musubix 1.1.15 → 1.3.1

package/docs/evolution-from-musubi-to-musubix.md

@@ -21,7 +21,7 @@ AIコーディング支援ツールは急速に進化しています。本記事
 
 # TL;DR
 
-> **最新バージョン**: v1.1.10 | **62ドメイン対応** | **224コンポーネント** | **459テスト** | **17ベストプラクティス**
+> **最新バージョン**: v1.3.0 | **62ドメイン対応** | **243コンポーネント** | **752テスト** | **17ベストプラクティス**
 
 | 項目 | MUSUBI | MUSUBIX |
 |------|--------|---------|
@@ -54,7 +54,7 @@ AIコーディング支援ツールは急速に進化しています。本記事
 
 ### 対応AIエージェント
 
-MUSUBIは以下の7つの主要AIコーディングエージェントで動作します：
+MUSUBIは以下の7つの主要AIコーディングエージェントで動作します。
 
 | エージェント | 特徴 |
 |-------------|------|
@@ -68,9 +68,9 @@ MUSUBIは以下の7つの主要AIコーディングエージェントで動作
 
 ### Claude Code Agent Skills
 
-MUSUBIXは**Claude Code Agent Skills**に対応しています。`.github/skills/`フォルダにSKILL.mdファイルを配置することで、Claude Codeが専門的なワークフローを自動的に認識・実行できます。
+MUSUBIXは**GitHub Copilot**と**Claude Code**の両方のAgent Skillsに対応しています。v1.1.13から、`.github/skills/`と`.claude/skills/`の両方にスキルをコピーします。
 
-現在、**9つのスキル**が利用可能です：
+現在、**9つのスキル**が利用可能です。
 
 | スキル名 | 説明 |
 |---------|------|
@@ -86,6 +86,7 @@ MUSUBIXは**Claude Code Agent Skills**に対応しています。`.github/skills
 
 スキルファイルの配置:
 ```
+# GitHub Copilot用
 .github/skills/
 ├── musubix-sdd-workflow/SKILL.md      # コアワークフロー
 ├── musubix-ears-validation/SKILL.md   # 要件検証
@@ -96,6 +97,14 @@ MUSUBIXは**Claude Code Agent Skills**に対応しています。`.github/skills
 ├── musubix-adr-generation/SKILL.md    # ADR生成
 ├── musubix-best-practices/SKILL.md    # ベストプラクティス
 └── musubix-domain-inference/SKILL.md  # ドメイン推論
+
+# Claude Code用 (同一内容のコピー)
+.claude/skills/
+└── (同様の構造)
+
+# AIエージェントガイド
+AGENTS.md       # GitHub Copilot用
+CLAUDE.md       # Claude Code用 (v1.1.14+)
 ```
 
 ## 1.2 主な特徴
@@ -333,11 +342,15 @@ flowchart TB
 
 ```mermaid
 flowchart TB
-    subgraph MUSUBIX["MUSUBIX System v1.0.20"]
-        subgraph Packages["パッケージ構成"]
-            Core["@nahisaho/musubix-core<br/>77モジュール | 62ドメイン | 224コンポーネント"]
-            MCP["@nahisaho/musubix-mcp-server<br/>9ツール, 6プロンプト"]
+    subgraph MUSUBIX["MUSUBIX System v1.3.0"]
+        subgraph Packages["パッケージ構成（7パッケージ）"]
+            Core["@nahisaho/musubix-core<br/>224コンポーネント | 62ドメイン"]
+            MCP["@nahisaho/musubix-mcp-server<br/>16ツール, 3プロンプト"]
             YATA_Client["@nahisaho/musubix-yata-client"]
+            PatternMCP["@nahisaho/musubix-pattern-mcp<br/>パターン学習"]
+            OntologyMCP["@nahisaho/musubix-ontology-mcp<br/>N3Store推論"]
+            WakeSleep["@nahisaho/musubix-wake-sleep<br/>学習サイクル"]
+            SDDOntology["@nahisaho/musubix-sdd-ontology"]
         end
         
         subgraph Integration["統合レイヤー"]
@@ -345,11 +358,15 @@ flowchart TB
             CE["ConfidenceEvaluator"]
             CD["ContradictionDetector"]
             LS["LearningSystem"]
+            WS["WakeSleepCycle"]
         end
         
         Core --> Integration
         MCP --> Integration
         YATA_Client --> Integration
+        PatternMCP --> Integration
+        OntologyMCP --> Integration
+        WakeSleep --> Integration
     end
     
     subgraph External["外部システム"]
@@ -718,26 +735,39 @@ approvalWorkflow.transition('pending', 'approve'); // 'approved'
 reservationWorkflow.transition('tentative', 'confirm'); // 'confirmed'
 ```
 
