Niche Hunter

ニッチ市場の機会を自律的に発見・検証・発信するマルチエージェントパイプライン

インターネット上の「困りごと」を収集し、AIが事業化可能なニッチ機会かどうかを多段階で自動検証。Gate を通過した機会は LP を自動生成・公開し、コンバージョンまで計測します。

---

アーキテクチャ概要

Scout層（収集）→ Evaluator（6軸評価）→ Validator層（多段検証）→ 配信・学習層

Scout層（信号収集）

エージェント	収集先	手法
Scout-ToC	Yahoo!知恵袋 / OKWave / はてな匿名ダイアリー / note.com	スクレイピング・非公式API
Scout-ToB	Yahoo!知恵袋 / OKWave（業界×課題クエリ）	スクレイピング
Scout-X	X (Twitter)	X API v2 (Bearer Token)
Scout-MA	TRANBI / Batonz	スクレイピング（M&A市場の実在確認）

Evaluator（6軸スコアリング）

収集機会を以下の重み付きスコアで評価し、Gate1通過分のみ Validator 層へ進む。

軸	重み
who（ターゲット明確さ）	15%
what（問題の明確さ）	15%
why_not_solved（既存解決策の不十分さ）	20%
how_solvable（解決可能性）	10%
why_now（緊急性）	5%
monetizability（収益化可能性）	35%

Gate通過条件

Gate	条件
Gate1	overall ≥ 60 AND (monetizability ≥ 40 OR why_not_solved ≥ 70)
Gate2	market_size_confirmed = true かつ revenue_model が空でない
Gate3	social_score ≥ 20
Gate4	コンバージョン ≥ 1件
Gate5	コンバージョン ≥ 2件かつ reproduce_score ≥ 50

Validator層（多段検証）

エージェント	役割	モデル
Validator-Desk	GPT-4.1内部知識 + Google News RSS + PRtimes RSS による机上検証	GPT-4.1
Validator-Social	はてブ / Yahoo!ニュース / note / PRtimes の反応強度を計測	Claude Sonnet
Validator-LP	LP自動生成 → Vercelデプロイ → コンバージョン計測	Claude Sonnet
Validator-Reproduce	LP経由コンバージョン2件以上で再現性を確認	GPT-4.1

配信・学習層

エージェント	役割	モデル
NotePublisher	Playwright で note.com に記事投稿（承認フロー付き）	Claude Sonnet
OutreachAgent	関連ツイートに返信投稿（note URLのみ）	Claude Sonnet
XAnnouncer	note投稿済み記事を X でアナウンス	Claude Haiku
PatternForge	通過機会から勝ちパターンを抽出・蓄積	Claude Sonnet
MetaLearner	全体データを分析し改善提案を生成（6時間ごと）	Claude Sonnet
ReportGenerator	Gate3通過機会の仮説検証レポートを自動生成	Claude Sonnet

---

技術スタック

カテゴリ	内容
バックエンド	Python 3.11 / Railway（Worker サービス）
ダッシュボード	Streamlit / Railway（Web サービス）
データベース	Supabase (PostgreSQL)
LP公開	Vercel API（自動デプロイ）
LLM	OpenAI GPT-4.1 / Anthropic Claude Sonnet 4.6 / Claude Haiku
通知	Discord Webhook（notifications / approvals / alerts）
スクレイピング	BeautifulSoup4 / Playwright
スケジューラー	APScheduler

---

セットアップ

1. リポジトリをクローン

git clone https://github.com/k-nagamoto/niche-hunter.git
cd niche-hunter
pip install -r requirements.txt

2. 環境変数を設定

.env.example をコピーして .env を作成し、各 API キーを入力します。

cp .env.example .env

必須の環境変数：

# LLM
ANTHROPIC_API_KEY=
OPENAI_API_KEY=

# Supabase
SUPABASE_URL=
SUPABASE_SERVICE_ROLE_KEY=
SUPABASE_ANON_KEY=

# Discord（通知先 Webhook URL）
DISCORD_WEBHOOK_NOTIFICATIONS=
DISCORD_WEBHOOK_APPROVALS=
DISCORD_WEBHOOK_ALERTS=

# Vercel（LP 自動デプロイ）
VERCEL_TOKEN=

オプション（未設定の場合は対応エージェントがスキップ）：

# X (Twitter) API — Scout-X / OutreachAgent / XAnnouncer で使用
X_BEARER_TOKEN=
X_API_KEY=
X_API_SECRET=
X_ACCESS_TOKEN=
X_ACCESS_TOKEN_SECRET=

# note.com — NotePublisher で使用
NOTE_EMAIL=
NOTE_PASSWORD=

# Reddit API
REDDIT_CLIENT_ID=
REDDIT_CLIENT_SECRET=

3. Supabase のテーブルを作成

Supabase Dashboard の SQL Editor で以下のテーブルを作成してください。

テーブル	用途
opportunities	機会本体（current_stage で進捗管理）
evidences	収集・検証データ
agent_states	エージェント実行状態・パラメータ
budget_ledger	API利用コストの記録
learning_logs	MetaLearner の分析ログ
winning_patterns	PatternForge の抽出パターン
actions	エージェントのアクション履歴

4. 起動

# スケジューラー（Worker サービス）
python -m src.scheduler

# ダッシュボード（別ターミナル）
streamlit run dashboard/app.py

---

動作モード

SCHEDULER_ENABLED 環境変数でモードを切り替えられます。

値	動作
`false`（デフォルト）	Scout・Evaluator はダッシュボードの Run ボタンで手動実行。Validator 以降は自動実行
`true`	Scout・Evaluator も 30 分間隔で自動実行

---

予算管理

API 利用コストは自動管理されます。上限に達すると対象プロバイダーのエージェントが自動停止し、翌日リセット後に再起動します。

プロバイダー	日次上限	月次上限
Anthropic	$3.00	$10.00
OpenAI	$6.00	$20.00

---

ディレクトリ構成

niche-hunter/
├── src/
│   ├── agents/           # 各エージェントの実装
│   ├── scheduler.py      # APScheduler 設定
│   ├── config.py         # 環境変数・定数管理
│   └── business_rules.py # ドメイン知識・判断ルール
├── dashboard/
│   └── app.py            # Streamlit ダッシュボード
├── scripts/              # 補助スクリプト
├── tests/                # テストコード
└── .env.example          # 環境変数テンプレート

---

*2026/4/27 〜 5/20（HOOTL プロジェクト）*