musubix 2.1.0 → 2.2.0

package/docs/overview/Neuro-SymbolicAI.md

@@ -1,159 +0,0 @@
-# Neuro-Symbolic AIのソフトウェア開発ツールへの実用化状況
-
-Neuro-Symbolic AI（記号的推論とニューラルネットワークの統合）は、**形式検証・定理証明の分野で最も成熟した実用化**が進んでいる。商用コーディングツールでは「真の統合」よりも「ニューラル主導+記号的コンテキスト補強」が主流であり、JetBrains AI AssistantとMicrosoft PROSE/FlashMetaが最も深い統合を実現している。DeepMind AlphaProof（IMO銀メダル相当）、MIT DreamCoder（ライブラリ学習）、IBM LNN（論理ニューラルネットワーク）が技術的に最先端のアプローチを示す。
-
-## カテゴリ別の実用化事例一覧
-
-### 1. 形式検証・定理証明ツール（最も成熟した領域）
-
-| ツール名 | 開発元 | 記号的コンポーネント | ニューラルコンポーネント | 統合アーキテクチャ | 実用化レベル |
-|---------|--------|---------------------|------------------------|------------------|------------|
-| **AlphaProof** | DeepMind | Lean証明検証カーネル | Gemini + AlphaZeroのRL | 探索木+強化学習（Test-Time RL） | 研究（Nature 2025） |
-| **LeanDojo/ReProver** | Caltech | Lean 4証明支援系 | ByT5（**299M**パラメータ）+ 検索拡張 | ベストファースト探索 | **製品利用可**（MIT） |
-| **Lean Copilot** | Caltech | Lean 4 ネイティブ | ReProverモデル | FFI経由でLLM推論 | **製品利用可**（MIT） |
-| **AutoVerus** | Microsoft Research | Verus（Rust用SMT検証器） | GPT-4oマルチエージェント | 3フェーズワークフロー | 研究（OOPSLA 2025） |
-| **Baldur** | UMass/Google | Isabelle/HOL | Minerva系LLM | 全証明生成+エラー修復 | 研究 |
-| **Thor** | Cambridge/Warsaw | Isabelle + Sledgehammer | Transformer | LLM+自動定理証明器統合 | 研究 |
-| **Tactician** | Radboud/CTU | Coq（プラグイン） | K-NN/GNN（Graph2Tac） | オンライン学習 | **製品利用可** |
-
-AlphaProofは2024年国際数学オリンピックで**銀メダル相当（28/42点、6問中4問解決）**を達成した。LeanDojoは**1GPUで1週間の学習**という低コストで高性能を実現し、オープンソースで公開されている。
-
-### 2. プログラム合成・修復ツール
-
-| ツール名 | 開発元 | 記号的コンポーネント | ニューラルコンポーネント | 統合パターン | 実用化レベル |
-|---------|--------|---------------------|------------------------|------------|------------|
-| **DreamCoder** | MIT | 型指向列挙探索 + E-graph | 認識モデル（構造予測） | Wake-Sleep学習 | 研究（PLDI 2021） |
-| **DeepCoder** | Microsoft Research | DFS/SMT/λ² | 関数出現確率予測NN | Neural as Search Guidance | 研究 |
-| **AlphaCode** | DeepMind | 実行フィルタリング+クラスタリング | Transformer（**41.4B**パラメータ） | 大量生成→記号フィルタ | 研究 |
-| **PROSE/FlashMeta** | Microsoft | 演繹的合成（Witness関数） | NGDS拡張（分岐スコアリング） | Symbolic→Neural | **商用（Excel等に搭載）** |
-| **RobustFill** | Microsoft Research | FlashFill DSL出力 | Attention付きSeq2Seq | End-to-End | 研究 |
