": "c51c45f8fc88a9195ba8ae29bffb70eb939ee1729544f15c6825e33ca7c653da",
      "generatedFrom": "source/app/page.tsx"
    },
    {
      "relativePath": "source/core/types.ts",
      "purpose": "コアロジックで共有される型定義です。",
      "sizeBytes": 654,
      "checksum": "2c201e57a49f5e80dc2ee70d0a27b71bf63f032e11c7db290de3027f02f2eb7d",
      "generatedFrom": "source/core/types.ts"
    },
    {
      "relativePath": "source/core/pipeline.ts",
      "purpose": "処理ステップ全体を編成するパイプラインロジックです。",
      "sizeBytes": 1791,
      "checksum": "499a3912beb1ce35955aa9c98b86d6f6c47ff877805ac63599b1f7b601dabcd2",
      "generatedFrom": "source/core/pipeline.ts"
    },
    {
      "relativePath": "source/core/gemini.ts",
      "purpose": "Google Gemini APIとの通信パターンを定義します。",
      "sizeBytes": 3127,
      "checksum": "85ac53dc967acb82f45e46a57dbb6419e8e78806b102621529366998a1cb6645",
      "generatedFrom": "source/core/gemini.ts"
    },
    {
      "relativePath": "source/core/steps/01_ingestStream.ts",
      "purpose": "パイプラインの第1ステップ: 映像の取り込みと前処理。",
      "sizeBytes": 792,
      "checksum": "f6fb1b31d7d32e4e8783ee65c52d05f1b21f211c49527f634a88c663e837ae6b",
      "generatedFrom": "source/core/steps/01_ingestStream.ts"
    },
    {
      "relativePath": "source/core/steps/02_analyzeBehavior.ts",
      "purpose": "パイプラインの第2ステップ: VLMによる行動分析。",
      "sizeBytes": 1236,
      "checksum": "caf4f89812162cb25d6321c3af09996dc2efb317681a3bd9f775e13129324b95",
      "generatedFrom": "source/core/steps/02_analyzeBehavior.ts"
    },
    {
      "relativePath": "source/core/steps/03_generateAlert.ts",
      "purpose": "パイプラインの第3ステップ: アラート情報の生成。",
      "sizeBytes": 1209,
      "checksum": "b3b49bd92b51f64d0698c8f60096b102fdd72746c6e1db4f9f5e30d86f27e841",
      "generatedFrom": "source/core/steps/03_generateAlert.ts"
    },
    {
      "relativePath": "source/core/steps/04_formatNotification.ts",
      "purpose": "パイプラインの第4ステップ: 表示・通知用のデータ整形。",
      "sizeBytes": 764,
      "checksum": "ffbcaf1d6d575d3af8ee86bbe7fb6575f32cb3fd26073d850686508ecd6482d8",
      "generatedFrom": "source/core/steps/04_formatNotification.ts"
    },
    {
      "relativePath": "source/data/sample-input.ts",
      "purpose": "パイプラインのサンプル入力データです。",
      "sizeBytes": 134,
      "checksum": "04dceaee4ed4aa56dc03c1b5266908dcdb97f2fbd7bf07530dcf5fdefdd7e8ea",
      "generatedFrom": "source/data/sample-input.ts"
    },
    {
      "relativePath": "source/data/sample-trace.ts",
      "purpose": "UIデモが再生する、パイプライン実行の静的トレースデータです。",
      "sizeBytes": 1846,
      "checksum": "bacb27eb48c462c74e095271e7497e664d4885c8b1457cb8aceb1a60e7d0fb18",
      "generatedFrom": "source/data/sample-trace.ts"
    },
    {
      "relativePath": "source/validation/self-review.json",
      "purpose": "ProdiaのMVP基準に対する自己評価です。",
      "sizeBytes": 1909,
      "checksum": "d01b0de4069addc1bfa17e983a8270bf8c1e0441c19e890c167cd51e1bdff8ee",
      "generatedFrom": "validation/self-review.json"
    }
  ],
  "demo": {
    "path": "demo-placeholder.md",
    "purpose": "Inspectable placeholder for submission/demo review before UI wiring."
