--- title: 音楽ストリーミングの DJ sidebarTitle: 音楽 DJ description: 音楽ストリーミングアプリの新規かつ低リスクな DJ 機能を、ほぼ即座に本番投入し、リスナーの視聴行動から改善していく例です。 translatedAt: 2026-08-19 --- # 音楽ストリーミングの DJ これは [Langfuse Academy](/academy/japan) の概念を説明するための例です。 ## 背景 ある音楽ストリーミングアプリが、DJ 機能をベータとして追加します。 DJ は、ユーザーがこれまでに再生した曲と、アルゴリズムがユーザーの好みだと判断したものをもとに、キューを途切れさせずに回し続けます。 数曲おきに、次にかかる曲とその選曲理由について短くコメントします。 リスナーはマイクボタンを押して話しかけることで、DJ に方向性を指示することもできます。 AI エンジニアリングの構成をどう組むかは、2 つの特徴から決まります。 1. **出力が悪かったときのリスクが低い。** 最悪でも曲がスキップされるか、DJ のコメントがぎこちない程度で、機能はベータと明示されています。 2. 新機能なので **出発点となる過去データがない。** チームはリスナーの実際の行動から学んでいく必要があります。 このため、できるだけ早く本番に出し、[最初からライブのフィードバックをもとに反復する](/academy/japan/ai-engineering-loop#you-dont-have-to-close-the-full-loop-on-day-one) のが理にかなっています。 ## DJ のトレーシング 2 種類の [トレース](/academy/japan/tracing#anatomy-of-a-trace) があり、これらが合わさって [1 つのセッションを構成](/academy/japan/tracing#traces-vs-sessions) します。 | トレース名 | 詳細 | | ------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `plan-next-set` | 次にかける曲のセットを組み立て、コメントを書きます。数曲おきに DJ 自身が開始するか、DJ への依頼をきっかけに開始します。
**入力:** 視聴コンテキストと、あれば指示
**出力:** キューに入れた次の曲と、コメント 1 行 | | `handle-dj-request` | リスナーからの音声依頼を処理します。マイクボタンで開始します。
**入力:** 音声クリップと現在のキュー
**出力:** 短い返答と、これが起動する `plan-next-set` への指示 | 視聴セッションと、2 種類のトレースを近くで見てみます。 **セッション listen_7f3e · ユーザー u_8841** - [Trace] `plan-next-set` (2.8s) - 「今週よく聴いた 2 曲から始めます。」 - [Trace] `plan-next-set` (2.4s) - 「この流れのまま、少し落ち着いたエレクトロニカで。」 - [Trace] `handle-dj-request` (1.6s) - 「もう少し落ち着いた曲をかけて。」 - [Trace] `plan-next-set` (dj-request 起点, 1.5s) - 「少し落ち着いた流れにします。アンビエントピアノをどうぞ。」 **plan-next-set トレースの中にあるオブザベーション** - [Trace] `plan-next-set` (session: listen_7f3e, user: u_8841, 1.5s) - 入力: 好み: エレクトロニカ, ダウンテンポ · 直近の再生: アーティストA「曲名1」, アーティストB「曲名2」 · 指示: "もっと落ち着いた曲" - 出力: 4 曲をキューに追加 · コメント: 「少し落ち着いた流れにします。アンビエントピアノをどうぞ。」 - [Tool] `select-tracks` (0.6s) - 入力: 好み: エレクトロニカ, ダウンテンポ · 直近の再生: アーティストA「曲名1」, アーティストB「曲名2」 · 指示: "もっと落ち着いた曲" - 出力: アーティストD「曲名4」· アーティストE「曲名5」· アーティストF「曲名6」· アーティストG「曲名7」 - [Gen] `write-commentary` (gpt-4.1-mini, 120 tok, $0.0002, 0.9s) - 入力: 選ばれた 4 曲 · 指示: "もっと落ち着いた曲" - 出力: 「少し落ち着いた流れにします。アンビエントピアノをどうぞ。」 **handle-dj-request トレースの中にあるオブザベーション** - [Trace] `handle-dj-request` (session: listen_7f3e, user: u_8841, 1.6s) - 入力: 音声クリップ (2 秒) - 出力: 返答: 「了解です、落ち着いた流れにしますね。」 · 指示: "もっと落ち着いた曲" - [Tool] `transcribe-request` (0.4s) - 入力: 音声クリップ (2 秒) - 出力: 「もう少し落ち着いた曲をかけて。」 - [Gen] `interpret-request` (gpt-4.1-mini, 210 tok, $0.0004, 1.2s) - 入力: 「もう少し落ち着いた曲をかけて。」 · 現在のキュー - 出力: 返答: 「了解です、落ち着いた流れにしますね。」 · 指示: "もっと落ち着いた曲" - [Event] `trigger-plan-next-set` (@ 1.6s) - 入力: 指示: "もっと落ち着いた曲" ## ユーザーの行動を捕捉する ユーザーから学ぶために、[注目すべき行動](/academy/japan/monitoring#user-feedback) を該当するトレースに記録します。 **評価者** - `track_skipped` — プレイヤーのイベント, 二値とコメント。plan-next-set トレースに付与 - DJ が選んだ曲を、再生開始直後にリスナーがスキップした - 評価器は不要で、プレイヤーがスコアを書き込みます。スコアは常に、その瞬間に再生されていたセットの `plan-next-set` トレースに付きます。コメントにはどの曲がスキップされたかが入るため、 外しの多いセットには複数のスコアが集まります。 - `dj_replaced` — プレイヤーのイベント, 二値。セッションに付与 - リスナーが DJ をオフにしたが、視聴自体は続けている - 単にセッションが終わったことは、ほとんど何も語りません。リスナーは目的地に着いただけかもしれないからです。DJ なしで聴き続けたことがシグナルになります。リスナーが DJ ではなく音楽を選んだということです。 - `message_type` — LLM-as-a-Judge, カテゴリ。handle-dj-request トレースに付与 - 音声依頼を `steering`、`correction`、 `repeated_instruction`、`positive_reaction`、 `negative_reaction` のいずれかに分類します - `steering` はこの機能の通常の使い方であり、失敗の集計には含めません。 `correction` は DJ の直前の動作が外したことを意味します。 `repeated_instruction` は、すでに受け取った指示に DJ が従えなかったことを意味します。好みの読み違いではなく指示違反であり、 [必要な手当ても変わってきます](/academy/japan/evaluate/choosing-what-to-evaluate#tie-every-metric-to-a-decision) 。またここで唯一 LLM のコストがかかるシグナルでもありますが、音声依頼はトラフィックのごく一部なので、 [評価器のコスト](/academy/japan/evaluate/choosing-what-to-evaluate#mind-the-budget) は小さく収まります。 原理的には、これだけあればチームはもう反復を始められます。 トレーシングと [モニタリング](/academy/japan/monitoring#metrics-and-signals) だけで、それ自体が小さなループを形成するからです。 最初のうちは、DJ 機能をすばやく改善していくにはおそらくこれで十分です。 **AI エンジニアリング・ループ** - **トレース** — すべてのセットとすべての依頼 - **モニタリング** — スキップ、dj_replaced、message_type - **データセット構築** — まだ使わない - **実験** — まだ使わない - **評価** — まだ使わない 構成が成熟し、より体系的なテストを整えたくなったら、これらのシグナルの上にデータセットと実験を組み立てていけます。 ## 体系的なテスト ライブのシグナルだけの状態では、変更をテストするということはリリースしてスコアを見ることを意味します。 チームはさらに 2 つの意図的なテスト方法を追加できます。[データセットに対する実験](/academy/japan/experiments#how-experiments-are-used) と、実ユーザーに対する A/B テストです。 ### データセットに対する実験 このユースケースでは、エンドツーエンドをオフラインでテストするのは非常に困難です。 セッションが良かったかどうかは実際の視聴行動にしか現れず、好みはユーザーごとに違うため、全員に当てはまる期待出力が存在しないからです。 一方で `select-tracks` のような [単一のステップ](/academy/japan/datasets#what-makes-a-good-dataset) はテストできます。期待値として、正確な曲目ではなくセットの方向性を記述します。 **データセット: selection-directions** 視聴コンテキストと、次のセットとして良い方向性・悪い方向性を組にしたもの。select-tracks ステップだけをテストします。 | 入力 | 期待される出力 | | --- | --- | | 好み: インディーフォーク · 直近の再生: アーティストH「曲名8」, アーティストI「曲名9」 · 指示: なし | 良い方向性: 近接するインディーフォーク、ソフトロック。悪い方向性: 高テンポの EDM、ヒップホップ。 | | 好み: エレクトロニカ, ハウス · 直近の再生: アップテンポなハウスのセット · 指示: 「もう少し落ち着いた曲を」 | 良い方向性: ダウンテンポ、アンビエント・エレクトロニカ。悪い方向性: さらにアップテンポなハウス、指示の無視。 | **評価者** - `direction_match` — LLM-as-a-Judge, 二値。データセットアイテムごと - 選ばれたセットは、良い方向性のいずれかに沿っていて、悪い方向性を避けているか? - [参照あり](/academy/japan/evaluate#reference-based-vs-reference-free) の評価器です。