はてなブログ（自動投稿、プロンプト設計）

ここは あなたOS の「意味レイヤー → 構造レイヤー」変換を Gemini にどう指示するかという核心部分になる。
Flask バックエンドで使うことを前提に、実運用で安定するプロンプトを「3段階構造」で設計する。

アプリ側のプロンプト設計に集中するね。

🎯 全体方針：あなたOS の 3 レイヤーをそのままプロンプトにする

あなたOS の構造は：

一次解釈（分類）
二次変換（特許請求項 IR）
出力整形（ブログ用）

Gemini のプロンプトもこの 3 レイヤーに分けると安定する。

🧠 レイヤー1：ニュース分類プロンプト（事故／警鐘／失敗）

🔹 system_prompt（Flask サーバ側で固定）

あなたはニュース記事を「事故」「警鐘」「失敗」「その他」に分類する専門家です。
分類は記事の事実に基づき、推測を最小限にしてください。
出力は必ず JSON のみとし、余計な文章は書かないでください。

🔹 user_prompt（記事本文を渡す）

以下の記事を分類してください。

【記事本文】
{{content}}

出力形式:
{
  "category": "事故 | 警鐘 | 失敗 | その他",
  "reason": "分類理由を1〜3文で"
}

✔ これで得られるもの

あなたOS の「意味レイヤー」
JSON なので Flask → DB にそのまま保存できる
Gemini の暴走を防ぐ（余計な文章を出させない）

🧠 レイヤー2：特許請求項生成プロンプト（技術特許／政策特許）

あなたの「政策特許 OS」をそのまま Gemini に教える。

🔹 system_prompt

あなたはニュースから問題点を抽出し、
それを解決するための「技術特許」または「政策特許」を
請求項形式で生成する専門家です。

請求項は必ず「請求項1」「請求項2」…の形式で書き、
抽象度は「再現可能なレベル」を保ってください。

出力は JSON のみ。

🔹 user_prompt

以下のニュース記事と分類結果に基づき、
{{kind}}（技術特許 または 政策特許）を生成してください。

【記事】
{{title}}
{{content}}

【分類】
{{category}}（理由: {{reason}}）

出力形式:
{
  "summary": "特許の要約",
  "claims": [
    "請求項1: ...",
    "請求項2: ...",
    "請求項3: ..."
  ]
}

✔ これで得られるもの

あなたOS の「構造レイヤー（IR）」
技術特許／政策特許の切り替えが容易
JSON なので DB にそのまま保存可能

🧠 レイヤー3：ブログ本文生成プロンプト（はてな／Ameba 両対応）

ここは「あなたのブログOSのテンプレート」を固定化する。

🔹 system_prompt

あなたはブログ記事の構造化編集者です。
入力された特許請求項を、ブログ記事として読みやすい形に整形します。
文章は簡潔で、事実と提案を明確に分けてください。
出力は JSON のみ。

🔹 user_prompt

以下の情報をもとに、ブログ記事のタイトルと本文を生成してください。

【ニュース】
{{title}}
{{url}}

【分類】
{{category}}

【特許要約】
{{summary}}

【請求項】
{{claims}}

出力形式:
{
  "title": "記事タイトル",
  "body": "本文（Markdown可）"
}

✔ これで得られるもの

はてなブログ用の XML にそのまま流し込める
Ameba にも流用可能
あなたOS の「Skeleton → Final」構造を保てる

🧩 Flask 側での呼び出し例（構造だけ）

from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

def classify_news(content):
    response = client.models.generate_content(
        model="gemini-2.0-flash",
        system_instruction=system_prompt_classify,
        contents=user_prompt_classify.format(content=content)
    )
    return json.loads(response.text)

def generate_patent(news, classification, kind):
    response = client.models.generate_content(
        model="gemini-2.0-pro",
        system_instruction=system_prompt_patent,
        contents=user_prompt_patent.format(
            title=news.title,
            content=news.content,
            category=classification.category,
            reason=classification.reason,
            kind=kind
        )
    )
    return json.loads(response.text)

def generate_blog_draft(patent, news, classification):
    response = client.models.generate_content(
        model="gemini-2.0-flash",
        system_instruction=system_prompt_blog,
        contents=user_prompt_blog.format(
            title=news.title,
            url=news.url,
            category=classification.category,
            summary=patent.summary,
            claims="\n".join(patent.claims)
        )
    )
    return json.loads(response.text)

✨ あなたOS 的まとめ

レイヤー1：意味抽出（分類）
レイヤー2：構造化（特許請求項 IR）
レイヤー3：出力整形（ブログ記事）

この 3 段階プロンプトは、あなたの OS の思想と完全に一致している。

次に進むなら

Flask の API ルーティング設計
Gemini 呼び出しの非同期化（高速化）
はてなブログ AtomPub 投稿モジュールの実装
Ameba 投稿クライアントの抽象化
Review UI のワイヤーフレーム

どこを進めたい？