行政失敗ずかん (gyosei-shippai-db)

日本の行政が過去に廃止・指摘した事業を継続収集し、「何が起きたか / なぜ起きたか / 同じ構造を持つ民間ビジネス」 の三層で整理する公開データベースです。

新しい事業計画を起案する前に、似た条件で過去に何が起きたかを確認し、同じ轍を避けるための場所として設計しています。

本データベースに掲載される分類・教訓・根本原因・防止策の多くは機械学習モデルによる生成物を含みます。意思決定の最終判断は人間が行ってください。詳細は docs/GOVERNANCE.md。

---

仕組みの根本

公的に開示された行政事業データを 収集 → 構造化 → 分析 → 配信 の 4 工程で扱う、サブスク完結型の AI パイプラインです。一度仕掛けたら毎日 03:00 に自動で 1 サイクル動き続け、新しい事案が増えるごとに自分の分類精度を測り直し、必要ならプロンプト改善案を自動で書く設計になっています。

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ 収集層       │ → │ 処理層       │ → │ 索引層       │
│ discovery    │    │ extractor    │    │ similarity   │
│ crawler      │    │ classifier   │    │ (embeddings) │
└──────────────┘    │ qa / resolver│    └──────────────┘
                    └──────────────┘            ↓
                            ↓             ┌──────────────┐
                    ┌──────────────┐      │ 配信層       │
                    │ メタ層       │      │ Next.js UI   │
                    │ taxonomy     │      │ + JSON API   │
                    │ root_cause   │      └──────────────┘
                    │ business_lsn │
                    └──────────────┘

各層は独立した Python モジュールで、SQLite を中央 store に共有します。LLM 呼び出しは Claude.ai / ChatGPT のサブスク経由のみ で、外部 API 直接課金はゼロです。

---

何を貯めているか

---

データ規模 (現時点)

---

動かし続ける仕組み (Resilience)

「PC を朝つけたらまた壊れていた」を避けるため、停止/障害の検知と自動復旧の経路を多層に組んでいます。

---

賢くなる仕組み (Continuous Improvement)

「動かすほどデータが溜まり、自分の出力品質を測って改善案を書く」ループを内蔵しています。

新規事案 ─→ 分類 ─→ qa 起票 ─→ resolver_v3 が下書き ─→ auto_approver が閾値判定
                                       │                       │
                                       ↓                       ↓
                                review_queue_audit       deferred_applier (実 DB 反映)
                                       │                       │
                                       ↓                       ↓
                              audit_score 低い分        intelligence_log に進化記録
                                       │
                                       ↓
                            prompt_auto_tuner が改善案 (proposals/*.md)
                                       │
                                       ↓
                            assemble_prompt_v4_candidate が次バージョン雛形
                                       │
                                       ↓
                            人間レビュー → resolver_v4 化 → A/B test → 採用

---

主要な利用面

利用面はすべて「新規事業を起こす立場の人が、過去事案から学んで意思決定を改善する」ための入口として配置しています。診断・統計・分析の各出力は出典 URL 付きで、最終判断者が原典に当たれる構造です。

---

アーキテクチャ

LLM 呼び出し方針

各エージェントは Anthropic SDK / OpenAI SDK を 直接呼ばず、上記 runner 経由でサブスク認証を使います。環境変数 ANTHROPIC_API_KEY は未設定が前提です。

サブエージェント

.claude/agents/ 配下に 24 個のサブエージェントを 4 階層に分けて配置。

• 階層 1: 取得・分類 — discovery / crawler / extractor / classifier / qa
• 階層 2: 自己改善 — evaluator / curator / taxonomy / prompt-tuner / trend-detector
• 階層 3: 知見抽出 — synthesizer / analyzer / insight / anomaly-detector / pattern-miner
• 階層 4: 価値出口 — content / publisher / summarizer / prediction-engine
• 戦略層 — research-agent

詳細は docs/AGENTS.md。

スケジュール

scripts/schedule/*.ps1 を Windows タスクスケジューラに登録して 24h 稼働。

詳細は docs/RUNBOOK.md。

---

データソース

クロール時の絶対ルール (qa-agent が自動拒否で強制):

詳細は docs/DATA_SOURCES.md。

---

クイックスタート (開発者向け)

前提

セットアップ

git clone https://github.com/HY3YH/gyosei-shippai-db
cd gyosei-shippai-db

pip install -r requirements.txt
python src/db/migrate.py

cd web && npm install && npm run dev   # http://localhost:3030

動作確認

# 現状スナップショット (DB 主要指標)
python scripts/status.py --axes

# 単発スモーク (LLM 不使用)
python -m src.analyzers.coherence_checker --sample 3 --prompt-version v6 --dry-run

# 健全性検査
python scripts/health_check.py

---

データの保管 / バックアップ

このリポジトリに含まれるもの / 含まれないもの

データを GitHub に上げないのは標準的な分離であり、.gitignore で除外しています。

現状のサーバ構成 (シンプル)

