Claudeが14本のプラグイン結果を統合してDiscordに届けるまで【投資分析システム設計記 #3】

Last updated at 2026-05-03Posted at 2026-04-21

第1回ではプラグインアーキテクチャ、第2回ではデータ層とパイプラインについて書いた。

第1回の時点では9本だったプラグインも、第2回で触れた通り14本に増えた。プラグインが増えるほど、矛盾する判定が増え、統合分析の価値が上がる。

最終回は、14本のプラグイン出力が Claude の手で統合レポートになり、Discord 経由でスマホに届くまでの仕組み。このシリーズで一番面白い部分だと思う。

実際に毎日16時に届く Discord 通知がこれ。

各プラグインの判定一覧に加えて、目標株価（計算値 + AI予測値）、矛盾の読み解き、推奨アクションまでが1つのレポートにまとまる

全体の流れ

14本のプラグイン実行
    ↓
各プラグインが PluginResult（signal / score / confidence / summary）を返す
    ↓
screener.py が consensus（BUY/SELL の数）と composite_score（加重平均）を計算
    ↓
上位銘柄の JSON を Claude Code CLI に渡す
    ↓
Claude が矛盾検出・推奨強度判定・レポート生成
    ↓
Discord Webhook で通知（毎日16時にスマホに届く）

Python が出すところまで：consensus と composite_score

Claude に渡す前に、Python 側で2つの指標を計算する。

consensus（合意）

@property
def consensus(self) -> dict:
    buy_count = sum(1 for r in self.results if r.signal in {"STRONG_BUY", "BUY"})
    sell_count = sum(1 for r in self.results if r.signal in {"STRONG_SELL", "SELL"})
    neutral_count = len(self.results) - buy_count - sell_count
    avg_score = sum(r.score for r in self.results) / len(self.results)
    return {
        "buy_count": buy_count,
        "neutral_count": neutral_count,
        "sell_count": sell_count,
        "avg_score": round(avg_score, 3),
    }

14本中何本が BUY を出して何本が SELL を出したか。シンプルだが、これが一番わかりやすい指標。

composite_score（加重平均スコア）

_SIGNAL_SCORE = {
    "STRONG_BUY": 1.0,
    "BUY": 0.75,
    "NEUTRAL": 0.5,
    "SELL": 0.25,
    "STRONG_SELL": 0.0,
}

@property
def composite_score(self) -> float:
    total = sum(
        _SIGNAL_SCORE.get(r.signal, 0.5) * r.confidence
        for r in self.results
    )
    return round(total / len(self.results), 4)

signal を数値化（STRONG_BUY=1.0 〜 STRONG_SELL=0.0）して confidence で重み付け。confidence が低いプラグイン（データ欠損など）の影響を自動的に抑える。

SELL フィルタ

composite_score でランキングする前に、SELL が過半数の銘柄は除外する。

# sell_count < len(results) // 2 + 1 の銘柄のみ通過

スコアが高くても半数以上のプラグインが SELL を出している銘柄は怪しい。一部のファクターだけ突出して高い「罠銘柄」を排除するためのフィルタ。

Claude に渡すもの：スリム化した JSON

スクリーニング上位の銘柄データを Claude に渡す。ただし、全フィールドを渡すとトークン消費が膨大になる。

_PLUGIN_FIELDS = {"plugin", "category", "signal", "score", "confidence", "summary", "target_price"}

# details フィールドを除いた軽量版を生成
slim_json = json.dumps(_slim(raw), ensure_ascii=False, indent=2)

各プラグインの details（手法固有の詳細データ：個別の財務指標やテクニカル値など）はカットして、判定結果（signal / score / confidence / summary）だけを渡す。1銘柄あたり約30行のコンパクトな JSON になる。

Claude に渡すのは「結論」であって「計算過程」ではない。この割り切りがトークン効率の鍵。

Claude Code CLI で統合分析

ここが RakuScan の一番ユニークな部分。Anthropic API（SDK）は使わず、Claude Code CLI を直接呼んでいる。

# src/notify/claude_analyzer.py

def analyze(screener_json: str) -> str:
    cmd = ["claude", "-p", skill_content, "--output-format", "text"]
    proc = subprocess.run(
        cmd,
        input=screener_json,
        capture_output=True,
        text=True,
        timeout=180,
    )
    return proc.stdout.strip()

claude -p でプロンプトを渡し、stdin で JSON を流し込む。出力は Markdown のテキスト。API キーの管理が不要で、Claude Code のサブスクリプションで動くのがメリット。