-## 4.4 MCPサーバー（9ツール、6プロンプト）
+## 4.4 MCPサーバー（16ツール、3プロンプト）
+
+v1.3.0では、従来の9ツールに加えて**7つの新しいパターン統合ツール**を追加しました。
 
 ```mermaid
 flowchart TB
     subgraph MCPServer["MCP Server"]
-        subgraph Tools["9 Tools"]
-            T1[要件系ツール]
-            T2[設計系ツール]
-            T3[コード系ツール]
-            T4[テスト系ツール]
-            T5[説明系ツール]
+        subgraph SDDTools["SDD基本ツール（9ツール）"]
+            T1[sdd_create_requirements]
+            T2[sdd_validate_requirements]
+            T3[sdd_create_design]
+            T4[sdd_validate_design]
+            T5[sdd_create_tasks]
+            T6[sdd_query_knowledge]
+            T7[sdd_update_knowledge]
+            T8[sdd_validate_constitution]
+            T9[sdd_validate_traceability]
         end
         
-        subgraph Prompts["6 Prompts"]
+        subgraph PatternTools["パターン統合ツール（7ツール）- v1.3.0 NEW!"]
+            PT1[pattern_extract]
+            PT2[pattern_compress]
+            PT3[pattern_store]
+            PT4[pattern_query]
+            PT5[pattern_consolidate]
+            PT6[ontology_query]
+            PT7[ontology_infer]
+        end
+        
+        subgraph Prompts["3 Prompts"]
             P1[sdd_requirements_analysis]
             P2[sdd_requirements_review]
             P3[sdd_design_generation]
-            P4[sdd_design_review]
-            P5[sdd_task_decomposition]
-            P6[sdd_project_steering]
         end
     end
     
@@ -786,6 +816,287 @@ flowchart LR
 - 機密情報の自動フィルタリング
 - 外部サーバーへのデータ送信なし
 
+## 4.6 シンボリック推論モジュール（v1.2.0）
+
+v1.2.0では、**シンボリック推論モジュール**（`packages/core/src/symbolic/`）を新規追加しました。これはNeuro-Symbolic AIの核心部分であり、**LLMの創造的な出力**と**形式的検証の厳密性**を融合させる画期的な機能です。
+
+### なぜシンボリック推論が必要か？
+
+LLM（Large Language Model）は強力なコード生成能力を持つ一方、以下の問題を抱えています。
+
+1. **幻覚（Hallucination）**: 存在しない関数やライブラリを生成することがある
+2. **一貫性の欠如**: 同じ質問に対して異なる回答を返すことがある
+3. **検証不能**: 生成されたコードが仕様を満たすか数学的に証明できない
+4. **セキュリティリスク**: 脆弱性を含むコードを生成する可能性がある
+
+シンボリック推論モジュールは、これらの問題に対して**形式的手法**で対処します。
+
+| 問題 | シンボリック解決策 |
+|-----|------------------|
+| 幻覚 | `HallucinationDetector` が未定義シンボルを検出 |
+| 一貫性 | `ConstitutionRuleRegistry` が9憲法条項への準拠を強制 |
+| 検証不能 | `Z3Adapter` がSMTソルバーで数学的に検証 |
+| セキュリティ | `SecurityScanner` がOWASP Top 10パターンを検出 |
+
+### アーキテクチャ（3フェーズ構成）
+
+```mermaid
+flowchart TB
+    subgraph Phase1["Phase 1: 基盤"]
+        P1A[SemanticCodeFilterPipeline<br/>LLM出力の意味検証]
+        P1B[HallucinationDetector<br/>幻覚検出]
+        P1C[ConstitutionRuleRegistry<br/>9憲法条項の強制]
+        P1D[ConfidenceEstimator<br/>信頼度スコアリング]
+        P1E[ConfidenceBasedRouter<br/>ルーティング決定]
+        P1F[ErrorHandler<br/>グレースフルデグラデーション]
+    end
+    
+    subgraph Phase2["Phase 2: 形式検証"]
+        P2A[EarsToFormalSpecConverter<br/>EARS → SMT-LIB変換]
+        P2B[VerificationConditionGenerator<br/>検証条件生成]
+        P2C[Z3Adapter<br/>Z3 SMTソルバー統合]
+        P2D[SecurityScanner<br/>OWASPパターン検出]
+    end
+    
+    subgraph Phase3["Phase 3: 高度機能"]
+        P3A[CandidateRanker<br/>複数候補のスコアリング]
+        P3B[ResultBlender<br/>Neural/Symbolic結果統合]
+        P3C[ExtensibleRuleConfig<br/>YAML/JSONルール設定]
+        P3D[AuditLogger<br/>SHA-256改ざん検出]
+        P3E[PerformanceBudget<br/>SLOメトリクス]
+        P3F[QualityGateValidator<br/>品質ゲート検証]
+    end
+    
+    Phase1 --> Phase2 --> Phase3
+```
+
+### Phase 1: 基盤コンポーネント
+
+LLM出力の基本的な品質保証を担当します。
+
+| コンポーネント | 機能 | 詳細 |
+|--------------|------|------|
+| **SemanticCodeFilterPipeline** | 意味的検証パイプライン | AST解析、型推論、依存関係検証を連鎖実行 |
