OpenClaw健康追踪代理与Telegram的架构

あるRedditユーザーが、Telegramを介して健康目標（糖尿病予備群、食事、運動、睡眠）を追跡するOpenClawエージェントを計画しています。このエージェントは、毎日のプロンプト、写真分析、フィードバック、トレンドレポートを処理します。以下は、元の投稿と類似ワークフローの実践知識に基づく技術的な内訳です。

推奨アーキテクチャ

基本パターン：Telegram Bot → OpenClaw Agent（LLMバックエンド付き）→ データベース → レポート作成cronジョブ。

• Telegram Bot：python-telegram-botまたはnode-telegram-bot-apiを使用して、メッセージの受信とプロアクティブなリマインダーの送信を行います。リマインダーのスケジュールは、バックグラウンドcron（例：APSchedulerやCronJob）で設定します。
• OpenClaw Agent：エージェントはLLM（コスト面でGPT-4oまたはGemini 2.0 Flash）をラップし、次のシステムプロンプトを持ちます：
  • 食事写真：料理名、分量の推定、地中海食の準拠度を抽出。
  • 運動/睡眠のスクリーンショット：構造化データ（歩数、睡眠時間など）を解析。
  • 更新ごとに3～4文のフィードバックを返す。
• ストレージ：シンプルさを重視してPostgreSQLまたはSQLiteを使用。以下のDBスキーマを参照。
• レポート：毎週cronが集計クエリを実行し、LLMを呼び出して自然言語レポートを生成。

データベース構造

-- ユーザーテーブル
CREATE TABLE users (
  user_id INTEGER PRIMARY KEY,
  telegram_id TEXT UNIQUE,
  goals TEXT,          -- JSON：食事、運動、睡眠、水分目標
  blood_test_results TEXT -- JSON、オプション
);

-- 日次エントリ（タイプごとに1日1件）
CREATE TABLE entries (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  user_id INTEGER,
  entry_date DATE,
  type TEXT CHECK(type IN ('sleep', 'water', 'exercise', 'meal')),
  raw_text TEXT,
  raw_image BLOB,       -- またはS3 URL
  structured_data JSON, -- 例：{"hours":7.5,"quality":"good"}
  feedback TEXT,
  created_at TIMESTAMP
);
-- 週次/月次サマリー（事前計算）
CREATE TABLE reports (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  user_id INTEGER,
  period_type TEXT CHECK(period_type IN ('weekly', 'monthly')),
  period_start DATE,
  report_text TEXT,
  generated_at TIMESTAMP
);

画像解釈の信頼性

OpenClawエージェントは、基礎となるLLMの視覚能力に依存します。GPT-4oとGemini 2.0 Flashは地中海食の準拠度を識別するのに優れています（野菜、豆類、オリーブオイルを認識）が、正確な分量の推定は苦手です。ジムや睡眠アプリのスクリーンショットの場合、画像が鮮明であればOCRによるテキスト抽出がうまく機能します。予算のヒント：画像にはGemini 2.0 Flash（入力100万トークンあたり0.10ドル）を、テキストにはGPT-4o-miniを使用してください。

予算の実現可能性（月額50ドル）

最適化すれば現実的です。内訳の例：

• LLM推論：1日あたり約40～50回の呼び出し（日次チェックイン、写真、レポート）。Gemini 2.0 Flash（入力100万トークンあたり0.10ドル、出力100万トークンあたり0.40ドル）を使用 → 月額約5ドル。
• データベース：月額5ドルのVPS上のSQLite（例：Hetzner CX22） → 月額5ドル。
• Telegramボットホスティング：同じVPS → 含まれます。
• 合計：月額約10～15ドル。GPT-4oへのフォールバック（20回の呼び出し、約8ドル）や、Gemini Pro Visionを使用した時々の画像分析の余地があります。

リスクと不足している機能

• 医療アドバイスの境界：システムプロンプトで診断や専門家のアドバイスの変更を厳密に禁止する必要があります。ユーザーごとに免責事項を保存します。
• プライバシー：保存時の健康データを暗号化（AES-256）。他者にサービスを提供する場合はHIPAA準拠を検討します。
• フィードバックループ：ユーザーがリマインダーを無視する可能性があります。エスカレーション通知を設計します（例：水分補給のプロンプトを3回無視した後、面白いGIFを送信）。
• 週次レポート生成：LLMの幻覚リスク。メトリクスには決定的な集計を優先し、LLMはナラティブのみに使用します。

既存コンポーネント：OpenClawの組み込みTelegramコネクタとPostgreSQLテンプレートを適応できます。既製の健康エージェントは存在しないため、プロンプトとDBスキーマをゼロから構築する必要があります。