🏍️

Claude APIで中古バイク22万台のAI検索を作った話

2026/05/28に公開

 はじめにMotoHub という中古バイクの一括検索サイトを個人で運営しています。GooBike・BDS・Webikeなど複数サイトの在庫データを集約して、22万台以上のバイクを横断検索できるサービスです。他にも39,000件の駐車場マップ、車種判定AI、バイク診断など、バイク選びに必要な機能をひたすら作り続けています。
前職は花屋です。プログラミングは完全に独学で、この規模のサービスを一人で開発・運用しています。
この機能を作ったきっかけは、友人からのLINEでした。
「ウッチーのサイトで原チャリ買える？娘のバイクが壊れた」
これに対して僕がやったのは、MotoHubを開いて「50cc以下」「神奈川」「5万円以下」とフィルターをポチポチ設定して、スクショを送ること。この操作、AIにやらせればいいのでは？
「予算5万円、原付、娘用」と入力したら、AIが条件を読み取って在庫を検索し、おすすめまで生成してくれる。そんな検索体験を作ることにしました。

 完成したものhttps://www.motohub.jp/ai-search
自然言語で入力するだけで、AIが検索条件を抽出 → DB検索 → おすすめ文生成まで一気にやってくれます。
検索例1: 在庫検索モード
入力: 相模原 5万円以下 娘用の原付
→ AIが「神奈川県」「50cc以下」「総額5万円以下」を抽出して検索。レッツ2やタクト、DIOフィットなどを提案。「娘さん用」という文脈から「軽量で足つき性が良いスクーターが中心です」とアドバイスも。
検索例2: 相談モード
入力: ドラッグスター250とレブル250どっちがいい？
→ query_type: "consult" と判定され、アドバイスがメインの表示に切り替わる。車両スペックの比較、維持費、乗り味の違いを整理して回答。参考車両も横に表示。


初回のハードルを下げるため、「予算30万円、125ccの原付二種」「CBR250RRとNinja250、どっちがいい？」など6つのプリセットボタンを用意しました。何を聞けばいいかわからない問題の対策です。

 アーキテクチャ: 2段階API呼び出し方式処理の全体像はこうなっています。
ユーザー入力
    ↓
[STEP1] Claude API: 自然言語 → 検索条件JSON抽出
    ↓
[STEP2] DB検索: Eloquent でリスティング検索 (22万台)
    ↓
[STEP3] Claude API: 検索結果 → おすすめ文生成
    ↓
表示 (search / consult で切り替え)
なぜ2段階にしたのか？ 最初は1回のAPI呼び出しで「条件抽出 + おすすめ生成」をまとめようとしました。しかし、LLMに「JSONを返して、かつ自然な文章も書いて」と頼むと、JSONのパースが不安定になったり、検索条件の精度が落ちたりします。
役割を分離することで、STEP1は「正確なJSON生成」に集中し、STEP3は「検索結果を踏まえた文章生成」に集中できます。

 STEP1: 自然言語→検索条件JSON抽出STEP1のsystem promptがこの機能の核です。
$systemPrompt = <<<'PROMPT'
あなたはバイク検索アシスタントです。ユーザーの自然言語入力から検索条件を抽出してください。
出力はJSON形式のみ。説明文やマークダウンは不要です。
該当しない項目はnullにしてください。価格は円単位（例: 30万円→300000）、排気量はcc単位で出力してください。
都道府県名は「東京都」「神奈川県」のように正式名称で出力してください。

query_typeの判定基準:
- "search": 在庫検索系（予算、排気量、エリア等の条件指定、「○○を探したい」等）
- "consult": 相談・比較系（「○○と△△どっちがいい？」「初心者向けは？」「維持費は？」等）

{
  "query_type": "search" or "consult",
  "max_price": 上限価格（円）or null,
  "min_price": 下限価格（円）or null,
  "max_displacement": 排気量上限（cc）or null,
  "min_displacement": 排気量下限（cc）or null,
  "max_mileage": 走行距離上限（km）or null,
  "min_model_year": 年式下限（西暦）or null,
  "prefecture": 都道府県名 or null,
  "manufacturer": メーカー名 or null,
  "model_name": 車種名 or null,
  "summary": "抽出した条件の日本語要約（1文）"
}
PROMPT;
入出力例:


入力
抽出されるJSON


予算30万円、125cc
max_price: 300000, max_displacement: 125

東京でホンダのネイキッド
prefecture: "東京都", manufacturer: "ホンダ"

レブル250とドラスタどっちがいい？
query_type: "consult", model_name: null

Claude Sonnet（claude-sonnet-4-20250514）を使っている理由はコスト効率です。条件抽出のような構造化タスクではSonnetで十分な精度が出ます。Opusを使うと精度は若干上がりますがコストが5倍以上になり、個人開発では厳しい。
max_tokens: 300 に絞っているのもポイントです。JSON出力だけなので300トークンあれば十分で、余計な出力を抑えられます。

 STEP2: おすすめ文生成DB検索の結果をコンテキストとしてClaude APIに渡します。
$userPrompt = <<<PROMPT
ユーザーの質問: {$userQuery}
ヒット件数: {$totalCount}件
上位結果:
{$resultSummary}