なぜ API ではなく CLI か

API キー管理が不要。個人開発のスクリプトにAPIキーを埋め込みたくなかった
Claude Code のスキル機能が使える。プロンプトを .claude/skills/ に Markdown ファイルとして管理できる
モデル選択が自動。Claude Code が最適なモデルを選んでくれる

デメリットはレスポンス速度（CLI起動のオーバーヘッド）と、Claude Code がインストールされた環境でしか動かないこと。個人開発の自分用ツールなので許容範囲。

プロンプト設計：矛盾検出がキモ

Claude に渡すプロンプト（スキルファイル）には、単なる「分析してください」ではなく、具体的な矛盾パターンと判断ルールを埋め込んでいる。

レジームチェック（最優先）

市場全体が下落トレンド（DEFENSIVE レジーム）のときは、どの銘柄も新規推奨しない。これは Claude に判断を任せるのではなく、プロンプト内で明示的にルール化している。

矛盾検出パターン

14本のプラグインが全部 BUY を出すことはまれで、むしろ矛盾する判定が出るのが普通。この矛盾をどう読み解くかが分析の価値。

プロンプトには5つの矛盾パターンを定義している。

パターン	解釈
モメンタムBUY × 財務SELL	勢いはあるが財務に不安。仕手株の可能性。見送り推奨
バリューBUY × モメンタムSELL	割安だが市場に無視されている。バリュートラップの可能性
ファクター系BUY × ファンダ系BUY	両方強い。信頼度が高い
テクニカルBUY × リスクSELL	トレンドは良いが損切り条件に近い。タイミング注意
全プラグインNEUTRAL	明確なシグナルなし。様子見推奨

これを Claude にテンプレートとして渡すことで、「なんとなくそれっぽい分析」ではなく「定型パターンに基づく構造化された分析」を出力させている。

推奨強度の4段階判定

buy_count と avg_score の組み合わせで、推奨の強さを4段階に分ける。

強い推奨: buy_count が多く avg_score が高い
推奨: buy_count が過半数
弱い推奨: buy_count はあるが avg_score が低い
見送り: buy_count が少ない、または矛盾が多い

Claude にはこの4段階を使ってレポートを書くよう指示している。

さらに、目標株価も2種類算出させている。プラグインの数値から機械的に計算した「計算値」と、Claude がセクター特性やリスクを織り込んで調整した「AI予測値」。先ほどのスクリーンショットでは、計算値4,503円（+78.8%）に対してAI予測値が3,800円（+51%）と出ている。資源株のボラティリティを考慮して下方修正した、という根拠も添えられている。

Discord への通知

Webhook（一方通行の自動通知）

日次スクリーニングの結果は Discord Webhook で送信する。

# src/notify/discord.py

def send_claude_analysis(analysis: str, total_screened: int, as_of: str = "") -> None:
    payload = {
        "embeds": [{
            "title": "🤖 Claude 統合分析レポート",
            "description": analysis,  # Markdown テキスト（最大4000文字）
            "color": 0x2ECC71,        # 緑
            "footer": {
                "text": f"RakuScan • {as_of} • {total_screened}銘柄スクリーニング済"
            },
        }]
    }
    requests.post(webhook_url, json=payload)

Claude の分析が取得できなかった場合（タイムアウト等）は、従来形式のスクリーニング結果をフォールバック通知する。Claude が落ちてもパイプライン自体は止まらない。

シグナルの視覚化

Discord Embed のカラーコードとシグナル絵文字で、パッと見で判断できるようにしている。

_SIGNAL_EMOJI = {
    "STRONG_BUY": "🟢🟢",
    "BUY": "🟢",
    "NEUTRAL": "⚪",
    "SELL": "🔴",
    "STRONG_SELL": "🔴🔴",
}

_COLOR_BUY = 0x2ECC71       # 緑
_COLOR_SELL = 0xE74C3C      # 赤
_COLOR_DEFENSIVE = 0xF39C12 # オレンジ（守りレジーム）

スマホの通知を開いた瞬間に「今日は買い推奨が出てるな」「守りモードだな」がわかる。

双方向 Discord Bot

Webhook は一方通行。気になる銘柄をその場で深掘りしたいときのために、双方向の Discord Bot も動かしている。

コマンド体系

実際に !analyze 2760（東京エレクトロンデバイス）を実行した画面がこちら。

14本のプラグインが一斉に走り、シグナル（🟢🟢/🟢/⚪/🔴）・スコア・サマリーが一覧で返ってくる。レジーム・合意・composite_score まで一目でわかる

