Antigravity

自宅の温度や湿度、気圧を記録して可視化したいと思ったことはありませんか？市販の温湿度計も良いですが、せっかくならスマホからいつでも確認できるようにしたり、独自の機能を追加したりしたいものです。 今回は、自作の温湿度・気圧ロガーのデータを可視化し、さらにデータからエアコンの使用状況（暖房・冷房）を自動判定するアプリを作成しました。また、開発にあたってはGoogleのAIエージェント「Antigravity」を活用し、コーディングからデザイン、ビルドまで日本語で指示をして実装してもらいました。 この記事では、作成したアプリの概要と、AIを使った開発プロセスについて紹介します。 作成したアプリの概要 今回作成したのは「Insight MyRoom」というアプリです。バックエンドに FastAPI、フロントエンドに Streamlit を使用し、Pythonのみで構築しました。 主な機能 リアルタイムモニタリング: 現在の温度・湿度・気圧を表示し、不快指数(DI)から「快適」「暑い」「寒い」などを判定・ゲージ表示します。 履歴グラフ: Plotlyを使用し、過去24時間のデータをインタラクティブなグラフで確認できます。 エアコン稼働判定: 室温の変化率と外気温との差分から、エアコンが「暖房」または「冷房」で稼働しているかを推定・可視化します。 レスポンシブデザイン: CSSをカスタマイズし、スマートフォンでも見やすいカード型UIを実現しました。 システム構成 Backend: Python (FastAPI) データベースからセンサーデータを取得 外部APIから外気温を取得 データ分析・加工（エアコン判定ロジック） Frontend: Python (Streamlit) データの表示 グラフ描画 (Plotly) 認証連携 (JWT) Database: MySQL (センサーデータ蓄積用) エアコン稼働判定ロジック このアプリの目玉機能である「エアコン判定」は、単純な温度の閾値ではなく、温度の変化率と外気温との関係を用いて判定しています。 具体的には、backend/analysis.py にて以下のようなロジックを実装しました。 def analyze_room_data(records): # ... # 30分間（3レコード分）の温度変化を計算 df&#91;'temp_diff'] = df&#91;'temperature'].diff(periods=3) HEATING_THRESHOLD = 0.8 # 暖房とみなす上昇幅 COOLING_THRESHOLD = -0.8 # 冷房とみなす下降幅 for i in range(len(df)): temp_diff = df.iloc&#91;i]&#91;'temp_diff'] room_temp = df.iloc&#91;i]&#91;'temperature'] out_temp = df.iloc&#91;i].get('outdoor_temperature') if temp_diff &gt; HEATING_THRESHOLD: # 室温が急上昇 かつ 外気より室温が高い（または外気が寒い）場合 -&gt; 暖房 if out_temp is None or out_temp &lt; room_temp: df.at&#91;df.index&#91;i], 'ac_mode'] = "HEATING" elif temp_diff &lt; COOLING_THRESHOLD: # 室温が急低下 かつ 外気より室温が低い（または外気が暑い）場合 -&gt; 冷房 if out_temp is None or out_temp &gt; room_temp: df.at&#91;df.index&#91;i], 'ac_mode'] = "COOLING" # ... このように、「急激に温度が上がった・下がった」タイミングを検出し、それが自然な気温変化（外気温との整合性）と矛盾する場合に「エアコンによるもの」と推定しています。判定結果はグラフ上に赤（暖房）や青（冷房）の帯として表示され、一目で稼働状況がわかります。 Antigravityとの開発プロセス 今回はコーディングのほぼ全てをAIアシスタント「Antigravity」に行ってもらいました。 指示の出し方 「温度・湿度・気圧のデータを可視化したい」「エアコンの使用状況を判定したい」といった要望を日本語で伝えるだけで、必要なディレクトリ構成やライブラリの選定（FastAPI + Streamlit）を提案してくれました。 特にデザイン面では、「スマホで見やすく、少しリッチなUIにしたい」と伝えると、Streamlit標準のUIではなく、カスタムCSSを注入してカード型のデザインにする提案をしてくれました。 /* AIが生成したCSSの一部 */ .hero-container { background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); color: white; padding: 20px; border-radius: 15px; box-shadow: 0 4px 15px rgba(0,0,0,0.1); /* ... */ } 苦労した点とAIのサポート Streamlit上での認証機能の実装（URLハッシュからのトークン取得）などは少し複雑でしたが、JavaScript連携部分(streamlit-javascript)を含めてAIがコードを書いてくれたため、スムーズに実装できました。 まとめ Antigravityとペアプログラミングをすることで、ロジックの検討や「どう見せるか」というデザイン部分に集中してアプリ開発ができました。特に、データ分析ロジックとWebアプリの実装を同時に進められる点は非常に効率的でした。 今後は、エアコンのON/OFF判定の精度向上や、蓄積されたデータを使った電気代の推定機能などを追加していきたいと思います。

Antigravityを使って、エアコン使用状況判定機能付きの温湿度可視化アプリを作成する