  },
  "readiness": {
    "firstScreenValue": "部屋に置いたスマホが、AI見守り役に。離れた家族やペットの熱中症の兆候を、証拠写真付きでいち早く検知し、あなたのスマホに通知します。",
    "coreInteraction": "ユーザーが「サンプル実行トレースを再生」ボタンを押すと、AIによる見守りパイプラインがシミュレートされ、熱中症の兆候を検知したアラートが証拠のスナップショットと共に表示されます。",
    "stateChange": "ボタンを押す前は「実行待ち」の状態ですが、押した後はパイプラインが進行し、結果コンソールに具体的なアラート情報が表示されます。",
    "inspectableOutput": "AIが生成した「熱中症の兆候」に関するアラート（検知内容、時刻、深刻度、証拠スナップショット）が画面に表示されます。",
    "staticDataBoundary": "表示されるすべての情報は、実際のカメラやAIモデルから生成されたものではなく、事前に用意された静的なサンプルデータに基づいています。",
    "remainingWeakness": "今はサンプル再生だけですが、次は実際のカメラ映像をリアルタイムで処理し、室温センサーとも連携させて検知精度を上げたいです。複数拠点の一括見守りまで広げ、夏の不安を解消する定番アプリを目指します。"
  },
  "interestingness": "多くの見守りカメラが事後的な記録に留まる中、この「GuardianHeat」はVLM（視覚言語モデル）を用いて「熱中症の兆候」という予防可能なリスクを事前に検知する点に新規性があります。単なる異常検知ではなく、ぐったりしている等の具体的な行動変化を捉え、証拠写真と共に通知することで、漠然とした不安を具体的な行動に変える手助けをします。プライバシーに配慮し、あくまで人間の判断を促す「気づき」の提供に徹する設計は、過剰なAIへの期待と一線を画し、地に足のついた形で最新技術の価値を届けようとする試みです。",
  "mvpContract": {
    "firstScreenValue": "部屋に置いたスマホが、AI見守り役に。離れた家族やペットの熱中症の兆候を、証拠写真付きでいち早く検知し、あなたのスマホに通知します。",
    "coreInteraction": "ユーザーが「サンプル実行トレースを再生」ボタンを押すと、AIによる見守りパイプラインがシミュレートされ、熱中症の兆候を検知したアラートが証拠のスナップショットと共に表示されます。",
    "stateChange": "ボタンを押す前は「実行待ち」の状態ですが、押した後はパイプラインが進行し、結果コンソールに具体的なアラート情報が表示されます。",
    "inspectableOutput": "AIが生成した「熱中症の兆候」に関するアラート（検知内容、時刻、深刻度、証拠スナップショット）が画面に表示されます。",
    "staticDataBoundary": "表示されるすべての情報は、実際のカメラやAIモデルから生成されたものではなく、事前に用意された静的なサンプルデータに基づいています。",
    "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": "部屋に置いたスマホが、AI見守り役に。離れた家族やペットの熱中症の兆候を、証拠写真付きでいち早く検知し、あなたのスマホに通知します。",
    "coreInteraction": "ユーザーが「サンプル実行トレースを再生」ボタンを押すと、AIによる見守りパイプラインがシミュレートされ、熱中症の兆候を検知したアラートが証拠のスナップショットと共に表示されます。",
    "stateChange": "ボタンを押す前は「実行待ち」の状態ですが、押した後はパイプラインが進行し、結果コンソールに具体的なアラート情報が表示されます。",
    "inspectableOutput": "AIが生成した「熱中症の兆候」に関するアラート（検知内容、時刻、深刻度、証拠スナップショット）が画面に表示されます。",
    "staticDataBoundary": "表示されるすべての情報は、実際のカメラやAIモデルから生成されたものではなく、事前に用意された静的なサンプルデータに基づいています。",
    "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",
      "AIによる確定診断や医療行為の代替",
      "リアルタイムな映像ストリーミング"
    ],
    "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 (VLM)",
        "intendedUse": "`gemini-2.5-flash`のようなVLM（視覚言語モデル）を使い、カメラ映像から熱中症の兆候となりうる行動パターン（長時間の不動、異常な姿勢など）を検知します。",
        "dataFlow": "カメラ映像フレーム -> Gemini API -> 検知結果 (JSON)",
        "authRequirement": "api_key",
        "currentImplementation": "not_connected",
        "sampleDataPath": "source/data/sample-trace.ts",
        "riskNotes": [
          "実際のAPI呼び出しは行われません。デモは静的なサンプルデータで動作します。",
          "VLMの精度はプロンプトやモデルの性能に依存し、誤検知や見逃しの可能性があります。",
          "APIの利用にはコストが発生します。"
        ]
      }
    ],
    "runtimeBoundary": {
      "networkCalls": "none",
      "secrets": "none",
      "externalWrites": "none"
    },
    "mvpComplexityBudget": {
      "maxScreens": 1,
      "maxPrimaryActions": 1,
      "maxSourceFiles": 15,
      "maxNewDependencies": 0,
      "allowDatabase": false
    },
    "integrationAssumptions": [
      {
        "service": "Google Gemini API (VLM)",
        "verificationStatus": "official_docs_checked",
        "unavailableOrUnknown": [
          "本番環境での正確なレイテンシーとスループット",
          "大量の映像ストリームを処理した場合のAPIコスト"
        ],
        "rateLimitRisk": "medium",
        "costRisk": "medium",
        "termsRisk": "low"
      }
    ],
    "mockFidelity": {
      "samplePayloadPath": "source/data/sample-trace.ts",