-| **Neural Program Repair** | 各種 | テスト検証、AST制約 | Seq2Seq/Transformer | 生成→検証ループ | 研究/一部ツール |
-
-DreamCoderは**10^72年のブルートフォース探索**を要する問題を解決可能にする階層的ライブラリを学習できる。Microsoft PROSEは**Excel Flash Fill**、**PowerShell 3.0**、**Azure OMS**等に実際に搭載された唯一の商用化事例。
-
-### 3. 知識グラフ・コード構造ベースツール
-
-| ツール名 | 開発元 | グラフ/知識表現 | ニューラルコンポーネント | 用途 | 実用化レベル |
-|---------|--------|---------------|------------------------|------|------------|
-| **GraphGen4Code** | IBM Research | RDF名前付きグラフ（**20億+トリプル**） | GNN、言語モデル統合 | コード理解、AutoML | **オープンソース**（EPL-2.0） |
-| **GraphCodeBERT** | Microsoft | データフローグラフ（DFG） | Transformer（RoBERTaベース） | コード検索、クローン検出 | **オープンソース**（Apache 2.0） |
-| **Code2Vec/Code2Seq** | Technion | AST パス表現 | Path-Attention Network | コード埋め込み | オープンソース |
-| **CodeOntology** | 大学研究 | OWL 2オントロジー（RDF） | SPARQL + ニューラルランキング | コード検索 | 研究プロトタイプ |
-| **Sourcegraph Cody** | Sourcegraph | コードグラフ + SCIP/LSIFインデックス | Claude 3/GPT | コードインテリジェンス | **商用** |
-
-GraphCodeBERTは**データフローグラフを構造として組み込んだ初のプリトレインモデル**で、コード検索・クローン検出・翻訳・改善の全タスクでSOTA（ICLR 2021）。
-
-### 4. 商用AIコーディングツール
-
-| ツール名 | 開発元 | 記号的統合度 | 技術的特徴 | 評価 |
-|---------|--------|------------|----------|------|
-| **JetBrains AI Assistant** | JetBrains | **最高** | 20年以上のPSI（Program Structure Interface）静的解析基盤上にLLM | 真のハイブリッド |
-| **Sourcegraph Cody** | Sourcegraph | 高 | コードグラフ + 検索 + LLM | 検索主導型 |
-| **Tabnine** | Tabnine | 中 | グラフベースRAG、エンタープライズコンテキスト | RAG重視 |
-| **GitHub Copilot** | Microsoft/OpenAI | 低 | スニペット抽出、ヒューリスティックコンテキスト | ニューラル主導 |
-| **Cursor** | Anysphere | 低-中 | 埋め込み + AST | AI-native IDE |
-| **Amazon Q Developer** | AWS | 中-低 | CodeGuruセキュリティ統合 | セキュリティ補強 |
-
-JetBrains AI Assistantは**PSI（クラス階層分析、依存関係グラフ、型チェック）**という20年以上の静的解析インフラの上にLLMを配置し、真のNeuro-Symbolic統合を実現している。
-
-### 5. テスト自動化・バグ検出ツール
-
-| ツール名 | 開発元 | 記号的コンポーネント | ニューラルコンポーネント | 用途 | 実用化レベル |
-|---------|--------|---------------------|------------------------|------|------------|
-| **Amazon CodeGuru** | AWS | 自動推論、テイント分析 | ロジスティック回帰 + CNN | セキュリティ、コードレビュー | **商用** |
-| **Snyk DeepCode AI** | Snyk | 記号ルール、テイント分析 | LLM（修正生成） | セキュリティ自動修正 | **商用** |
-| **Semgrep + AI** | Semgrep | パターンベース静的解析 | GPT-4（トリアージ） | セキュリティ、偽陽性削減 | **商用** |
