LoL2LLM
ガイド一覧に戻る
AIの使い方

LoL2LLM がエクスポートする JSON フィールド完全ガイド

読了時間 約6分

LoL2LLM が出力する JSON のフィールド構造と、なぜそのフィールドを含めているのかを解説。AI に何を渡しているかを理解すると、プロンプトの精度が上がる。

オリアナ

CHAMPION LENS

オリアナ

この記事で見るチャンピオン
ノクターン
エズリアル
ノーチラス
フィオラ

LoL2LLM は試合データを「AI が文脈を取り違えにくい形」に整形してから JSON に書き出している。 チェックボックスでカテゴリを選択したとき、それぞれが何を意味するかを把握しておくと、ChatGPT や Claude に貼ったときの分析精度が大きく変わる。 ここでは出力 JSON の主要トップレベルキーと、その内側にあるフィールドの意図を解説する。

context: 試合の前提条件

context.meta にはモード(ランクソロ、ノーマル、ARAM)、試合長、パッチバージョン、勝敗結果が入る。 パッチは特に重要で、AI に渡したときに「14.10 のメタではこのチャンピオンは弱体化されているので…」のような時代ズレを防ぐ。 試合長は KDA・CS の正規化に使われる。20 分試合の 6/0/2 と 40 分試合の 6/0/2 はまったく別の意味だからだ。

context.teamMacro にはバン、ドラゴン・バロン取得状況、チーム全体のゴールド・キル数が入る。 これは「自分のスタッツが孤立した結果ではなく、チーム文脈の中での結果である」ことを AI に伝えるために必須。 チームが 30 キルしているのに自分が 5 キルしか取れていないなら、それはマクロでの参加度を疑うべきサイン。

myPerformance: 自分のスタッツ

自分((Me) でマークされるプレイヤー)に絞ったスタッツが入る。 サブカテゴリは combat(戦闘)/economy(経済)/vision(視界)/loadout(ビルド) の 4 つ。

participants: 他プレイヤーの相対評価

自分以外の 9 人のスタッツを alliesenemies に分けて格納する。 一見冗長に見えるが、これがないと AI は「あなたの 6/2/8 が良いのか悪いのか」を判定できない。 チーム平均と比べた相対値、敵のキャリーとの直接比較がここで初めて可能になる。

laneOpponent: 対面比較(最重要セクション)

laneOpponent には自分と同じレーンを担当した敵プレイヤーのフルスタッツが入る。 このセクションはレーンフェーズの評価で決定的に重要。 AI に「対面との CS 差、与ダメージ差、デス数差を計算してレーン勝敗を判定せよ」と頼むだけで、感覚に頼らない客観評価が返ってくる。

サポートだけ例外で、対面 = 同じく敵サポート。 ダメージシェアやコントロールワード数で比較すると、エンゲージ役がきちんと仕事をしたか、ピール役が味方を守れたかが見える。

ユーザーネーム匿名化オプション

エクスポート画面の 「ユーザーネームを隠す」 をオンにすると、全プレイヤーのゲーム名が Player1Player10 に置換される。 自分のプレイを公開で議論したい場合(Reddit、Discord、SNS)や、他人の試合を晒したくないとき推奨。 AI 分析の品質には影響しない。

チェックを入れすぎないコツ

全カテゴリを選んで送ると JSON が肥大化し、AI が情報過多で重要点を見逃す。 目的別の推奨セット:

フィールドの意味を理解すると「この試合は集団戦が問題だった」と分かったときに必要なカテゴリだけ選べる。 AI への質問が具体的になり、回答も具体的になる。

自分の試合でも試す

Riot IDで検索して、試合データをAI分析向けJSONとしてエクスポート。


他のガイドを読む
Ahri
AIの使い方 · 9分

ChatGPTでLoLの試合を振り返る方法:そのまま使えるプロンプト例

ChatGPTやClaudeに試合データを正しく渡し、次の1試合で試せる改善点を引き出す手順を解説。JSONの用意から、ロール別プロンプト、回答の確かめ方までまとめます。

読む
Jhin
AIの使い方 · 8分

目的別:ChatGPT・ClaudeにLoLの試合を分析させるプロンプト

コーチ、辛口、ポジティブ、実況、データ分析の5モードを目的別に使い分け、試合固有の回答へ絞り込む追記方法を紹介します。

読む
Aurora
AIの使い方 · 7分

AIのLoL分析が外れる5つの場面と、回答を整えるプロンプト

ChatGPTやClaudeのLoL分析で起こりやすい誤りを5つに整理。パッチ差、ランク基準、ビルド評価、KDA偏重、因果の取り違えを防ぐ聞き方を紹介します。

読む