AI プロンプトで地図ストーリー生成

トピックを LLM に渡し、.trailpaint.json を生成、インポートすれば Commons から自動取得された写真とともに手描き風の地図ストーリーに。オープン JSON Schema で AI エージェントから直接参照可能。

このフォーマットとは？

.trailpaint.json は TrailPaint の「地図ストーリー」フォーマット：名前・中心点・番号付きスポット・ルート・オプションの歴史地図・CC 授権写真を含む JSON ドキュメント。LLM による生成と AI エージェントによる消費を想定して設計されています。

JSON Schema 2020-12 公開：https://trailpaint.org/schemas/project-v3.schema.json
Discovery：/.well-known/trailpaint（schema・例・@context vocab）
JSON-LD @context：エクスポートされたファイルには @context が含まれ、schema.org/TouristTrip + tp: vocab にマッピングされます。任意の JSON-LD パーサーで読めます。
ライセンス：GPL-3.0。サードパーティのパーサー / ジェネレーターを歓迎します。

ワークフロー

エディターを開く → 右下の「エクスポート」ボタン → 画像ダウンロードタブ
「AI プロンプトスタイル」を選択（和風手描き / 宝の地図 / カワイイ / ミニマル線画）
「AI プロンプトをコピー」
ChatGPT / Claude / Gemini に貼り付け、トピックを入力（例：「富士山登山 5 スポット」）
LLM が .trailpaint.json（photo_query バイリンガル検索フィールド付き）を返します
エディターの「インポート」→「JSON を貼り付け」で「Commons から自動取得」にチェック。TrailPaint が CC 授権写真を取得し、帰属を自動記録。

組み込み 4 スタイル

ハイキング Hiking

山岳スポット重視：三角点・山小屋・水場・危険地形・展望台。ルートに標高起伏の説明あり。アイコンは ⛰️ 🏕️ 💧。

宣教 Mission

宣教師の足跡重視：教会・病院・学校・原住民集落・殉教地。各スポットに年号・人物・歴史事件。アイコンは ⛪ 🏥 🏫。

歴史 History

歴史遺跡重視：古戦場・考古地・古城門・旧港。各スポットに王朝 / 年代・典拠。アイコンは 🏛️ ⚔️ 📜。

観光 Travel

観光体験重視：名所・グルメ・宿・交通ハブ。各スポットに推奨滞在時間と予算。アイコンは 📸 🍜 ☕ 🏨。

プロンプト例（v3.1 photo_query 付き）

Prompt

あなたはルート地図 JSON ジェネレーターです。トピック「{TOPIC}」に対して、
TrailPaint .trailpaint.json v3.1 形式（schema:
https://trailpaint.org/schemas/project-v3.schema.json）に準拠した
地図ドキュメントを生成してください：
- version: 3
- name: ルート名
- center: [lat, lng] 地図中心
- zoom: 13-15
- spots: 5-8 個、各項目に
    id/latlng/num/title/desc/iconId/photo_query
- routes: 1-2 本、pts: [[lat,lng], ...]
- iconId は ICONS から選択：home/church/camera/food/coffee/peak/...
- photo_query は「日本語 | English」のバイリンガル形式で、
  TrailPaint が Wikimedia Commons から自動取得できるように
JSON のみ返し、説明は加えないでください。

LLM 応答（抜粋）

{
  "version": 3,
  "name": "富士山須走ルート",
  "center": [35.3606, 138.7274],
  "zoom": 14,
  "spots": [
    { "id": "s1", "latlng": [35.3353, 138.7353],
      "num": 1, "title": "須走口五合目",
      "desc": "登山口。駐車場と売店あり。",
      "iconId": "camera",
      "photo_query": "富士山 須走口 五合目 | Mount Fuji Subashiri trailhead" },
    { "id": "s2", "latlng": [35.3606, 138.7274],
      "num": 2, "title": "富士山頂",
      "desc": "日本最高峰 3776m。",
      "iconId": "peak",
      "photo_query": "富士山頂 剣ヶ峰 | Mount Fuji summit Kengamine" }
  ],
  "routes": [
    { "id": "r1", "name": "須走ルート",
      "pts": [[35.3353,138.7353],[35.3606,138.7274]],
      "color": "blue",
      "elevations": null }
  ]
}

AI 開発者 / エージェント向け

TrailPaint フォーマットを使うエージェントやツールを構築する場合、以下は安定した参照可能なエンドポイントです：

JSON Schema：/schemas/project-v3.schema.json（JSON Schema 2020-12）
Well-known discovery：/.well-known/trailpaint
WebMCP：ホームページ inline で navigator.modelContext.provideContext() が open-trailpaint-editor と create-share-link を公開
サンプルファイル：/stories/paul/first-journey.trailpaint.json、/stories/xuanzang/west.trailpaint.json、/stories/taiwan-missionaries/barclay.trailpaint.json
エクスポートは JSON-LD を含む：エディターからエクスポートした .trailpaint.json は @context（schema.org + tp: vocab）と @type: ["TouristTrip", "tp:TrailStory"] を持ち、JSON-LD パーサーに直接渡せます
Authoritative フィールド：spots / routes が真のデータ；itinerary は AI エージェント向けの ItemList ミラー（各 itemListElement[i].item は Place + tp:Spot）。食い違う場合は spots を優先。インポート時に @context/@type/itinerary は strip され、native フィールドのみ信頼されます。

注意事項

座標の精度：LLM は有名ランドマークなら正確ですが、マイナーな地点は 100-500m ずれる可能性あり。インポート後に手動で微調整してください。
写真：LLM は data URL 写真を直接生成しません。代わりに photo_query を出力し、TrailPaint が Wikimedia Commons から CC 授権写真を自動取得します。自前の写真はインポート後に差し替え可能。
Schema バージョン：LLM には v3 を要求（schema ファイルは v3.1）。古いバージョンは自動マイグレーションされます。
LLM 推奨：Claude は構造化 JSON 出力が最も安定。ChatGPT / Gemini も使用可。

上級：ChatGPT-4V で写真 EXIF から直接生成

スマホのアルバムから 10 枚の写真を ChatGPT-4V に渡して「これらの EXIF から .trailpaint.json を作って」と指示すると、GPS 情報を読み取ってスポットを生成してくれます。ただし TrailPaint の「写真インポート」機能のほうが速く正確なので、このワークフローは「写真が他人の手元にあり、ファイルだけ受け取った」協業シーンに向いています。

エディターを起動 ← インポート