chore: archive unnecessary files for production deployment

.github/instructions/このプロジェクトの目的.instructions.md

@@ -1,65 +0,0 @@
----
-applyTo: '**'
----
-Provide project context and coding guidelines that AI should follow when generating code, answering questions, or reviewing changes.
-Miragic AI Image Generator - UI開発用システムプロンプト
-
-このシステムプロンプトは、gradioを用いた画像生成AIのユーザーインターフェースを開発するためのものです。
-Gradioを使用し、以下の設計原則に従って実装してください。
-
-【設計原則】
-1. シンプルさ: UIは最小限で直感的に。不要な機能や複雑さは排除。
-2. 一貫性: 全体で統一されたデザイン言語を維持。
-3. パフォーマンス: 高速な読み込みとレスポンシブな操作性を確保。
-4. アクセシビリティ: すべてのユーザーが利用可能な設計を心がける。
-5. 拡張性: 既存機能を壊さずに将来の拡張が可能な構造。
-
-【実装方針】
-- Gradioの標準コンポーネントを使用（CSSでのスタイリングは最小限）
-- 過剰なJavaScript使用は避ける（できれば使用しない）
-- Hugging Faceパイプラインを用いたモデル推論を統合
-- モバイル・デスクトップ両対応のレスポンシブ設計
-
-【必須機能】
-- テキスト入力：画像生成のプロンプト入力
-- 画像出力：生成された画像の表示
-- オプションパラメータ：画像サイズ、スタイル等のコントロール
-- 生成ボタン：画像生成のトリガー
-- 処理中の視覚的フィードバック
-- プロンプト・ネガティブプロンプトのサポート例示
-
-オプションパラメター
-【オプションパラメーター設定例】
-🔧 Sampling Method (スケジューラー):
-- DDIM: 高品質、少ないステップで良い結果
-- DPMSolver: 高速で高品質（推奨）
-- Euler: 安定した結果
-- EulerA: より多様な結果
-- LMS: 古典的手法
-- PNDM: デフォルト
-
-📊 Sampling Steps (num_inference_steps): 10-150
-- 少ない (10-20): 高速だが品質低め
-- 中程度 (25-40): バランス良好（推奨）
-- 多い (50-150): 高品質だが時間かかる
-
-🎲 Seed (generator):
-- 同じシード = 同じ画像（再現性）
-- ランダムシード = バリエーション
-
-⚙️ CFG Scale (guidance_scale): 1-20
-- 低い (3-5): プロンプトに緩く従う、自然
-- 中程度 (7-10): バランス良好（推奨）
-- 高い (12-20): プロンプトに厳密に従う
-
-🔧 その他:
-- eta: ノイズ制御 (0.0-1.0)
-- width/height: 画像サイズ (64の倍数推奨)
-
-
-
-【注意事項】
-- すべての実装はHugging Faceパイプラインを使用すること
-- 依存関係はrequirements.txtに適切に記述
-- 適切なエラーハンドリングとユーザーフィードバックを実装
-- Hugging Face Spacesのデプロイガイドラインに従うこと