-| **SonarQube + AI** | SonarSource | 静的解析ルール | AI CodeFix（LLM修正） | コード品質 | **商用** |
-| **Facebook Infer** | Meta | 双方向帰納、分離論理 | 限定的 | バグ検出 | **商用**（オープンソース） |
-| **DeepBugs** | UC Berkeley | AST抽出 | Word2Vec + NN分類器 | 名前ベースバグ | 研究 |
-| **BugLab** | Microsoft Research | グラフ表現（AST, DFG, CFG） | GNN（自己教師学習） | バグ検出・修復 | 研究 |
-| **NEUZZ** | 研究 | - | NN（勾配誘導） | ファジング | 研究 |
-
-Snyk DeepCode AIは**LLM生成の修正を記号ルールで再検証**してから適用する「ハイブリッドAI検証」を実装し、ハルシネーション防止を実現している。
-
-### 6. 大企業の研究開発成果
-
-| 企業 | 主要プロジェクト | Neuro-Symbolicアプローチ | 特徴 |
-|-----|----------------|------------------------|------|
-| **IBM** | Logical Neural Networks（LNN）、CodeNet | **真のNeuro-Symbolic統合**（各ニューロン=論理式） | 解釈可能、少データ学習 |
-| **DeepMind** | AlphaProof、AlphaGeometry、AlphaCode | ニューラル + 形式証明システム | 数学的厳密性 |
-| **Microsoft** | Semantic Kernel、PROSE、Copilot | プラグインベース統合、RAG | エンタープライズ対応 |
-| **Meta** | LLaMA、Code LLaMA、Infer | ニューラル主導 + 安全ガードレール | オープンソース重視 |
-| **Amazon** | CodeGuru、Q Developer | ML + 自動推論 + 静的解析 | AWSエコシステム統合 |
-| **Salesforce** | CodeT5/CodeT5+ | 識別子認識プリトレーニング | コード意味論重視 |
-| **NVIDIA** | NeMo Agent Toolkit | エージェント統合、形式評価 | GPU最適化 |
-
-IBM LNN（Logical Neural Networks）は**各ニューロンが重み付き実数値論理式を表現**する革新的アーキテクチャで、全方向推論と劇的なデータ効率を実現。DeepMind AlphaGeometryは**金メダリストレベル（30問中25問解決）**のオリンピアド幾何学問題を解決。
-
-## Neuro-Symbolic統合アーキテクチャの類型分類
-
-調査結果から、以下の**6つの主要な統合パターン**が識別された：
-
-**1. Neural as Search Guidance（ニューラル探索誘導型）**
-- ニューラルモデルが探索分岐をスコアリング・優先順位付け
-- 例：DeepCoder、DreamCoder、NGDS、Thor
-- 特徴：記号的正確性を維持しつつ探索効率を10-100倍向上
-
-**2. Neural Generator + Symbolic Filter（生成→フィルタ型）**
-- ニューラルで大量生成し、記号的に検証・フィルタリング
-- 例：AlphaCode、Snyk DeepCode AI、AlphaProof
-- 特徴：ニューラルの生成力と記号的正確性の両立
-
-**3. Symbolic→Neural Context Augmentation（記号的コンテキスト補強型）**
-- 記号的分析（AST、型、依存関係）をLLMコンテキストとして供給
-- 例：JetBrains AI、Sourcegraph Cody、GraphCodeBERT
-- 特徴：既存の静的解析資産を活用
-
-**4. Interleaved Wake-Sleep（交互学習型）**
-- ニューラル学習と記号的抽象化を交互に実行
-- 例：DreamCoder、GPT-f/PACT
-- 特徴：概念ライブラリの自動成長
-
-**5. Formal Proof in the Loop（形式証明ループ型）**
-- ニューラル生成→形式検証器→フィードバック→再生成
-- 例：AutoVerus、Baldur、LeanDojo
-- 特徴：数学的に保証された正確性
-
-**6. Differentiable Symbolic（微分可能記号型）**
