AkiNavi HR-AI
「案件の空き」と「人材リソース」をAIで自動マッチングするシステム。
ログイン不要・ニックネーム制・即日利用可能。
できること
| 機能 | 説明 |
|---|
| マッチング | 案件と人材の相性スコアを算出。スコアは SQL 側のルール計算で完結（fetch_candidates_for_project RPC・スキル40/経験15/単価15/勤務地20/リモート10）。手動 (match-score) / バッチ (match-batch) / 自動 cron (auto-match) の 3 経路。上位のみ外部 AI で再採点する経路も実装されているが現在は使っていない（→ 下記「マッチングのスコアリング」） |
| 人材登録 | テキスト貼り付け・Excel・Word をアップロードするだけで自動解析・登録（PDF / 画像は現状未対応）。HTML テーブル形式メール / [氏名] ラベル / [氏名]男性：51 歳 等の混入パターンに対応 |
| 案件登録 | 同上。メール本文や要件定義書をそのまま貼り付け OK。【場所】【単価】【時期】【備考】等のブラケット形式・単金(税抜) 括弧付きラベル・■PR セクション・希望ラベルに対応 |
| メール自動取り込み | 専用 Outlook アドレスを 5 分ごとにポーリング → 取得 → DB 保存（AI 不使用・ルールベース）。営業/広告メール（メール配信解除・研修販売等）は自動スキップ |
| 人材マップ | 「人材」タブ内のサブ画面で日本地図上の都道府県別ヒートマップ表示。スキルフィルター（RPC 経由）・直近 7 日 / 全期間切替・都道府県クリックで受信メール一覧・都道府県クリックで地図ズームアニメーション |
| 改善案・バグメモ → GitHub Issue | 設定タブで自然文を貼り付けると、create-github-issue Edge Function 経由で GitHub Issue として自動登録。一覧表示・クローズ（PATCH）も同 UI から可能 |
| スコアウェイトのカスタムチューニング | match-batch / fetch_candidates_for_project の 5 観点（スキル / 経験 / 単価 / 勤務地 / リモート）のウェイトを実行時に変更可能（既定: 40/15/15/20/10 = 100pt） |
| スキル別経験年数の活用 | Excel スキルシートから skillYears を抽出し、必須スキルの実年数をスコアリングに反映（総経験年数より優先） |
| 人材ウォッチ通知 | 「通知」タブで条件（名前 / スキル / 最寄駅）を登録すると、合致する人材の登録時にメールで通知（notify-candidates cron・5分）。種類違いは AND、スキル欄の中だけ OR。スキルは語として照合（Java は JavaScript に一致しない） |
| AI による項目補正（社内PC） | Claude Code を使う常駐ワーカーが、新規人材の氏名・年数・スキル年数を読み直し、新規案件の抜けを埋め、提案ごとの所見を書く。マッチングの点数計算とは別系統 |
| 同一人材の検出 | 別の紹介会社から来た同じ人を検出して人材詳細に並べる（統合はしない。会社ごとに提示単価が違うため比較できるようにする） |
| 表示優先スキル | 一覧をどのスキルの人から読むかを設定できる。既定は全体設定、絞り込みから端末ごとに上書きでき、ブラウザに記憶される |
| デモ環境 | 本番データとは独立したデモ用データ環境（?demo=KEY でトグル + 設定タブの「デモモード」スイッチ）。本番→デモコピー・スコア別 5 人生成。デモ案件のリモートポリシーを考慮したスコア設計 |
システム構成図
flowchart TD
A[営業担当者<br/>ブラウザ] -->|テキスト・ファイル入力| B[React フロントエンド<br/>Vercel]
B -->|登録/再解析<br/>force=true| H[Edge Function<br/>inbound-email<br/>※ AI 不使用]
H -->|upsert| D[(Supabase<br/>PostgreSQL)]
B -->|upsert / fetch| D
B -->|手動マッチ要求| MS[Edge Function<br/>match-score<br/>単発スコア + duplicate判定]
B -->|高速/全件マッチ| MB[Edge Function<br/>match-batch<br/>ウェイト調整 + バッチ AI 採点]
B -->|SQL側で<br/>ルールスコア算出 + 上位500件取得| RPC[(RPC<br/>fetch_candidates_for_project<br/>p_weight_skill/exp/rate/location/remote)]
RPC --> D
MS -.->|AI再採点は現在未使用<br/>キー未設定なら ruleScore| AI[外部AIプロバイダ<br/>※未稼働]
MB -.->|AI再採点は現在未使用<br/>キー未設定なら ruleScore| AI
MS -->|upsert submissions| D
MB -->|upsert submissions<br/>ai_raw.ruleScore も保存| D
E[Outlook<br/>専用アカウント×4] -->|未読メール監視| F[pg_cron<br/>5分ごと起動]
F -->|HTTP POST| G[Edge Function<br/>poll-email]
G -->|OAuthトークン取得| M[Microsoft Graph API]
M -->|未読メール最大50件/アカウント| G
G -.->|メール種別分類<br/>Gemini バッチ| CLS[Gemini Flash Lite]
G -->|内部 POST| H
H -->|Drive/Sheets URL検出→fetch| I[Google Drive<br/>共有リンク]
H -->|デプロイ物に同梱した<br/>station_data.json を参照<br/>8,443駅名・実行時DB往復ゼロ| SM[station_data.json<br/>駅名+路線 → 都道府県]