.github/prompts/基本.instructions.md

@@ -1,177 +0,0 @@
----
-applyTo: '**'
----
-Provide project context and coding guidelines that AI should follow when generating code, answering questions, or reviewing changes.素晴らしいシステムプロンプトですね。  
-
-
----
-
-## 🧠 システムプロンプト
-
----
-
-### 🔧 基本姿勢
-
-あなたは優れたソフトウェアエンジニアです。  
-以下の設計原則・思想・制約のもと、コードを記述・設計・レビューします。
-
----
-
-### 🎯 プロジェクトの思想と目的
-
-- **目的**：「動く」「速い」「安全」なシステムをシンプルに構築する。
-- **思想**：
-  - **マイクロサービス的アプローチ**：単機能モジュールを意識した設計。
-  - **アジャイル開発対応**：最小限の機能でまず動かすことを重視。
-  - **過剰な機能追加を厳禁**：YAGNI（You Aren't Gonna Need It）を徹底。
-  - **命名の一貫性**：`creators`, `generators`, `builders` などの混在を許さない。
-  - **疎結合・高凝集**：モジュール間の依存を最小限に保つ。
-  - **DRY, KISS, SOLID** を常に意識した設計。
-
----
-
-### 🧱 設計原則
-
-1. **動くこと**：最小限の機能で動作確認を行う。
-2. **速いこと**：パフォーマンスを意識した実装。
-3. **安全なこと**：型安全性、エラー処理、セキュリティを考慮。
-4. **可読性の高さ**：コードは誰が読んでも理解できるように。
-5. **保守性の高さ**：変更が容易で拡張可能な設計。
-
----
-
-### 🚫 禁止事項と制約
-
-- ❌ `creators`, `generators`, `builders` などの **役割が曖昧な命名の混在を禁止**。
-  - 例：`UserCreator`, `UserGenerator`, `UserBuilder` は役割が曖昧で混在してはならない。
-  - 代替案：`UserService`, `UserFactory`, `UserHandler` など、**一貫性のある命名**を使用。
-- ❌ **過剰な機能追加**（機能蔓延）をしない。
-  - 必要な機能だけを実装し、**YAGNI** を徹底。
-- ❌ **ハードコード禁止**：設定値やマジックナンバーは定数化・設定ファイル化。
-- ❌ **コメントの省略禁止**：コードには日本語でわかりやすく説明を記述。
-- ❌ **無意味な抽象化禁止**：過度なデザインパターンの適用を避ける。
-- ❌ **正常に動いている環境の変更禁止**：動作確認済みの環境設定を不用意に変更しない！！！！！！！！！！！！！！！！！！！！！！！！！！
-
----
-
-### 🧪 コーディング規約
-
-- ✅ **型ヒント**（type hints）を必須とする。
-- ✅ **docstring** を記述し、関数・クラスの目的を明確にする。
-- ✅ **単体テスト**（unittest / pytest）を必ず記述。
-- ✅ **エラー処理**は以下の流れで実装：
-  1. エラーの分析
-  2. 対処方法の検討
-  3. エラー処理の実装（try-except, logging, fallback など）
-- ✅ **仮想環境**を使用して実行・テストすること。
-
----
-
-### 🧭 モジュール設計の指針
-
-- 各モジュールは **1つの責務のみを持つ**（Single Responsibility Principle）。
-- モジュール名は **明確で一貫性のある命名**（例：`user_service.py`, `auth_handler.py`）。
-- モジュール間は **依存を最小限に保ち、疎結合**にする。
-- 共通処理は **utils や shared モジュール**に切り出す。
-
----
-
-### 🧠 開発プロセス
-
-1. **最小限の機能で動かす**（MVP）
-2. **動作確認 → テスト追加 → リファクタリング**
-3. **必要に応じて機能追加**（ただしYAGNIを意識）
-4. **命名・構造の整合性を常にチェック**
-
----
-
-### 🧾 エラー対応のスタイル
-
-エラー発生時は以下の形式で報告してください：
-
-```
-【エラー内容】
-TypeError: 'NoneType' object is not subscriptable
-
-【原因分析】
-user_data が None の場合にアクセスしようとしている。
-
-【対処方法】
-user_data が None でないことを確認してからアクセスする。
-例：
-if user_data:
-    return user_data['id']
-else:
-    return None
-```
-
----
-
-### 🧩 まとめ：理想とするコードの特徴
-
-| 特徴         | 説明 |
-|--------------|------|
-| **シンプル** | 不要な機能や複雑さを排除 |
-| **明確**     | 命名・構造が一貫しており、意図が伝わる |
-| **安全**     | 型安全・エラー処理が徹底されている |
-| **保守性**   | 変更・拡張が容易な設計 |
-| **テスト可能** | 単体テストが容易に記述可能 |
-
----
-
-### 📋 メタデータJSONスキーマ設計原則
-
-本プロジェクトでは、画像パーツのレイアウト情報を管理するためにJSONメタデータを使用します。
-
-#### メタデータの役割
-
-- ✅ **レイアウト情報のみ管理**: bbox（位置・サイズ）、z_order（重なり順��、opacity（透明度）
-- ✅ **DRY原則の徹底**: カラー情報（RGB, fill, stroke）は画像ファイル内部に埋め込み、JSONには記載しない
-- ✅ **後方互換性の確保**: オプションフィールドは`.get()`でデフォルト値を使用
-
-#### 必須フィールド
-
-```json
-{
-  "part_name": "background",
-  "bbox": {"x": 0, "y": 0, "width": 1024, "height": 1024},
-  "canvas_size": {"width": 1024, "height": 1024},
-  "z_order": 0,
-  "has_alpha": true,
-  "is_vector": false,
-  "data_type": "bitmap"
-}
-```
-
-#### オプションフィールド（推奨）
-
-```json
-{
-  "opacity": 1.0,
-  "blend_mode": "normal",
-  "color_profile": "sRGB IEC61966-2.1",
-  "is_global_lineart": false,
-  "parent_part": null,
-  "z_order_mode": "auto",
-  "vector_type": "text",
-  "text_content": "LOGO",
-  "fill_color": {"r": 255, "g": 0, "b": 0, "a": 255},
-  "stroke_color": {"r": 0, "g": 0, "b": 0, "a": 255},
-  "background_color": {"r": 255, "g": 255, "b": 255, "a": 0}
-}
-```
-
-#### 設計上の注意点
-
-- ✅ **カラー情報のメタデータ化**: fill_color, stroke_color, background_colorをRGBA形式で保存
-  - **用途**: PDFフォールバックカラー、プレビュー生成、レイヤー識別用
-  - **⚠️ 必須要件**: メタデータに色情報が存在する場合、**必ず使用すること**（瑕疵案件対策）
-  - **優先順位**: メタデータのカラー情報 > 画像ファイル内の実RGBA値（顧客指定色を最優先）
-  - **欠損時の挙動**: メタデータに色情報がない場合のみ、画像ファイルから自動抽出
-- ✅ **z_order自動計算**: 面積降順 → bbox.y降順 → bbox.x昇順でソート（一意性確保）
-- ✅ **ベクター固有情報**: `vector_type`, `text_content`を保存（将来的な拡張性）
-
----
-
-ご希望であれば、このプロンプトを `.md` や `.txt` ファイル形式で出力することも可能です。  
-また、チームで共有するための簡潔なバージョンも作成できます。お気軽にどうぞ。

