Lol Advice

概要

• サモナー名、試合数、勝率、平均KDA を簡潔に要約

ルールベース検出結果

• findings 配列の内容を severity 順（critical → warning → info）で表示
• 各項目に具体的な数値を含める

総合アドバイス

以下の観点から、試合データ（matches, player_stats, champion_stats）を読み解いて具体的な改善提案を行う:

1. マッチアップ分析 — lane_opponents で対面チャンピオンを確認し、勝敗・KDA との相関を分析。ボットレーンの場合は ADC+SUP の2v2ペアとして評価する。苦手/得意な対面パターンを特定する。ally_team / enemy_team からチーム構成の傾向も考慮する
2. レーニング（序盤） — CS推移、序盤のデスタイミング。対面チャンピオンとの相性を踏まえた序盤の立ち回り提案
3. チームファイト（中盤〜終盤） — kill_participation でキル参加率を確認（ロール別目安: SUP 50%+, JG 40%+, MID/BOT 35%+, TOP 30%+）。デスのタイミングと集団戦の関連
4. ダメージ構成分析 — damage_physical / damage_magical / damage_true の内訳を確認。チャンピオンの特性に合ったダメージ比率かどうか。ビルドの効率を評価する
5. ビルドパス — コアアイテムの完成タイミング、ビルド順の妥当性。対面に応じたビルド適応ができているか
6. ビジョン — ワード購入頻度、ビジョンスコア
7. ゲーム時間帯と勝率 — game_duration_analysis で短期戦/長期戦の勝率傾向を分析。プレイスタイルの適性を判断する
8. チャンピオンプール — 勝率の高い/低いチャンピオン、得意チャンピオンの傾向

前回との比較（過去スナップショットがある場合）

packages/lol_review/output/ 内の findings_*.json をタイムスタンプ順にリストし、最新と1つ前のスナップショットを比較する:

1. Glob で packages/lol_review/output/findings_*.json を取得
2. 最新 = latest_findings.json（今回生成）、前回 = タイムスタンプ順で2番目のファイル
3. 前回データがあれば以下を比較して表示:
   • 勝率の変化（例: 45% → 60% で改善）
   • 平均KDAの変化
   • 平均CS/minの変化
   • findingsの増減（前回あった問題が解消されたか、新たな問題が出たか）
4. 前回データがなければ「初回分析のため比較データなし」と表示

優先して取り組むべきこと（TOP 3）

• 最もインパクトのある改善点を3つに絞って提案

注意事項

• データに基づいた具体的な数値を示すこと
• 「もっと CS を取れ」ではなく「平均 X.X CS/min → 目標 Y.Y、特に10分以降のサイドレーン CS を意識」のように具体的に
• チャンピオンごとの特性を考慮したアドバイスにすること
• 試合の時系列データ（kill/death タイムスタンプ、アイテム購入順）を活用して、パターンを見つけること
• ポジティブな点も挙げること（良い KDA の試合、高い Assist 率など）