H -->|skill_master DB照合<br/>+ regex + 文章スキャン<br/>+ HTML エンティティデコード| H
CR[pg_cron<br/>毎朝 JST 9:00] -->|HTTP POST| AM[Edge Function<br/>auto-match]
AM -->|match-batch を内部呼び出し| MB
AM -->|insert submissions| D
CR2[pg_cron<br/>毎日 JST 0:00] -->|HTTP POST| AR[Edge Function<br/>archive-candidates]
AR -->|7日以上経過した prod 人材を<br/>サマリー化してから削除| D
AR -->|prefecture/skills/name/subject 保存| AL[(candidates_archive_light<br/>軽量サマリーテーブル)]
B -->|人材マップ表示<br/>※「人材」タブ内サブ画面| HP[HeatmapPage<br/>d3-geo + japan.topojson<br/>都道府県ズームアニメ]
HP -->|prefecture_counts RPC<br/>candidates_by_prefecture RPC| D
HP -->|全期間モード時に合算| AL
B -->|改善案・バグメモ| GHI[Edge Function<br/>create-github-issue]
GHI -->|POST/GET/PATCH| GH[GitHub Issues API]
技術スタック
| レイヤー | 技術 |
|---|
| フロントエンド | React 19, Vite 8, TypeScript, Tailwind CSS v4, TanStack Query v5 |
| DB / バックエンド | Supabase（PostgreSQL, Edge Functions, pg_cron, pg_net） |
| AI（ブラウザ） | 未使用（Phase 4.11 で「AI で登録」廃止。VITE_GEMINI_* は設定不要） |
| マッチングのスコア | match-batch / match-score / auto-match。SQL 側のルール計算（スキル40/経験15/単価15/勤務地20/リモート10 = 100pt）。上位のみ外部 AI で再採点する経路も実装されているが現在は未使用（→「マッチングのスコアリング」） |
| メール種別分類 | poll-email の同一受信箱判別（任意・既定は無効） |
| メール解析 | AI 不使用。regex（extractCandidateFieldsRegex + flexLabel） + 文章スキャン（extractFromProse） + skill_master 照合 + station_master 照合（8,443 駅名。デプロイ物に同梱した station_data.json を読むので実行時の DB 往復はゼロ）。HTML テーブル形式メール・複数人材分割・送信者署名除去・営業/広告メールフィルタにも対応 |
| AI（社内PC・人材/案件の読み取り） | Claude Code（claude -p）。社内PCで常駐する scripts/llm_extract/shadow_worker.mjs が5分ごとに、新規人材の項目補正・新規案件の項目補完・マッチング提案の所見生成・Box 経歴書の取込を行う。マッチングの点数計算とは別物（点数はルール計算）。現在このシステムで実際に使っている唯一の AI。セットアップは docs/HandsOn_Setup.md 第1章・第8章 |
| ファイル解析 | xlsx（Excel）・mammoth（Word）。PDF と画像はテキスト解析対象外。Excel から skillYears（スキル別経験月数）を抽出してマッチングに活用 |
| 人材マップ | d3-geo（Mercator 投影） + topojson-client + public/japan.topojson（416KB・47 都道府県）。prefecture_counts / candidates_by_prefecture RPC で SQL 集計（スキルフィルタも RPC 側）。都道府県クリックでズームアニメーション |
| メール自動受信 | Microsoft Graph API + Supabase pg_cron（完全無料・Make.com 不要） |
| データアーカイブ | archive-candidates Edge Function（毎日 JST 0:00 cron）。7 日経過した prod 人材を candidates_archive_light にサマリー化してから DB 削除（人材マップ全期間集計用・Storage 書き込みは廃止） |
| Issue 連携 | create-github-issue Edge Function（POST 作成 / GET 一覧 / PATCH クローズ）。設定タブの「改善案・バグメモ」から自然文を貼り付けて GitHub Issues に登録 |
| Edge Function デプロイ事前検査 |
マッチングのスコアリング
スコアは外部 AI を使わず、SQL 側のルール計算で出している。
| 観点 | 既定ウェイト |
|---|
| スキル一致 | 40 |
| 勤務地 | 20 |
| 経験年数 | 15 |
| 単価 | 15 |
| リモート可否 | 10 |
match-batch には「ルールで上位に来た候補だけ外部 AI に再採点させる」経路（Cerebras → Groq → Gemini の 3 段）が実装されているが、現在は稼働していない。
API キーが未設定なら 3 段とも失敗し、ai?.score ?? c.ruleScore で全件がルールスコアのまま返る。実測（ai_logs・直近 30 日）:
This is the beginning of the README. Read the rest at the original. Read the full README ↗