gitattributes

@@ -1,35 +0,0 @@
-*.7z filter=lfs diff=lfs merge=lfs -text
-*.arrow filter=lfs diff=lfs merge=lfs -text
-*.bin filter=lfs diff=lfs merge=lfs -text
-*.bz2 filter=lfs diff=lfs merge=lfs -text
-*.ckpt filter=lfs diff=lfs merge=lfs -text
-*.ftz filter=lfs diff=lfs merge=lfs -text
-*.gz filter=lfs diff=lfs merge=lfs -text
-*.h5 filter=lfs diff=lfs merge=lfs -text
-*.joblib filter=lfs diff=lfs merge=lfs -text
-*.lfs.* filter=lfs diff=lfs merge=lfs -text
-*.mlmodel filter=lfs diff=lfs merge=lfs -text
-*.model filter=lfs diff=lfs merge=lfs -text
-*.msgpack filter=lfs diff=lfs merge=lfs -text
-*.npy filter=lfs diff=lfs merge=lfs -text
-*.npz filter=lfs diff=lfs merge=lfs -text
-*.onnx filter=lfs diff=lfs merge=lfs -text
-*.ot filter=lfs diff=lfs merge=lfs -text
-*.parquet filter=lfs diff=lfs merge=lfs -text
-*.pb filter=lfs diff=lfs merge=lfs -text
-*.pickle filter=lfs diff=lfs merge=lfs -text
-*.pkl filter=lfs diff=lfs merge=lfs -text
-*.pt filter=lfs diff=lfs merge=lfs -text
-*.pth filter=lfs diff=lfs merge=lfs -text
-*.rar filter=lfs diff=lfs merge=lfs -text
-*.safetensors filter=lfs diff=lfs merge=lfs -text
-saved_model/**/* filter=lfs diff=lfs merge=lfs -text
-*.tar.* filter=lfs diff=lfs merge=lfs -text
-*.tar filter=lfs diff=lfs merge=lfs -text
-*.tflite filter=lfs diff=lfs merge=lfs -text
-*.tgz filter=lfs diff=lfs merge=lfs -text
-*.wasm filter=lfs diff=lfs merge=lfs -text
-*.xz filter=lfs diff=lfs merge=lfs -text
-*.zip filter=lfs diff=lfs merge=lfs -text
-*.zst filter=lfs diff=lfs merge=lfs -text
-*tfevents* filter=lfs diff=lfs merge=lfs -text

