dMemo システムアーキテクチャ

概要

TODO: アーキテクチャ全体図（AppSheet → Cloud Run → BQ → Looker Studio）

コンポーネント構成

データフロー

TODO: 1. 現場スタッフが AppSheet で日報入力 2. AppSheet → Cloud Run /analyze POST 3. Cloud Run → Vertex AI Gemini でタスク分解 + 困り事抽出 4. 解析結果を BigQuery に書き込み 5. Looker Studio が BQ をクエリしてダッシュボード表示

セキュリティ設計

TODO: IAM 設計、Cloud Run 認証設定

スケーラビリティ設計

TODO: Cloud Run 自動スケール設定、BQ パーティション設計の根拠

dMemo UI 設計（Phase 2: Web UI）

方針変更 (2026-02-28): Phase 2 の UI 実装を AppSheet（GUI手動作業）から、 FastAPI + Jinja2 によるコード実装に変更。 AppSheet は Phase 5 以降で検討を継続する。

Phase 2 実装: Web UI 概要

現場スタッフが日報を入力するモバイル対応 Web アプリ。 Cloud Run 上の FastAPI + Jinja2 テンプレートで提供。

対象ユーザー

• スタッフ: 日報入力・自分の日報履歴確認
• 管理者 (admin): 上記 + 部署別ダッシュボード閲覧

認証

画面一覧

テンプレート構成

scripts/dmemo_service/
├── templates/
│   ├── base.html          ベースレイアウト（モバイル対応 viewport + nav）
│   ├── login.html         ログイン画面
│   ├── worklog_form.html  日報入力フォーム
│   ├── worklog_list.html  日報一覧
│   └── dashboard.html     管理者ダッシュボード
└── static/css/
    └── style.css          レスポンシブ CSS（モバイルファースト）

日報入力フィールド

AppSheet（将来検討）

Phase 5 以降で以下を検討: - モバイルアプリとしての AppSheet 提供 - オフライン入力対応 - Push通知

dMemo AI 解析仕様

実装: scripts/dmemo_service/vertex_analyzer.py

概要

Vertex AI Gemini（gemini-2.0-flash）を使用して日報テキストを解析する。

解析処理

タスク分解（ai_tasks）

TODO: プロンプト設計 - 入力: 日報テキスト（work_logs.content） - 出力: タスクリスト（category / task_description / estimated_minutes / is_digital / is_paper_excel） - category 値域: TODO（デジタル業務 / 紙・Excel業務 / 移動 / 会議 等）

困り事抽出（ai_pain_points）

TODO: プロンプト設計 - 入力: 日報テキスト（work_logs.content） - 出力: 困り事リスト（severity / description / suggested_solution） - severity 値域: high / medium / low

API エンドポイント

POST /analyze
{
  "log_id": "...",
  "log_date": "2026-02-28",
  "user_email": "...",
  "department": "...",
  "content": "今日の業務内容..."
}

TODO: レスポンス形式の詳細定義

Vertex AI 設定

エラーハンドリング

TODO: Gemini API エラー時の挙動設計

コスト見積もり

TODO: 想定リクエスト数 × トークン数 × 単価

dMemo (DailyMemo) — プロダクト概要

TATEKAN プラットフォームの新オプション「dMemo」。 日報 AI 解析・業務可視化・法的保全を一体化したサービス。

ドキュメント構成

フェーズ計画

GCP リソース