-- 記号操作を微分可能にして勾配ベース学習
-- 例：IBM LNN、∂ILP（微分可能帰納論理プログラミング）
-- 特徴：真の統合、両方向の情報フロー
-
-## 技術的特徴と革新性のハイライト
-
-**形式検証分野での飛躍的進歩**が最も顕著である。AlphaProofはIMO 2024で**P6（最難問）を含む4問を解決**し、形式証明という「正解が数学的に保証される」環境でニューラル+記号統合の威力を実証した。LeanDojoは**1GPU・1週間**という低コストで再現可能な定理証明AIを実現し、研究の民主化に貢献。
-
-**商用ツールでの実用化**は、Microsoft PROSE（Excel Flash Fill）が**唯一の大規模展開成功例**として際立つ。JetBrains AI Assistantは**20年以上の静的解析インフラを活用**した点で真のハイブリッドアーキテクチャに最も近い。
-
-**知識グラフ分野**では、GraphCodeBERTの**データフローグラフをTransformer注意機構に統合**するアプローチが標準的手法として確立。GraphGen4Codeの**20億トリプル規模**のコード知識グラフも実現可能性を実証。
-
-## MUSUBIXとの比較可能性
-
-調査対象ツールとMUSUBIXを比較する際の主要な軸：
-
-| 比較軸 | 関連する先行事例 |
-|-------|----------------|
-| 記号推論の深さ | IBM LNN（真の論理統合）、AlphaProof（形式証明） |
-| 知識グラフ活用 | GraphGen4Code、Sourcegraph、CodeOntology |
-| プログラム合成 | DreamCoder（ライブラリ学習）、PROSE（演繹合成） |
-| コード理解 | GraphCodeBERT、JetBrains PSI |
-| 双方向統合 | IBM LNN（微分可能）、DreamCoder（Wake-Sleep） |
-| 商用化レベル | PROSE（Excel）、JetBrains AI、Snyk DeepCode |
-
-## 主要リポジトリ・リソース一覧
-
-- **LeanDojo/ReProver**: github.com/lean-dojo/ReProver（MIT License）
-- **GraphGen4Code**: github.com/wala/graph4code（EPL-2.0）
-- **GraphCodeBERT**: huggingface.co/microsoft/graphcodebert-base（Apache 2.0）
-- **DreamCoder**: github.com/ellisk42/ec
-- **Tactician**: github.com/coq-tactician
-- **Code2Vec**: github.com/tech-srl/code2vec
-- **Facebook Infer**: github.com/facebook/infer
-- **Microsoft Semantic Kernel**: github.com/microsoft/semantic-kernel
-- **IBM Neuro-Symbolic AI Toolkit**: github.com/IBM/neuro-symbolic-ai
-
-## 結論と今後の展望
-
-Neuro-Symbolic AIのソフトウェアエンジニアリングへの実用化は、**形式検証・定理証明が最も成熟**しており、AlphaProof・LeanDojoが数学的推論での有効性を実証した。商用コーディングツールは**ニューラル主導+コンテキスト補強**が主流で、真の深い統合は少ない。**JetBrains AI Assistant**と**Microsoft PROSE**が最も深い統合を達成している商用事例である。
-
-今後の発展方向として、**Model Context Protocol（MCP）**による標準化、**形式検証をReward/Filterとして活用するRL**（AlphaProof型）、**LLM生成コードの記号的検証**（Snyk型）が有望。研究と商用のギャップは依然として大きく、DreamCoderやIBM LNNのような革新的アプローチの商用展開が次の課題となる。

package/scripts/generate-quality-gate-report.ts

@@ -1,106 +0,0 @@
-/**
- * Quality Gate Report Generator
- *
- * Generates an approval report for the Neuro-Symbolic Integration implementation.