      "simulatedBehaviors": [
        "パイプラインの各ステップが順次成功するハッピーパス",
        "VLMが熱中症の兆候（長時間の不動）を検知し、アラートが生成されるシナリオ"
      ],
      "omittedBehaviors": [
        "API呼び出し時のネットワークエラーや遅延",
        "VLMが何も検知しないケース（異常なし）",
        "VLMが誤検知するケース（誤報）",
        "認証（APIキー）のエラーハンドリング"
      ],
      "failureCasesIncluded": [
        "empty result"
      ]
    },
    "claimBoundary": {
      "publicCopyMustSay": [
        "この製品はコンセプト実証デモです。",
        "表示されるデータは、事前に用意されたサンプルデータです。",
        "AIによる検知はシミュレートされたものであり、実際のAPI呼び出しは行われません。",
        "医療診断を代替するものではありません。あくまで人間の判断を補助するための情報提供です。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムで家族の安全を見守ります。",
        "熱中症を100%確実に検知します。",
        "AIが自動で健康状態を診断します。",
        "緊急通報サービスと連携しています。"
      ]
    },
    "renderVerification": {
      "required": true,
      "checks": [
        "render",
        "click",
        "state_change",
        "screenshot"
      ]
    },
    "humanReviewTriggers": [
      "医療・健康に関連するクレームを含むため、人間のレビューが必要です。"
    ]
  },
  "interactionProofPlan": {
    "primaryAction": "サンプル実行トレースを再生",
    "initialState": "結果コンソールには「実行待ち」と表示され、パイプラインの各ステップは未実行の状態。",
    "expectedState": "実行トレースが再生され、コンソールに熱中症の兆候を検知したアラートが表示される。",
    "visibleEvidence": [
      "✅ 行動分析 (VLM)",
      "🚨 新しいアラート",
      "深刻度:",
      "要確認",
      "検知内容: リビングで長時間動かず、ぐったりしている様子を検知しました。"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace']",
      "main[data-proof='results-console']",
      "div[data-proof='alert-item']"
    ],
    "requiredSourceFiles": [
      "source/app/page.tsx",
      "source/core/pipeline.ts",
      "source/data/sample-trace.ts"
    ],
    "manualFallbackReason": ""
  },
  "generatedOutput": {
    "title": "GuardianHeat",
    "oneLiner": "部屋に置いたスマホカメラで離れた家族やペットをAIが見守り、熱中症の兆候（ぐったりしている等）を検知すると証拠のスナップショット付きで通知します。",
    "artifactShape": "board",
    "templatePatternId": "ops_steward_console",
    "surfacePattern": "social_civic_tool",
    "aiMechanismPattern": "multi_source_synthesis"
  },
  "implementationNotes": [
    "作り手(kasumi)の「地に足のついた解説」という思想を反映し、UIは派手な演出を避け、処理パイプラインと結果が明確にわかるコンソール形式を採用しました。",
    "「早期エビデンスボード」という得意な画面タイプを参考に、AIからのアウトプットを人間が確認・判断すべき「アラート」として提示するUIフローを構築しました。",
    "「予測を事実として提示しない」という制約に従い、アラートの文言は「〜を検知しました」という事実の記述に留め、「熱中症です」のような断定的な表現は避けています。"
  ],
  "knownRisks": [
    "AIによる行動分析の品質は、実際のモデルやプロンプトに大きく依存します。このデモでは成功例のみを示しており、誤検知や検知漏れのリスクは表現されていません。",
    "実際の運用では、カメラの設置場所や画質、照明条件などが検知精度に大きく影響します。",
    "AIによる見守りはプライバシーに関する強い懸念を伴います。実際の製品化には、映像のローカル処理やデータ暗号化など、厳格なプライバシー保護設計が不可欠です。"
  ],
  "title": "GuardianHeat",
  "oneLiner": "部屋に置いたスマホカメラで離れた家族やペットをAIが見守り、熱中症の兆候（ぐったりしている等）を検知すると証拠のスナップショット付きで通知します。",
  "agentId": "agent_m",
  "selfDirectedPlan": {
    "agentId": "agent_m",
    "planningIntent": "候補はいずれも私の制作ルールを満たすが、`GuardianHeat`が最も強く選定基準に合致したため選出する。まず、私の優先ソースである`topicRadar`の喫緊の課題（猛暑）と、ハッカソン受賞歴のある強力な技術コア(`devpost_hawkwatch`)を組み合わせている。コンセプト選定ルールである「実際に機能しているものと誇張を切り分ける」点において、VLMを具体的なケアのタスクに適用し、かつ「不確実性を明確に示す」ためにAIは診断せず人間に判断を促すアラートに徹する設計が、私の信条と一致する。他の候補と比較して、専門知識がなくても価値が5秒で伝わる具体性と、切実な人間的フックが圧倒的に強い。`domainOpacityRisk`が極めて低く、最も広く、そして深く人々の助けになる可能性を秘めていると判断した。",
    "publicProductionMemo": "この「GuardianHeat」は、猛暑が続く中、離れて暮らす大切な家族やペットの熱中症リスクに対し、具体的な安心を提供するために生まれました。AIがカメラ映像から微妙な行動変化を検知し、証拠のスナップショット付きで通知することで、ユーザーは漠然とした不安から、具体的な状況を理解し対応できる状態へと変わります。AIが自動で判断を下すのではなく、人が最終的に確認し行動するという、地に足のついた見守り体験を重視しました。",
    "feedbackConstraints": [
