run-coach

自分のランニング計画を見直すとき、毎回 Garmin の記録や予定を見ながら判断していたため、その作業を半自動化する目的で作っている個人開発です。Garmin の実績、カレンダー、天気、大会情報をもとに、週次のトレーニングプランを生成します。

現在実装していること

• Garmin Connect のワークアウト履歴・体調・レース予測をもとに、LLM が週次プランを生成
• Google Calendar の空き枠・天気予報・大会情報を加味してスケジュール調整
• コーチングルール（負荷上限・テーパリング等）でプランを自動検証し、違反時は再生成
• 生成プランを Google Calendar に登録し、LINE でプラン配信
• ラン後に LINE で振り返りを促し、回答を DB に記録（必要に応じて Garmin description に反映）

実装上のポイント

• 各処理を AgentState を受け取り返す関数にして、LangGraph でフロー制御。セルフチェックで違反があれば再生成に戻るループも含めてグラフで定義している
• LLM の出力を含め、すべてのデータを Pydantic v2 のスキーマで定義し、型が合わなければエラーにしている
• Cloud Scheduler → Cloud Run は OIDC トークン検証、LINE Webhook は署名検証。LLM には氏名・メール・GPS座標などの識別情報は送らない

動かし方

make up            # Docker で app + db 起動
make local-coach   # プラン生成（JSON整形出力）

アーキテクチャ

flowchart LR
    U[ユーザー] <--> LINE[LINE]

    LINE -->|振り返り回答| API
    API -->|プラン配信<br>振り返り促進| LINE

    subgraph GCP[Google Cloud]
        CS[Cloud Scheduler<br>毎週: プラン生成<br>毎時: 新着チェック] -->|OIDC認証| API
        subgraph Cloud Run
            API[FastAPI<br>+ LangGraph]
        end
    end

    API <--> DB[(Supabase<br>PostgreSQL)]

    API --> LLM[LLM API]

    API <-->|取得 / 書き戻し| DS[Garmin / Calendar / 天気]

Loading

LangGraph ワークフロー

flowchart LR
    F[データ取得<br>workouts / races<br>calendar / weather] --> LLM[generate_plan]
    LLM --> SC[self_check]
    SC -->|OK| OUT[output_plan] --> SYNC[sync_calendar]
    SC -->|NG| LLM

Loading

技術スタック

カテゴリ	技術
言語	Python 3.11+ / uv
AIエージェント	LangGraph / OpenAI API
スキーマ	Pydantic v2
API	FastAPI
DB	PostgreSQL (Supabase) / SQLAlchemy / Alembic
外部連携	Garmin Connect / Google Calendar / Open-Meteo / LINE Messaging
インフラ	Cloud Run / Cloud Scheduler / Secret Manager / Terraform
セキュリティ	gitleaks / OIDC トークン検証 / LINE署名検証

設計ドキュメント

全体設計は DESIGN.md、各フェーズの詳細は docs/ を参照。