
アーキテクトはどこまでAIと組めるのか: GraphDBデータインポート完了
前回の記事こちら。
Miroで作成したBackcasting Mapを、GraphDBに落とし込むまでのプロセスについてまとめます。
作業の流れはざっくりこんな感じでした。
Miroにリファクタリングの成功条件から失敗要因までの因果関係を描き (= Backcasting Map)
それを文字化してMarkdownファイルとして記述
MarkdownからGraphDBに取り込める形式に変換するため、スクリプトで整形
最終的にGraphDBにインポート!
という工程なのですが、これがなかなか一筋縄ではいかず。
今回は自戒を込めて、この過程でハマったポイントや試行錯誤した内容を共有しておこうと思います。
Miroのエクスポートの誤算
Miroで作ったBackcasting Map。
ボードのバックアップをできるなら、中身を展開してパースしたらインポートの元データになるのでない?と甘く考えてました。
ボードのバックアップは、ボードをMiroで再現可能な形式でエクスポートする方法です。
エクスポートファイルの拡張子は .rtb ですが、実は中身はZIPです。
「解凍すればテキストが手に入るでしょ」と思ってたんです。試すまでは。
実際に開いてみると文字化けの嵐。
中の文字はエンコードが崩れていてまともに読めません。
泣く泣くZIPからの取得は断念。
次に試したのがCSVエクスポートですが。これも一部で文字化け。完全なソースにはなりませんでした。
結局全データを手作業でMarkdown化する方針に切り替えました。
拾える文字列はCSVから広い、不足分はMiroの画面を見ながら補完。
今期と確認作業の繰り返しです。
最大の敵は自分 = ヒューマンエラー
ここでやっと思い出しました。
自分は決まった手順をミスなく繰り返す能力にかけているのです。
付箋を一つずつMarkdownファイル化したが、付箋に対してMarkdownファイルが足りない
YAML, Markdownの記述ミス
Markdownごとのリンクミス
中だるみ --> 精度低下 --> 二度手間
とにかくヒューマンエラーとの戦いでした。
それでも良かったこと
もちろん大変でしたが、やってよかったと思う点もあります。
いろいろツールを試せたこと (Python, Obsidian連携など)
トラブルシューティングの構造を考える機会になった
スクリプトの責務分離を考えた
そもそもこの構造でAIに渡すには?という問いがたった
完全に思いつきで始めたプロジェクトでしたが、だからこそ遠慮なくいろいろ試せました。
こういう手を動かしながら考える試行錯誤そのものが、実は一番楽しい時間だったりします。
こういうプライベートでの失敗談の積み重ねが、実際の会社のプロジェクトでも意外と効いてきますよね。
できあがったGraphDB
まずはGraphのビューから。

これが見えると一気に楽しくなりますね。
使ったCypherクエリはこちら。
MATCH path = (sc:SuccessCriteria {id: "sc-004"})-[:THREATENED_BY|TRIGGERED_BY|LEADS_FROM*1..]->(n)
RETURN pathこの結果として表示されたグラフは、最終的に生成AIに渡す考え方そのものです。
これは「考え方」
どういうことかというと、これは
アーキテクチャレビューよろしく、考え方はこれ。
という、「思考のスケルトン」を渡すための素材なんですね。
そしてこの構造 + 説明文をAIに渡す、というのがこのツールの狙いでした。
手動RAG終わった
でも、ここで思ったんです。
これはもう、運用を考えたら手動RAGじゃだめだな。
以前に作ったスキルアセスメントツールは、プロンプトテンプレートを作成してしまえば、あとはチャットのウインドウにコピペできました。
テンプレートは静的なものだったからです。
今回のアーキテクチャレビューツールはインプットが動的に変わるのです。
つまり、「ツールを正しく使う」の前提知識の要求レベルが一気に上がるんですね。
なんとなく厳しいかもなとは思っていましたが、実際にGraphDBから出力されたデータと、それに対する文章をAIに渡した瞬間に諦めがつきました。
これはもうさっさとRAGに取り掛かろうじゃないか。