上記を踏まえて回答してください。
PROMPT;
query_type によってsystem promptを切り替えています。

searchモード: 150〜300字で検索結果のポイントを簡潔にアドバイス

consultモード: 300〜500字でMarkdown（太字・箇条書き）を使ったリッチな回答
「娘用の原付」と入力すると、LLMは「娘さん用」というコンテキストを理解して「軽量で足つき性が良い」「シート高が低い」といった観点を自然に含めてくれます。これは条件フィルターだけでは絶対にできない体験です。

 工夫したUX
 プリセットボタン「何を聞けばいいかわからない」は自然言語UIの最大の課題です。6つのプリセットを用意して、ワンタップで検索を体験できるようにしました。searchとconsultの両方のパターンを含めています。

 ブラウザバック対応バイクカードをクリック → 詳細ページ → ブラウザバック で検索結果が消える問題。sessionStorage に検索状態を保存し、ページ表示時に復元することで解決しました。
init() {
    try {
        var saved = sessionStorage.getItem(STORAGE_KEY);
        if (saved) {
            var state = JSON.parse(saved);
            this.result = state.result || null;
            this.conversationHistory = state.conversationHistory || [];
        }
    } catch (e) {}
},
saveState() {
    try {
        sessionStorage.setItem(STORAGE_KEY, JSON.stringify({
            result: this.result,
            conversationHistory: this.conversationHistory
        }));
    } catch (e) {}
}

 追加質問（会話文脈の維持）検索結果の下にフォローアップ入力欄を設け、「もう少し安いのは？」「維持費の比較は？」と続けて質問できます。conversationHistory をClaude APIの messages に含めることで、文脈を維持しています。
body: JSON.stringify({
    query: currentQuery,
    history: this.conversationHistory.slice(-10) // 最大5往復
})
バックエンド側では history をバリデーションして、STEP1・STEP3の両方のAPI呼び出しに過去の会話を挿入しています。

 コスト管理個人開発で最も気になるのがAPI費用です。


項目
値


1検索あたりの呼び出し
2回（条件抽出 + アドバイス生成）

STEP1
入力 ~800トークン, 出力 ~200トークン

STEP3
入力 ~1,200トークン, 出力 ~400トークン

1検索あたりのコスト
約$0.006

レート制限
10回/日/IP

月間想定（100検索/日）
約$18/月

// AppServiceProvider.php
RateLimiter::for('ai-search', fn (Request $request) => Limit::perDay(10)->by($request->ip()));
月$18なら個人開発でも十分回せます。レート制限をIPあたり10回/日に設定しているので、バズっても致命的なコストにはなりません。

 技術スタック

レイヤー
技術


バックエンド
Laravel 12 / PHP 8.3

DB
MySQL 8 / Redis（キャッシュ）

全文検索
Meilisearch

AI
Claude API (claude-sonnet-4-20250514)

フロントエンド
Blade + Alpine.js + Tailwind CSS

インフラ
Docker Compose / さくらVPS 8GB / Cloudflare

フロントエンドはAlpine.jsのみで、Reactは使っていません。x-data、x-show、x-for で十分にインタラクティブなUIが作れます。

 まとめClaude APIを使えば、個人開発のサービスでも大手に負けないAI体験が作れます。

2段階方式で精度とコストのバランスを取る

query_type判定で検索と相談を自動で切り替える

sessionStorageでブラウザバック時の状態復元

会話履歴でフォローアップ質問に対応
月$18で22万台のAI検索が動く
元花屋でも作れました。LLMのおかげで「自然言語で在庫検索」という、以前なら大きなチームでないと作れなかった機能が、一人で実装できる時代になっています。
ぜひ試してみてください 👉 https://www.motohub.jp/ai-search
質問やフィードバックがあればコメントで気軽にどうぞ。

入力	抽出されるJSON
`予算30万円、125cc`	`max_price: 300000, max_displacement: 125`
`東京でホンダのネイキッド`	`prefecture: "東京都", manufacturer: "ホンダ"`
`レブル250とドラスタどっちがいい？`	`query_type: "consult", model_name: null`

項目	値
1検索あたりの呼び出し	2回（条件抽出 + アドバイス生成）
STEP1	入力 ~800トークン, 出力 ~200トークン
STEP3	入力 ~1,200トークン, 出力 ~400トークン
1検索あたりのコスト	約$0.006
レート制限	10回/日/IP
月間想定（100検索/日）	約$18/月

レイヤー	技術
バックエンド	Laravel 12 / PHP 8.3
DB	MySQL 8 / Redis（キャッシュ）
全文検索	Meilisearch
AI	Claude API (claude-sonnet-4-20250514)
フロントエンド	Blade + Alpine.js + Tailwind CSS
インフラ	Docker Compose / さくらVPS 8GB / Cloudflare

はじめに

完成したもの

アーキテクチャ: 2段階API呼び出し方式

STEP1: 自然言語→検索条件JSON抽出

STEP2: おすすめ文生成

工夫したUX

プリセットボタン

ブラウザバック対応

追加質問（会話文脈の維持）

コスト管理

技術スタック

まとめ

Discussion