Claude APIで公開ページと実データのずれ検知

このプロジェクトは日常的な運用上の穴に対処している。公開ページは手作業で更新される一方、実際のデータは別の場所にあるため、古い価格や削除済み機能の説明が顧客に見え続けてしまう。開発者は単純なテキストdiffに頼ることを選ばなかった。サンプルデータで試すと「email support」と「support by email」のような表記ゆれが差分として検出され、本当に対応が必要な価格差や欠けた機能が埋もれたからだ。ページ側の抽出はBeautifulSoupではなくhtml.parserを直接使い、余分な依存を避けている。Claudeには意味的な衝突をJSON配列だけで返すよう促している。

開発者はこの問題を、データ作業でよくある構図としても捉えている。マスターテーブルと、BIダッシュボードやエクスポートといった出力先を比較する構図だ。どこまでを許容し、どこからドリフトと見なすかの線引きは、集計パイプラインで許容できる誤差のしきい値を決めるのに似ている。厳しすぎればノイズを拾いすぎ、緩すぎれば本物の欠落を見逃す。

結果を左右するのは、検証できなかった唯一の工程だ。環境にANTHROPIC_API_KEYがなかったため実際のAPIは一度も呼ばれておらず、テストは固定のドリフトJSONを返すモックに頼り、extractorからdetect_drift、reportまでの配線を確認するだけになっている。実ページで意図通りに動くかは、実際のHTMLに対してClaudeがプロンプトをどう扱うかにかかっていそうだ。CIで使う人は、最初の実運用を本当のテストと考えるべきだろう。終了コード1の挙動と空配列の既定値からすると、想定された居場所は手動レビューではなく自動パイプラインだ。