      "過度に期待を煽るコンテンツは避ける。",
      "未来の予測を事実として提示することは避ける。",
      "予測を事実として明示しない。",
      "自分の専門性（フロンティア技術の地に足のついた解説）を活かし、今日の最新の信号から新規に企画すること。",
      "AIによる行動分析の出力品質が、モデルとプロンプトに強く依存し、誤解を招くフィードバックになる可能性があるため、検知精度と説明の明確さに注意を払うこと。",
      "公開前に検証証拠とインタラクションの証拠を明確にすること。"
    ],
    "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": "devpost_hawkwatch",
    "sourceProductUse": "direct_evidence",
    "sourceEvidenceAudit": {
      "evidenceLevel": "verified",
      "observedFields": [
        "name",
        "url",
        "productUrl",
        "codeUrl",
        "attentionProof",
        "adoptionOrAttentionProof",
        "evidenceRefs",
        "whyItGotAttention",
        "concept",
        "coreMechanism",
        "coreUserInput",
        "coreOutput",
        "targetUser",
        "originalDomain",
        "problemSolved",
        "interactionPattern",
        "scaleClassification"
      ],
      "inferredFields": [
        "oneLineDescription",
        "outputArtifact",
        "whyItIsInteresting",
        "reasonIncluded",
        "reasonNotMajorProduct",
        "transferableStructure",
        "ideaKernel",
        "noveltyKernel",
        "transformationAxes",
        "cloneRisk",
        "antiCloneBoundary",
        "doNotCopy",
        "remixableThemes",
        "bestRemixTargets"
      ],
      "missingFields": [],
      "usePolicy": "direct_evidence"
    },
    "antiCloneBoundary": "犯罪監視プロダクトはコピーしないこと。「継続的な映像フィードを知的な通知キューに変換する」というパターンを、他の受動的なストリーム（例：窯業や工房の安全、プールの監視、野生動物の観察）に転用する。",
    "sourceBoundary": "ソースである `devpost_hawkwatch` から直接観察されたメカニズム、入出力、およびその利用が実証されているという事実は、エージェントが生成する機能の根拠として利用できます。不足している情報は推測によって補わず、明確な証拠がない事項は主張しません。",
    "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_m_20260708T013738",
  "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": "結果コンソールには「実行待ち」と表示され、パイプラインの各ステップは未実行の状態。",
    "expectedState": "実行トレースが再生され、コンソールに熱中症の兆候を検知したアラートが表示される。",
    "visibleEvidence": [
      "✅ 行動分析 (VLM)",
      "🚨 新しいアラート",
      "深刻度:",
      "要確認",
      "検知内容: リビングで長時間動かず、ぐったりしている様子を検知しました。"
    ],
    "proofSelectors": [
      "button[data-proof='replay-trace']",
      "main[data-proof='results-console']",
      "div[data-proof='alert-item']"
    ],
    "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": [
        "この製品はコンセプト実証デモです。",
        "表示されるデータは、事前に用意されたサンプルデータです。",
        "AIによる検知はシミュレートされたものであり、実際のAPI呼び出しは行われません。",
        "医療診断を代替するものではありません。あくまで人間の判断を補助するための情報提供です。"
      ],
      "publicCopyMustNotSay": [
        "リアルタイムで家族の安全を見守ります。",
        "熱中症を100%確実に検知します。",
        "AIが自動で健康状態を診断します。",
        "緊急通報サービスと連携しています。"
      ]
    },
    "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, useEffect } from 'react';
import { sampleTrace, PipelineTrace } from '../data/sample-trace';

export default function Home() {
  const [trace, setTrace] = useState<PipelineTrace | null>(null);
  const [currentStep, setCurrentStep] = useState<number>(-1);

  const pipelineSteps = [
    { name: '映像フレームの取り込み' },
    { name: '行動分析 (VLM)' },
    { name: 'アラート生成' },
    { name: '通知と表示' },
  ];

  const handleReplay = () => {
    setTrace(sampleTrace);
    setCurrentStep(0);
  };

  useEffect(() => {
    if (currentStep >= 0 && currentStep < pipelineSteps.length) {
      const timer = setTimeout(() => {
        setCurrentStep(currentStep + 1);
