ようこそロジマニアホームページへ

本システムは、羽田空港駐車場の転売屋に無駄な費用を支払わないために作成した駐車場予約Botです。

アプリを開く → 利用手順書 → 利用手順動画 →

本システムはRAGの技術を使用した人事・総務向けチャットボットのプロトタイプ1号機になります。RAGに使用したデータは東海大学海洋学部のホームページをスクレイピングしたデータとなります。

アプリを開く → 利用手順書 → 利用手順動画 →

本システムは1号機のRAGパイプラインを強化したシステムとなります。構造化やQ&A化、エンベディングにruri-v3を使用しています。キーワードインデックスやベクターDBを使って検索しています。RAGに使用したデータは札幌市の規約のデータを使用しています。

アプリを開く → 利用手順書 → 利用手順動画 →

本システムは競馬でよく言われるオッズの歪みを使用した株式スイングトレードのシステムです。当初の銘柄一覧からスクリーニング条件でスクリーニング済みの銘柄に対して設定した条件で株式エントリーをします。このエントリーのフィルターにリスク管理をしたAIを使用しています。SBI証券にて自動売買を行います。

アプリを開く → 利用手順書 → 利用手順動画 →

本システムは、RAGをテストするツールになります。あらかじめ用意されたQ&A集を読み込むことにより、クエリの自動生成、RAGから使用された回答に対する期待値との一致率の検出を行います。また、テスト結果でミスが出た部分に対するアドバイザリー機能も搭載しています。

アプリを開く → 利用手順書 → 利用手順動画 →

Amazon FBAの在庫データを基に、Yahoo!ショッピングや楽天市場の在庫数を自動で調整するマルチEC在庫管理システムです。主な内容は、在庫の自動同期ルールやSKUマッピングの管理方法、そして安全な運用のためのドライランやロールバックの手順で構成されています。

利用手順書 → 利用手順動画 →

Amazon・Yahoo!ショッピング・楽天の3つのオンラインモールから注文情報を自動で抽出し、Excelへ一元化する売上管理システムの利用マニュアルです。システムはExcel VBAとPython APIを連携させて動作し、全モールの売上を一括取得する機能や、Amazonの最新価格および手数料を更新する機能を備えています。利用者はExcel上のマクロを実行するだけで、指定した期間のデータを月別のシートに自動で集計することが可能です。

利用手順書 → 利用手順動画 →

競馬予想および自動投票システムであるkeibaAIをVPSサーバーへ導入し、運用するための手順書です。このシステムはUbuntu環境で動作し、土日のスケジュールに合わせて予測データの準備からIPATを通じた投票実行、さらには結果の収集までをcronにより自動化します。投票結果はSQLiteデータベースに蓄積され、専用のWebダッシュボードを通じて投資状況や的中率などの統計情報をリアルタイムで確認できる仕組みが整っています。

アプリを開く → 利用手順書 → 利用手順動画 →

JRAのオッズ変動を追跡し、特定の条件下で自動投票を行うシステムです。システムはNode.jsで動作し、収集したデータを基に人気急上昇馬を特定して、発走直前に単勝馬券を自動購入する仕組みを備えています。ユーザーは専用のWeb画面を通じて、レース毎の変動率や投票履歴、的中率などの統計データを視覚的に確認することが可能です。

アプリを開く → 自動投票履歴 → 利用手順書 → 利用手順動画 →

ニュース収集エージェントシステムは、最新の半導体技術およびAI技術動向を自動的に収集・分析し、半導体試験装置メーカーに特化したビジネス戦略を立案する高度なシステムです。毎朝の自動レポート配信に加え、GPT-5を活用して過去7日間のニュースから製品開発や市場戦略を含む具体的な提案書を生成する機能を備えています。ユーザーは専用のWebブラウザUIを通じて、多様な情報ソースの閲覧や統計情報の確認、戦略立案の実行を簡単に行うことが可能です。運用面ではFastAPIやnginxといった技術が採用されており、ソースの追加や配信先の管理も設定ファイルの編集で柔軟に対応できます。

AI Daily New → Semi Daily News → 利用手順書 → 利用手順動画 →

Test Insight Hubは、AI駆動開発における独立したテスト監査ツールとしての役割を持ち、プロジェクト側AIが書いたコードとテストを、独立した第三者の視点で検証します。主な機能は以下の通りです：システム構造の可視化では、対象プロジェクトのソースコードを自動解析し、モジュール構造や依存関係、関数一覧を抽出してブロック図として表示します。テストの自動実行とカバレッジ取得では、プロジェクトのテストフレームワークを自動検出し、テスト実行とカバレッジの計測を行います。結果はファイル別の一覧や、ブロック図上での色分け（緑・黄・赤）によって可視化され、問題箇所（赤いモジュールなど）を直感的に特定できます。分析と改善フィードバックの生成では、カバレッジ不足率やコードの複雑度などから優先度スコアを算出し、各ファイルに必要なテストシナリオ（正常系・エラー系・境界値）を提示するフィードバックを生成します。また、全モジュールが設定した閾値を満たしているかを判定する「Quality Gate（品質ゲート）」機能も備えています。プロジェクト側AIとの連携では、生成したフィードバックをクリップボードにコピーしたり、専用ファイルに出力したりして、プロジェクト側のAI（Claude Code等）に直接渡すことができます。これにより、Quality Gateが「合格」になるまでテストの改善と再検証のサイクルを回し続けることが可能です。

GitHub → 利用手順書 → 利用手順動画 →