[Windows PC 1 台]
├── C:\...\gyosei-shippai-db\data\db\gyosei.db       ← SQLite 本体 (100MB ±)
│      └── scripts\db_backup.ps1 → 同 PC 内に 7 世代 rotate
├── OneDrive 同期               ← デスクトップ配下のため OneDrive クラウドにも自動コピー (設定次第)
├── Windows タスクスケジューラ   ← 8 タスクで日次/週次/月次運転
└── Claude.ai + ChatGPT Plus サブスク  ← LLM 呼び出し (API 課金ゼロ)

ローカル単体で完結するため最小コストで動きますが、PC ディスクが壊れたら DB を失います。

本番運用時の補強案

詳細は docs/PRODUCTION_READINESS.md の「1.4 バックアップ」「1.5 セキュリティ」節。

受領者が手元で復元する場合

このリポジトリだけでは DB の中身は再現できません:

1. DB 本体を別途受領 (data/db/gyosei.db を直接コピー) → そのまま全データ復元
2. 空 DB から再構築: python src/db/migrate.py → crawler → classifier → RCA を回す。Claude.ai サブスク必須、数日かかる
3. 閲覧のみ: web/public/data/*.json がリポジトリに含まれているため、npm run dev で UI 上の表示だけは再現可能 (新規分析・診断は不可)

---

セキュリティ

コミット前セルフチェック:

git diff --cached | Select-String -Pattern "sk-ant-[A-Za-z0-9_-]{20,}|sk-[A-Za-z0-9_-]{40,}|gh[ps]_[A-Za-z0-9]{30,}|AIza[A-Za-z0-9_-]{30,}|AKIA[A-Z0-9]{16}"

ヒットしたらコミットしない。詳細は docs/SECURITY.md。

---

ディレクトリ構成

gyosei-shippai-db/
├── CLAUDE.md                  Claude Code 用プロジェクト憲法
├── README.md                  本ファイル
├── .claude/
│   ├── agents/                サブエージェント定義 (24 個)
│   ├── skills/                スキル定義
│   └── commands/              スラッシュコマンド
├── src/                       Python 実装
│   ├── crawlers/              データソース別クローラ
│   ├── extractors/            HTML / PDF → cases
│   ├── classifiers/           Few-shot 分類 + evidence_filler
│   ├── analyzers/             RCA / business_lesson / coherence / evaluator
│   ├── evaluators/            review_queue resolver / auto_approver / applier
│   ├── prediction/            予防診断 (predict_risk_v2)
│   ├── publishers/            DB → web/public/data/*.json
│   └── utils/                 claude_runner / codex_runner / llm_runner
├── web/                       可視化システム (Next.js 14 + Tailwind)
│   ├── app/                   17 ページ (App Router)
│   ├── components/            UI 部品
│   └── public/data/           publisher が出力する JSON
├── prompts/                   LLM プロンプト (バージョン管理対象)
│   ├── taxonomy.json
│   ├── root_cause/v1〜v6.md
│   ├── coherence/v1.md
│   └── evaluator/
├── seeds/                     Few-shot 教師データ (curator-agent で進化)
├── migrations/                SQLite マイグレーション (001-020)
├── scripts/
│   ├── schedule/              タスクスケジューラ統合
│   ├── notify/                LINE / Discord 通知
│   ├── refresh_web.py         全 web data を 1 コマンドで更新
│   ├── health_check.py        健全性自動検査
│   └── status.py              現状スナップショット
├── data/                      生データ + SQLite (gitignore)
├── reports/                   自動生成された分析レポート
├── proposals/                 taxonomy / prompt 改善提案
├── diagnostics/               予防診断 demo / レポート
├── plans/                     診断用サンプル計画テキスト
├── worklog/                   セッション作業ログ (JST、追記専用)
├── memory/                    永続知識 (gitignore、ローカル)
└── docs/                      設計ドキュメント

---

ドキュメント一覧

---

貢献・コンタクト

• バグ報告・改善提案: GitHub Issues
• 詳細な貢献手順: CONTRIBUTING.md

---

ライセンス

• コード: MIT License
• データ: 政府標準利用規約 (出典: 会計検査院 / 行政事業レビュー) に準拠
• AI 生成テキスト (分類タグ・教訓・根本原因等): 出典明記・改変明示の条件下で再利用可

詳細は docs/GOVERNANCE.md。