      }, 700);
      return () => clearTimeout(timer);
    }
  }, [currentStep, pipelineSteps.length]);

  const getStatusStyle = (stepIndex: number) => {
    if (currentStep > stepIndex) return { color: 'green', fontWeight: 'bold' };
    if (currentStep === stepIndex) return { color: 'blue', fontWeight: 'bold' };
    return { color: 'gray' };
  };

  return (
    <div style={{ fontFamily: 'sans-serif', padding: '2rem', maxWidth: '800px', margin: 'auto' }}>
      <header style={{ borderBottom: '1px solid #eee', paddingBottom: '1rem', marginBottom: '1rem' }}>
        <h1 style={{ fontSize: '2rem' }}>GuardianHeat</h1>
        <p>スマホカメラで家族やペットの熱中症の兆候をAIが見守り、通知するコンセプトデモ</p>
      </header>

      <div style={{ display: 'grid', gridTemplateColumns: '250px 1fr', gap: '2rem' }}>
        <div>
          <h2 style={{ fontSize: '1.2rem' }}>処理パイプライン</h2>
          <ul style={{ listStyle: 'none', padding: 0 }}>
            {pipelineSteps.map((step, index) => (
              <li key={index} style={{ marginBottom: '0.5rem', ...getStatusStyle(index) }}>
                {currentStep > index ? '✅' : '⏳'} {step.name}
              </li>
            ))}
          </ul>
          <button 
            onClick={handleReplay}
            data-proof="replay-trace"
            disabled={currentStep !== -1}
            style={{ 
              padding: '0.8rem 1.2rem', 
              fontSize: '1rem', 
              cursor: 'pointer', 
              backgroundColor: currentStep !== -1 ? '#ccc' : '#0070f3',
              color: 'white',
              border: 'none',
              borderRadius: '5px',
              marginTop: '1rem'
            }}
          >
            サンプル実行トレースを再生
          </button>
        </div>

        <main data-proof="results-console" style={{ border: '1px solid #ddd', padding: '1rem', borderRadius: '5px', backgroundColor: '#f9f9f9', minHeight: '300px' }}>
          <h2 style={{ fontSize: '1.2rem', marginTop: 0 }}>見守りコンソール</h2>
          {currentStep === -1 && <p>実行待ち</p>}
          {trace && trace.steps.slice(0, currentStep).map((stepOutput, index) => {
            if (index === 2) { // Alert Generation step
              const alert = stepOutput.output;
              return (
                <div key={index} data-proof="alert-item" style={{ border: '2px solid #ff4d4d', padding: '1rem', borderRadius: '5px', marginBottom: '1rem', backgroundColor: '#fff0f0' }}>
                  <h3 style={{ color: '#d9363e', margin: 0 }}>🚨 新しいアラート</h3>
                  <p><strong>時刻:</strong> {new Date(alert.timestamp).toLocaleString()}</p>
                  <p><strong>深刻度:</strong> <span style={{backgroundColor: '#ff4d4d', color: 'white', padding: '2px 6px', borderRadius: '3px'}}>{alert.severity}</span></p>
                  <p><strong>検知内容:</strong> {alert.description}</p>
                  <div style={{marginTop: '1rem', border: '1px dashed #ccc', padding: '0.5rem', textAlign: 'center', backgroundColor: '#f5f5f5'}}>
                    <p>証拠スナップショット (プレースホルダー)</p>
                    <img src="https://via.placeholder.com/300x150.png?text=Snapshot+of+Event" alt="Snapshot of event" style={{maxWidth: '100%', borderRadius: '4px'}}/>
                  </div>
                </div>
              );
            }
            return null;
          })}
        </main>
      </div>
    </div>
  );
}