+| **HallucinationDetector** | 幻覚検出 | 未定義シンボル、存在しないパッケージ、無効なAPIを検出 |
+| **ConstitutionRuleRegistry** | 憲法準拠チェック | 9憲法条項への違反を自動検出（Library-First、Test-First等） |
+| **ConfidenceEstimator** | 信頼度スコアリング | 複数の指標から0.0〜1.0の信頼度を算出 |
+| **ConfidenceBasedRouter** | ルーティング決定 | 信頼度に基づいてNeural/Symbolic処理を振り分け |
+| **ErrorHandler** | グレースフルデグラデーション | 検証失敗時の段階的フォールバック |
+
+### Phase 2: 形式検証コンポーネント
+
+数学的・形式的な検証を担当します。
+
+| コンポーネント | 機能 | 詳細 |
+|--------------|------|------|
+| **EarsToFormalSpecConverter** | EARS → SMT-LIB変換 | 自然言語要件を形式仕様に変換 |
+| **VerificationConditionGenerator** | 検証条件生成 | 事前条件、事後条件、ループ不変条件を生成 |
+| **Z3Adapter** | SMTソルバー統合 | Microsoft Z3による数学的証明（充足可能性判定） |
+| **SecurityScanner** | 脆弱性検出 | OWASP Top 10パターン（SQLi, XSS, CSRF等）を検出 |
+
+### Phase 3: 高度機能コンポーネント
+
+複数候補の評価と結果統合を担当します。
+
+| コンポーネント | 機能 | 詳細 |
+|--------------|------|------|
+| **CandidateRanker** | 候補スコアリング | 複数の生成候補を品質・適合性でランキング |
+| **ResultBlender** | 結果統合 | Neural結果とSymbolic結果を戦略的に統合 |
+| **ExtensibleRuleConfig** | ルール設定 | YAML/JSONでカスタムルールを定義可能 |
+| **AuditLogger** | 監査ログ | SHA-256ハッシュで改ざんを検出可能な監査証跡 |
+| **PerformanceBudget** | SLOメトリクス | レイテンシ、メモリ使用量のSLO監視 |
+| **QualityGateValidator** | 品質ゲート | 要件→設計→実装の各段階で品質基準を強制 |
+
+### ResultBlender: Neural-Symbolic統合の核心
+
+ResultBlenderは、LLM（Neural）の出力とシンボリック推論の結果を統合する中核コンポーネントです。3つの戦略を提供します。
+
+```typescript
+// 1. neural_priority: ニューラル結果を優先
+// シンボリック検証をパスした場合のみニューラル結果を採用
+// ユースケース: 創造的なコード生成、新しいアルゴリズム設計
+blender.blend(neuralResult, symbolicResult, 'neural_priority');
+
+// 2. symbolic_priority: シンボリック結果を優先
+// 形式的に正しい結果を優先し、ニューラルは補助的に使用
+// ユースケース: セキュリティクリティカルなコード、金融計算
+blender.blend(neuralResult, symbolicResult, 'symbolic_priority');
+
+// 3. weighted: 信頼度に基づく重み付け統合
+// 両方の結果を信頼度スコアで重み付けして統合
+// ユースケース: 一般的なコード生成、バランスの取れた出力
+blender.blend(neuralResult, symbolicResult, 'weighted');
+```
+
+### 信頼度ベースの決定ルール（REQ-INT-002準拠）
+
+```typescript
+// シンボリック検証とニューラル信頼度の組み合わせ
+if (symbolicResult === 'invalid') {
+  // シンボリック検証失敗 → ニューラル結果を棄却
+  return reject(neuralResult);
+} else if (symbolicResult === 'valid' && neuralConfidence >= 0.8) {
+  // 高信頼度 → ニューラル結果を採用
+  return accept(neuralResult);
+} else {
+  // 低信頼度 → シンボリック結果を優先
+  return prefer(symbolicResult);
+}
+```
+
+この決定ルールにより、**LLMの創造性を活かしつつ、形式的な正しさを保証**します。
+
+## 4.7 Wake-Sleep学習サイクル（v1.3.0）
+
+v1.3.0では、**Wake-Sleepアルゴリズム**に基づく継続的学習システムを導入しました。これは神経科学の「睡眠中に記憶を整理・統合する」メカニズムに着想を得た学習パラダイムです。
+
+### なぜWake-Sleep学習が必要か？
+
+従来のAIコーディングアシスタントには以下の課題がありました。
+
+1. **学習の断絶**: セッション終了後に学習内容が失われる
+2. **パターンの冗長性**: 似たようなパターンが重複して蓄積される
+3. **知識の断片化**: 学習したパターンが体系化されない
+4. **メモリの肥大化**: 無制限にデータが増加し性能が低下する
+
+Wake-Sleep学習サイクルは、これらの問題を解決します。
+
+| 課題 | Wake-Sleep解決策 |
+|-----|------------------|
+| 学習の断絶 | `PatternLibrary` による永続化（JSON形式） |
+| パターンの冗長性 | Sleep Phaseでの `pattern_consolidate`（類似統合） |
+| 知識の断片化 | `N3Store` によるRDF/OWL体系化 |
+| メモリの肥大化 | Sleep Phaseでの `pattern_compress`（抽象化圧縮） |
+
+### Wake-Sleepサイクルの詳細
+
+```mermaid
+flowchart LR
+    subgraph WakePhase["Wake Phase（覚醒）"]
+        W1[コード観察] --> W2[パターン抽出]
+        W2 --> W3[知識グラフ更新]
+    end
+    
+    subgraph SleepPhase["Sleep Phase（睡眠）"]
+        S1[パターン統合] --> S2[類似パターン圧縮]
+        S2 --> S3[メモリ最適化]
+    end
+    
+    WakePhase --> SleepPhase
+    SleepPhase --> WakePhase
+```
+
+#### Wake Phase（覚醒フェーズ）
+
+開発者がアクティブにコーディングしている間に実行されます。
+
+```typescript
+// Wake Phaseの処理フロー