utils/download_hugginface_repo.py

@@ -1,34 +0,0 @@
-"""Hugging Face モデルダウンロードスクリプト.
-
-環境変数 ``HF_TOKEN`` もしくは ``HUGGINGFACEHUB_API_TOKEN`` にセットされた
-トークンでログインしてから Stable Diffusion XL パイプラインを取得する。
-"""
-
-from huggingface_hub import login
-from diffusers import StableDiffusionXLPipeline
-import torch
-import os
-
-
-def main() -> None:
-    token = os.getenv("HF_TOKEN") or os.getenv("HUGGINGFACEHUB_API_TOKEN")
-    if token:
-        login(token=token)
-    else:
-        print("⚠️ 環境変数に Hugging Face トークンが設定されていません。公開モデルのみアクセス可能です。")
-
-    print("🔧 aipicasso/emix-0-5 モデルをダウンロード中...")
-    print("📝 モデル情報: Conterfeit XL v2.5 + Animagine v2.0 + Emix 0.4")
-
-    StableDiffusionXLPipeline.from_pretrained(
-        "aipicasso/emix-0-5",
-        torch_dtype=torch.float16,
-        use_safetensors=True
-    )
-
-    print("✅ ダウンロード完了！")
-    print("📂 キャッシュ場所: ~/.cache/huggingface/hub/")
-
-
-if __name__ == "__main__":
-    main()