即レス系（Claude呼び出しなし）:

コマンド	機能
`!scan`	スクリーニング実行
`!analyze 7203`	指定銘柄を全プラグインで分析
`!portfolio`	ポートフォリオ表示
`!performance`	週次パフォーマンス
`!regime`	市場環境判定

Claude経由系（レート制限あり）:

コマンド	機能
`!research 半導体セクターの見通し`	Claude にリサーチ質問
`!why 7203`	判断根拠の説明
`!compare 7203 6758`	2銘柄の比較分析

レート制限

Claude を呼ぶコマンドにはレート制限をかけている。

class RateLimiter:
    def __init__(self, per_hour: int = 10, per_day: int = 30, cooldown_seconds: int = 30):
        self._per_hour = per_hour
        self._per_day = per_day
        self._cooldown = cooldown_seconds

1時間あたり10回、1日あたり30回、コマンド間隔30秒。Claude Code CLI の呼び出しコスト（時間・トークン）を考慮した設定。

Claude の非同期呼び出し

Discord Bot は discord.py の非同期フレームワークで動いているので、Claude Code CLI の呼び出しも非同期で行う。

async def _call_claude(prompt: str, stdin_data: str = "") -> str | None:
    cmd = ["claude", "-p", prompt, "--output-format", "text"]
    proc = await asyncio.create_subprocess_exec(
        *cmd,
        stdin=asyncio.subprocess.PIPE,
        stdout=asyncio.subprocess.PIPE,
        stderr=asyncio.subprocess.PIPE,
    )
    stdout, stderr = await asyncio.wait_for(
        proc.communicate(stdin_data.encode()),
        timeout=180,
    )
    return stdout.decode().strip()

タイムアウトは180秒。Claude が考え込んでも Bot が固まらない。

セキュリティ

Bot にはチャンネル制限とユーザー制限をかけている。

class RakuScanBot(discord.Client):
    def __init__(self, bot_config: dict):
        self._allowed_channels: set[int] = {int(c) for c in bot_config.get("allowed_channels", [])}
        self._allowed_users: set[int] = {int(u) for u in bot_config.get("allowed_users", [])}

指定チャンネル・指定ユーザー以外からのコマンドは無視する。投資判断に関わるシステムなので、第三者がコマンドを打てない状態にしている。

運用の全体像

平日の運用フローをまとめるとこう。

16:00  cron → daily_run.py 起動
16:01  ユニバース取得 + データプリフェッチ（キャッシュ活用で10秒以内）
16:02  14本のプラグインが200銘柄を分析（キャッシュヒットで高速）
16:03  上位銘柄の JSON → Claude Code CLI → 統合レポート生成
16:05  Discord Webhook でスマホに通知

随時  気になったら Discord Bot に !analyze 7203 を打つ
      → 全プラグイン実行 → 結果を Embed で返答

土曜  weekly_run.py → 事後検証 + パフォーマンスレポート
月初  monthly_run.py → ユニバース再構築

スマホの通知を見て、気になる銘柄があれば Bot で深掘りする。この「自動通知 + 対話的な深掘り」の組み合わせが、使っていて一番便利なポイント。

シリーズまとめ

3回にわたって RakuScan の設計を書いてきた。

回	テーマ	キーワード
第1回	プラグインアーキテクチャ	PluginResult / YAML動的ロード / 1ファイル=1手法
第2回	データ層とパイプライン	3つの無料API / ABC抽象化 / 2層キャッシュ / 月次・週次・日次
第3回（本記事）	Claude統合とDiscord	Claude Code CLI / 矛盾検出プロンプト / Webhook + Bot

設計思想をひとことでまとめると「Python で定量、Claude で統合、Discord で通知」。

確定的に計算できるものは Python で回し、複数の矛盾する判定を統合して人間に伝える部分だけを Claude に任せる。この役割分担がうまくハマると、LLM のコストを抑えつつ、再現性のある分析が回せる。

個人開発でも、API の無料枠とキャッシュ戦略を工夫すれば、200銘柄の日次スクリーニングシステムは十分に運用できる。

このシリーズの内容をさらに深掘りした有料本を公開中。各プラグインの戦略設計の詳細、設計判断の裏側にある思想、失敗と修正の過程、実コードの解説など、連載では書ききれなかった内容を15章・約5万文字にまとめた。
https://zenn.dev/sktt_panda/books/rakuscan-design-philosophy

この記事は Zenn にも同じ内容を投稿しています。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up