+async function wakePhase(codeObservation: CodeObservation): Promise<void> {
+  // 1. コード観察: 開発者の操作を監視
+  const observation = await observe(codeObservation);
+  
+  // 2. パターン抽出: コードから設計パターン・コーディングパターンを検出
+  const patterns = await extractPatterns(observation);
+  
+  // 3. 知識グラフ更新: 抽出したパターンをオントロジーに追加
+  await updateKnowledgeGraph(patterns);
+}
+```
+
+| ステップ | 処理内容 | 出力 |
+|---------|----------|------|
+| コード観察 | ファイル変更、関数追加、リファクタリングを検出 | `CodeObservation` |
+| パターン抽出 | Factory, Repository, Service等のパターンを識別 | `Pattern[]` |
+| 知識グラフ更新 | RDFトリプルとして知識グラフに永続化 | `N3Store` 更新 |
+
+#### Sleep Phase（睡眠フェーズ）
+
+開発者がアイドル状態（休憩中、ミーティング中等）に実行されます。
+
+```typescript
+// Sleep Phaseの処理フロー
+async function sleepPhase(): Promise<void> {
+  // 1. パターン統合: 類似パターンをグループ化
+  const consolidated = await consolidatePatterns();
+  
+  // 2. 圧縮: 冗長な詳細を抽象化
+  const compressed = await compressPatterns(consolidated);
+  
+  // 3. メモリ最適化: 使用頻度の低いパターンを整理
+  await optimizeMemory(compressed);
+}
+```
+
+| ステップ | 処理内容 | 効果 |
+|---------|----------|------|
+| パターン統合 | 類似度90%以上のパターンをマージ | パターン数削減 |
+| 圧縮 | 具体的な変数名を抽象化（`userId` → `<identifier>`） | 汎用性向上 |
+| メモリ最適化 | 30日未使用パターンをアーカイブ | 検索性能維持 |
+
+### 新パッケージ（v1.3.0で追加）
+
+| パッケージ | npm | 役割 |
+|-----------|-----|------|
+| `packages/pattern-mcp/` | `@nahisaho/musubix-pattern-mcp` | パターン抽出・圧縮・ライブラリ管理 |
+| `packages/ontology-mcp/` | `@nahisaho/musubix-ontology-mcp` | N3Store・RDF推論エンジン |
+| `packages/wake-sleep/` | `@nahisaho/musubix-wake-sleep` | Wake-Sleep学習サイクル制御 |
+| `packages/sdd-ontology/` | `@nahisaho/musubix-sdd-ontology` | SDD方法論のオントロジー定義 |
+
+### 主要コンポーネント詳細
+
+| コンポーネント | 機能 | 詳細 |
+|--------------|------|------|
+| **WakeSleepCycle** | サイクルオーケストレーション | Wake/Sleepフェーズの切り替え、スケジューリング、状態管理 |
+| **PatternLibrary** | パターン永続化 | JSON形式で学習済みパターンを保存、バージョン管理、検索API |
+| **PatternOntologyBridge** | 相互変換 | `Pattern` オブジェクト ↔ RDFトリプルの双方向変換 |
+| **N3Store** | 知識グラフDB | Turtle形式のRDF/OWLストレージ、SPARQLライクなクエリ |
+| **PatternExtractor** | パターン検出 | AST解析によるGoFパターン、アーキテクチャパターンの検出 |
+| **PatternCompressor** | パターン圧縮 | 類似パターンの抽象化、変数名の一般化 |
+
+### 新MCPツール（7ツール）
+
+Wake-Sleep学習機能をMCPプロトコル経由で利用可能にします。
+
+| ツール名 | 説明 | ユースケース |
+|---------|------|-------------|
+| `pattern_extract` | コードからパターンを抽出 | 既存コードベースの分析 |
+| `pattern_compress` | パターンの抽象化・圧縮 | 冗長パターンの整理 |
+| `pattern_store` | パターンライブラリへの保存 | 学習結果の永続化 |
+| `pattern_query` | パターンの検索・取得 | 類似実装の発見 |
+| `pattern_consolidate` | 類似パターンの統合 | Sleep Phase実行 |
+| `ontology_query` | オントロジーグラフへのクエリ | 知識検索 |
+| `ontology_infer` | オントロジーによる推論実行 | 関連パターン推論 |
+
+### 学習データの保存場所
+
+```
+storage/
+├── patterns/
+│   └── library.json    # パターンライブラリ（JSON）
+│                       # 形式: { patterns: Pattern[], metadata: {...} }
+└── ontology/
+    └── n3-store.ttl    # 知識グラフ（Turtle RDF）
+                        # 形式: @prefix sdd: <http://musubix.dev/ontology/sdd#>
+```
+
+### 学習効果の例
+
+Wake-Sleep学習サイクルにより、以下のような効果が得られます。
+
+```typescript
+// 学習前: 開発者が毎回同じパターンを手書き
+class UserRepository {
+  async findById(id: string): Promise<User | null> { ... }
+  async save(user: User): Promise<void> { ... }
+}
+
+// 学習後: システムが自動でパターンを提案
+// 「Repository パターンを検出しました。
+//   類似実装: ProductRepository, OrderRepository
+//   推奨メソッド: findAll(), delete(), exists()」
+```
+
 # 5. 9つの憲法条項
 
 MUSUBIXは、MUSUBIから継承した **9つの憲法条項（Constitutional Articles）** を遵守します。これらは開発プロセス全体を統治する不変の原則であり、AIコーディングエージェントが従うべきガバナンスフレームワークです。
@@ -1129,17 +1440,17 @@ claude mcp list
 