期待出力が、採点の基準となる方向性を与えます。DJ 全体ではなく `select-tracks` ステップだけで動くため、1 回の実行が安く、失敗したときは選曲が原因だとすぐ分かります。 ### 実ユーザーに対する A/B テスト コメントのトーンのように、オフラインでは採点しにくい変更もあります。 リスクが低いので、チームは一部のリスナーに新バージョンを提供し、スキップ率や `message_type` の分布といったシグナルのスコアをグループ間で比較できます。 新バージョンのほうが良ければ、全体に展開します。 ここまでそろうと、ループ全体が回っている状態になります。 **AI エンジニアリング・ループ** - **トレース** — すべてのセットとすべての依頼 - **モニタリング** — スキップ、dj_replaced、message_type、A/B 比較 - **データセット構築** — 本番のモニタリングで見えたものから - **実験** — 選曲アルゴリズム、DJ のプロンプト、… - **評価** — ステップの出力を期待値に照らして採点 ## まとめ これは、リスクが低く、学習に使える過去データもない機能の例です。 こうした場合に取れる最善の手は、できるだけ早くトレースを取り始め、それをモニタリングすることです。 データセット、実験、A/B テストといった残りは、その上に時間をかけて積み上げていけます。 [他の例](/academy/japan/examples) や [Academy](/academy/japan) も参照してみてください。 --- ## Agent Instructions This page is part of the [Langfuse](https://langfuse.com) documentation, published as plain Markdown for AI agents. Every page is available as Markdown by appending `.md` to its URL, or by sending an `Accept: text/markdown` header. This page: `https://langfuse.com/academy/japan/examples/music-streaming-dj.md`. ### Querying these docs If the answer is not on this page, query the documentation instead of guessing: - **Semantic search** across all Langfuse docs, returning an answer with the relevant pages and excerpts. Ask a specific, self-contained question: ```bash curl -sG "https://langfuse.com/api/search-docs" --data-urlencode "query=How do I trace a LangGraph agent?" ``` - **Index of every page**: , with per-section indexes [llms-docs.txt](https://langfuse.com/llms-docs.txt), [llms-integrations.txt](https://langfuse.com/llms-integrations.txt), and [llms-self-hosting.txt](https://langfuse.com/llms-self-hosting.txt). ### Before writing Langfuse code - **Install the [Langfuse Agent Skill](https://langfuse.com/docs/api-and-data-platform/features/agent-skill).** It encodes Langfuse's own best practices for instrumentation, prompt management, and evaluation, and materially improves results. - **Read [What does a good trace look like?](https://langfuse.com/docs/observability/best-practices.md)** before instrumenting an application. - **Verify endpoints, parameters, and response fields** against the [API reference](https://api.reference.langfuse.com) instead of inferring them from code examples. - **Use the [Langfuse CLI](https://langfuse.com/docs/api-and-data-platform/features/cli)** (`npx langfuse-cli api `) to read or write traces, prompts, datasets, and scores from the terminal. Found an error in these docs? Please open an issue at .