AIエージェント🤖 AI主導開発中
競馬予測AIチーム
完全ローカル・完全無料。OllamaマルチエージェントによるLightGBM競馬予測。収集/開発/分析の3チームが自動連携
PythonOllamaLightGBMCrewAIStreamlitPostgreSQL
// VIBE CODING RATIO
💪 自力実装 5%🤖 AI担当 95%
■ 設計・判断・レビュー■ AI実装
「OpenAI API不使用・完全ローカルLLMだけでマルチエージェントを動かしたい」というテーマをAIに持ち込み、3チーム分担構成・モデル設計・運用フローをAIと壁打ちしながら固めていった。動作確認と精度評価は自分が行っている。
// BACKGROUND — なぜ作ったか
「OpenAI APIに一切お金をかけずに、ローカルLLMだけでマルチエージェントシステムを動かせるか」という技術的な問いから始まった。競馬予測を実用的なユースケースとして選び、実際に動くシステムを作りながらローカルLLM開発基盤を構築することを目指した。
// WHAT I DID — 何をやったか
収集/開発/分析の3チーム構成のマルチエージェント競馬予測システムを構築した。
収集チーム：レース結果・出走馬データを自動でDBに格納。開発チーム：LightGBMでモデル学習・バックテスト・PDCA（モデルA〜D）。分析チーム：当日レース予測・Streamlitダッシュボードで4カラム表示・予測実績タブ。
夜間バッチ（21:10〜タスクスケジューラー自動起動）→月次再学習（毎月1日02:00自動）で完全自動運用。学習済みモデルはROI 110%・WF 185%（モデルA）を達成。
// MY DECISIONS — 自分が設計・判断した部分
「OpenAI API不使用でローカルLLMだけでマルチエージェントを動かす」というコンセプトを持ち込み、3チーム構成・モデル採用基準（WFバックテスト通過必須）・運用フローはAIと壁打ちしながら一緒に固めた。動作確認と精度評価は自分が行っている。
// TECH DETAIL — 技術的な工夫
- **LightGBM**：単勝予測モデルをA/B/C/Dの4モデルで構築。アンサンブル推論で精度向上
- **CrewAI Flows**：LITEモード（逐次実行）とFULLモード（MAO並列）を切り替え可能
- **Ollama（qwen2.5-coder:7b）**：OpenAI API不使用・ローカルLLMのみで全エージェントを駆動
- **Streamlit**：当日予測・過去実績・モデル別比較・回収率トレンド・劣化検知ダッシュボード
- **タスクスケジューラー**：夜間バッチ（21:10）・月次再学習（毎月1日02:00）を自動実行
// SCREENSHOTS
// RELEASE NOTES
v4.02026-05
モデルD（斤量特徴量追加）・予測実績タブ・劣化検知実装
v3.02026-03
マルチモデルアンサンブル（A/B/C/D）・月次再学習バッチ自動化
v2.02025-12
CrewAI Flows導入・3チーム分業構造・Streamlitダッシュボード
v1.02024-10
Ollama単体エージェント・基本予測パイプライン
開発開始: 2024-10最終更新: 2026-05