 ```mermaid
 flowchart TD
-    Start[MUSUBIXを使いたい] --> Q1{MCPを使う<br/>環境がある？}
+    Start[MUSUBIXを使いたい] --> Q1{MCPを使う環境がある？}
     
-    Q1 -->|はい| Q2{高度な機能が<br/>必要？}
+    Q1 -->|はい| Q2{高度な機能が<br>必要？}
     Q1 -->|いいえ| Direct[方法1: 直接利用]
     
     Q2 -->|はい| MCP[方法2: MCP経由]
     Q2 -->|いいえ| Both[両方併用]
     
-    Direct --> Use1[AGENTS.md + プロンプト<br/>で日常開発]
-    MCP --> Use2[MCPツールで<br/>高度な検証・分析]
-    Both --> Use3[普段は直接利用<br/>必要時にMCP]
+    Direct --> Use1[AGENTS.md + プロンプトで日常開発]
+    MCP --> Use2[MCPツールで<br>高度な検証・分析]
+    Both --> Use3[普段は直接利用<br>必要時にMCP]
 ```
 
 | シナリオ | 推奨方法 |
@@ -1164,4 +1475,4 @@ flowchart TD
 **著者**: nahisaho  
 **公開日**: 2026-01-02  
 **更新日**: 2026-01-05  
-**バージョン**: v1.1.10
+**バージョン**: v1.3.0