はじめに
BUYMA（バイマー）とBuyandshipを利用した転売ビジネス。出品・価格調整・発注・顧客対応……全て手作業だと1日が終わりません。
私はこの一連の業務を Flask Webアプリ + AI/LLM で自動化するシステムを1人で作りました。
本記事では、この atelier-kyo-manager の設計と実装を解説します。
システム概要
atelier-kyo-manager（Flask App Factory）
├── Blueprint（6モジュール）
│ analytics / orders / partners / products / misc / warehouse_webhook
├── Service層（8モジュール）
│ auto_order / chatbot / image / notification / pipeline / price_scraper / template / warehouse_event
├── Models（16種 SQLAlchemy）
└── Utils（20+モジュール）
システムアーキテクチャ
主要機能の設計思想
1. 出品パイプライン自動化
画像収集 → AI背景除去 → AI説明文生成 → 出品テキスト生成 を一括実行:
# pipeline_service.py — 4ステップを直列実行
class PipelineService:
def execute(self, product_id: int):
images = self.image_service.collect(product_id)
cleaned = self.image_service.remove_background(images)
description = self.llm.generate_description(cleaned)
listing = self.format_for_buyma(description)
return listing
工夫: rembg（AI背景除去）はGPU不要。CPUで5秒/枚。
2. 価格スクレイピング（Playwright）
仕入先サイトの価格をヘッドレスブラウザで自動取得:
# price_scraper.py
class PriceScraper:
def __init__(self):
self.browser = playwright.chromium.launch(headless=True)
async def fetch_price(self, url: str) -> int:
page = await self.browser.new_page()
await page.goto(url)
price = await page.locator(".price").text_content()
return self._parse_price(price)
工夫:
- 24時間キャッシュで重複スクレイピング防止
- Cloudflare検出時のエラーハンドリング
- プロキシ（Webshare/BrightData）経由でIP ban回避
3. 注文ステートマシン
注文の状態遷移を自動管理:
pending → sourcing → cart_added → checkout → payment_done → shipped → completed
各状態のタイムアウト・自動エスカレーション付き。18日ルール（決済方法別の延長期限）も自動計算:
| 決済方法 | 延長期限 |
|---|---|
| クレジットカード | 45日 |
| 銀行振込 | 90日 |
| コンビニ決済 | 30日 |
4. AIチャットボット（3段階分類）
顧客からの問い合わせを自動分類:
FAQテンプレートマッチ → AI回答生成 → エスカレーション判定
↓ ↓ ↓
即自動返信 AI生成返信 手動対応へ
使用LLM: Gemini → OpenAI → DeepSeek（フォールバック付き）
5. 倉庫Webhook連携
Forward2me（転送倉庫）の荷物受領イベントをWebhookで受信:
- HMAC-SHA256署名検証 でなりすまし防止
- 受領写真の自動ダウンロード・管理
- Slack通知で即座にステータス反映
テスト戦略
テスト駆動開発(TDD)で品質を担保:
76 tests passed, 0 failed
- auth（10件）・pricing_rules（9件）・run_context（13件）
- product（21件）・config_loader（9件）・notification_service（14件）
技術選定の理由
| 技術 | 理由 |
|---|---|
| Flask | 軽量・学習コスト低。AI生成コードと相性良い |
| SQLAlchemy ORM | SQLインジェクション対策。raw SQLを減らす |
| Playwright | Seleniumより安定。ヘッドレス実行が速い |
| SQLite → PostgreSQL | 開発はSQLite、本番はPostgreSQLに切替可能 |
| rembg | AI背景除去がGPU不要で動く |
苦労した点
スクレイピングの安定性
サイトごとにDOM構造が違う。Cloudflareにブロックされる。→ Playwright + プロキシ + キャッシュで安定化。
LLMコストの管理
月間15億トークン消費。→ GLM-5.1（メイン）+ MiniMax（フォールバック）の2層で最適化。
18日ルールの複雑さ
決済方法・発送状況・キャンセル有無で期限が変わる。→ ステートマシンで一元管理。
成果
予約〜決済フロー
- 出品作業時間: 手動2時間 → 自動15分
- 価格監視: 手動確認 → 自動スクレイピング（1日3回）
- 顧客対応: 全手動 → 70%自動返信
- 月間作業時間: 約50%削減
コード
関連記事
- Selenium → Playwright移行でスクレイピングを安定化 — 価格監視スクレイピングの改善手法
- LINE Bot × Stripe × Cloudflareで予約システム構築 — 物販管理の延長線にある予約管理
- 公務員が20リポジトリで生き残る戦略 — 個人開発全体のポートフォリオ戦略
この記事はClaude Code（GLM-5.1）と一緒に書きました。
本記事は個人Zennでも公開しています。