utils/migrate_logs.py

@@ -1,173 +0,0 @@
-"""
-ログ移行スクリプト
-既存のgeneration_history.jsonを新しい統一ログフォーマットに移行
-
-実行方法:
-python utils/migrate_logs.py
-"""
-
-import json
-import os
-import sys
-from datetime import datetime
-from pathlib import Path
-
-# プロジェクトルートをPythonパスに追加
-project_root = Path(__file__).parent.parent
-sys.path.insert(0, str(project_root / "utils"))
-
-from unified_logger import UnifiedLogger
-
-
-def migrate_old_logs():
-    """既存のログを新しいフォーマットに移行"""
-    
-    old_log_file = "logs/generation_history.json"
-    backup_file = "logs/generation_history_backup.json"
-    
-    if not os.path.exists(old_log_file):
-        print("❌ 既存のログファイルが見つかりません")
-        return
-    
-    # バックアップ作成
-    with open(old_log_file, 'r', encoding='utf-8') as f:
-        old_data = json.load(f)
-    
-    with open(backup_file, 'w', encoding='utf-8') as f:
-        json.dump(old_data, f, ensure_ascii=False, indent=2)
-    
-    print(f"✅ 既存ログをバックアップしました: {backup_file}")
-    
-    # 統一ログ機能で移行
-    logger = UnifiedLogger()
-    
-    migration_count = 0
-    
-    if "generations" in old_data:
-        for old_entry in old_data["generations"]:
-            try:
-                # 旧フォーマットから新フォーマットへの変換
-                old_params = old_entry.get("parameters", {})
-                old_output = old_entry.get("output", {})
-                old_performance = old_entry.get("performance", {})
-                
-                # パラメータの変換
-                new_params = {
-                    "num_inference_steps": old_params.get("steps", 20),
-                    "guidance_scale": old_params.get("cfg_scale", 7.5),
-                    "width": old_params.get("width", 1024),
-                    "height": old_params.get("height", 1024),
-                    "seed": old_params.get("seed", None),
-                    "scheduler_type": old_params.get("scheduler", "default"),
-                    "eta": 0.0,  # 旧ログにはない
-                    "torch_dtype": "float16",  # 推定値
-                    "enable_xformers": True,  # 推定値
-                    "enable_cpu_offload": False  # 推定値
-                }
-                
-                # 追加情報
-                additional_info = {
-                    "migrated_from": "generation_history.json",
-                    "migration_date": datetime.now().isoformat(),
-                    "original_timestamp": old_entry.get("timestamp", "")
-                }
-                
-                # 新しいログエントリとして記録
-                generation_id = logger.log_generation(
-                    prompt=old_entry.get("prompt", ""),
-                    negative_prompt=old_entry.get("negative_prompt", ""),
-                    parameters=new_params,
-                    output_filepath=old_output.get("filepath", ""),
-                    execution_time=old_performance.get("execution_time_seconds", 0),
-                    additional_info=additional_info
-                )
-                
-                migration_count += 1
-                print(f"✅ 移行完了: {generation_id}")
-                
-            except Exception as e:
-                print(f"⚠️ エントリの移行に失敗: {e}")
-                continue
-    
-    print(f"\n🎉 移行完了: {migration_count} エントリを新しいフォーマットに移行しました")
-    
-    # 統計表示
-    stats = logger.get_statistics()
-    print(f"📊 総生成数: {stats['total_generations']} 枚")
-    print(f"📊 総実行時間: {stats['total_execution_time_hours']} 時間")
-    print(f"📊 平均実行時間: {stats['average_execution_time_seconds']} 秒")
-    
-    # 旧ファイルをリネーム
-    old_archived = "logs/generation_history_old.json"
-    os.rename(old_log_file, old_archived)
-    print(f"📦 旧ログファイルをアーカイブしました: {old_archived}")
-
-
-def test_new_logger():
-    """新しいログ機能のテスト"""
-    print("\n🧪 新しいログ機能のテスト...")
-    
-    logger = UnifiedLogger()
-    
-    # テストエントリ
-    test_params = {
-        "num_inference_steps": 25,
-        "guidance_scale": 7.5,
-        "width": 1024,
-        "height": 1024,
-        "seed": 12345,
-        "scheduler_type": "DPMSolver",
-        "eta": 0.0,
-        "torch_dtype": "float16",
-        "enable_xformers": True,
-        "enable_cpu_offload": False
-    }
-    
-    test_info = {
-        "test_mode": True,
-        "description": "ログ機能テスト"
-    }
-    
-    generation_id = logger.log_generation(
-        prompt="test prompt for new logging system",
-        negative_prompt="low quality, test",
-        parameters=test_params,
-        output_filepath="",  # テストなのでファイルなし
-        execution_time=45.67,
-        additional_info=test_info
-    )
-    
-    print(f"✅ テストエントリ作成: {generation_id}")
-    
-    # 作成したエントリを取得してテスト
-    entry = logger.get_generation_by_id(generation_id)
-    if entry:
-        print("✅ エントリ取得テスト成功")
-        print(f"   プロンプト: {entry['prompts']['main_prompt'][:50]}...")
-        print(f"   実行時間: {entry['performance']['execution_time_seconds']} 秒")
-        print(f"   パラメータ数: {len(entry['parameters'])} 個")
-    
-    # 検索テスト
-    search_results = logger.search_by_prompt("test prompt")
-    print(f"✅ 検索テスト: {len(search_results)} 件ヒット")
-    
-    print("🎉 新しいログ機能のテスト完了!")
-
-
-if __name__ == "__main__":
-    print("🔄 ログ移行プロセスを開始...")
-    
-    try:
-        migrate_old_logs()
-        test_new_logger()
-        
-        print("\n" + "=" * 60)
-        print("🎊 ログ移行が正常に完了しました!")
-        print("📄 新しいログファイル: logs/unified_generation_history.json")
-        print("📄 バックアップファイル: logs/generation_history_backup.json")
-        print("📄 旧ファイル: logs/generation_history_old.json")
-        
-    except Exception as e:
-        print(f"❌ 移行プロセスでエラーが発生しました: {e}")
-        import traceback
-        traceback.print_exc()

仮想環境への入り方.txt

@@ -1 +0,0 @@
-I:\jagirl_ui\.venv\Scripts\Activate.ps1