- *
- * Usage: npx tsx scripts/generate-quality-gate-report.ts
- */
-
-import { QualityGateValidator, createComponentValidation } from '../packages/core/src/symbolic/quality-gate.js';
-import type { TraceabilityCoverage } from '../packages/core/src/symbolic/quality-gate.js';
-import * as fs from 'fs';
-import * as path from 'path';
-
-// Traceability data based on REQ-SYMB-001 and DES-SYMB-001
-const traceabilityData: TraceabilityCoverage[] = [
-  // Semantic Filter requirements (REQ-SF-001〜003)
-  { requirementId: 'REQ-SF-001', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-001'], testIds: ['semantic-filter.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-SF-002', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-001'], testIds: ['semantic-filter.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-SF-003', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-002'], testIds: ['hallucination-detector.test.ts'], coveragePercent: 100 },
-
-  // Formal Verification requirements (REQ-FV-001〜005)
-  { requirementId: 'REQ-FV-001', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-009'], testIds: ['ears-to-formal.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-FV-002', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-010'], testIds: ['vc-generator.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-FV-003', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-011'], testIds: ['z3-adapter.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-FV-004', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-012'], testIds: ['z3-adapter.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-FV-005', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-013'], testIds: ['security-scanner.test.ts'], coveragePercent: 100 },
-
-  // Constitution requirements (REQ-CONST-001〜010)
-  { requirementId: 'REQ-CONST-001', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-002', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-003', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-004', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003', 'TSK-SYMB-019'], testIds: ['constitution-registry.test.ts', 'quality-gate.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-005', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-006', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-007', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-008', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003'], testIds: ['constitution-registry.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-009', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-003', 'TSK-SYMB-019'], testIds: ['constitution-registry.test.ts', 'quality-gate.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-CONST-010', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-004', 'TSK-SYMB-019'], testIds: ['confidence-estimator.test.ts', 'quality-gate.test.ts'], coveragePercent: 100 },
-
-  // Routing requirements (REQ-ROUTE-001〜003)
-  { requirementId: 'REQ-ROUTE-001', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-005'], testIds: ['confidence-router.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-ROUTE-002', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-005'], testIds: ['confidence-router.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-ROUTE-003', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-006'], testIds: ['error-handler.test.ts'], coveragePercent: 100 },
-
-  // Non-functional requirements (REQ-NFR-001〜006)
-  { requirementId: 'REQ-NFR-001', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-018'], testIds: ['performance-budget.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-NFR-002', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-016'], testIds: ['rule-config.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-NFR-003', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-001', 'TSK-SYMB-003', 'TSK-SYMB-006', 'TSK-SYMB-008', 'TSK-SYMB-012', 'TSK-SYMB-019'], testIds: ['multiple'], coveragePercent: 100 },
-  { requirementId: 'REQ-NFR-004', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-014'], testIds: ['candidate-ranker.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-NFR-005', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-013'], testIds: ['security-scanner.test.ts'], coveragePercent: 100 },
-  { requirementId: 'REQ-NFR-006', designIds: ['DES-SYMB-001'], taskIds: ['TSK-SYMB-017'], testIds: ['audit-logger.test.ts'], coveragePercent: 100 },
-];
-
-// Component validation based on implemented modules
-const componentValidation = createComponentValidation({
-  // Phase 3 Components
-  performanceBudgetDefined: true,     // TSK-SYMB-018: PerformanceBudget implemented
-  extensibleConfigDefined: true,       // TSK-SYMB-016: ExtensibleRuleConfig implemented
-  explanationGeneratorDefined: true,   // All components have Explanation support
-  securityMaskingDefined: true,        // TSK-SYMB-013: SecurityScanner with masking
-  auditLoggingDefined: true,          // TSK-SYMB-017: AuditLogger with hash-chain
-
-  // Constitution Compliance
-  libraryFirstCompliant: true,         // Article I: All modules are independent libraries
-  cliInterfaceDefined: true,           // Article II: CLI available via musubix command
-  testFirstCompliant: true,            // Article III: 598 tests written first
-  earsFormatCompliant: true,           // Article IV: REQ-SYMB-001 uses EARS format
-  traceabilityCompliant: true,         // Article V: Full traceability matrix
-  projectMemoryCompliant: true,        // Article VI: steering/ directory maintained
-  designPatternsDocumented: true,      // Article VII: DES-SYMB-001 documents patterns
-  adrCompliant: true,                  // Article VIII: Decision records in design doc
-  qualityGatesConfigured: true,        // Article IX: QualityGateValidator implemented
-});
-
-// Generate report
-const validator = new QualityGateValidator();
-const result = validator.validate(traceabilityData, componentValidation);
-const report = validator.generateApprovalReport(result);
-
-// Output paths
-const outputDir = path.join(process.cwd(), 'storage', 'reviews');
-const outputPath = path.join(outputDir, `quality-gate-report-${new Date().toISOString().split('T')[0]}.md`);
-
-// Ensure directory exists
-if (!fs.existsSync(outputDir)) {
-  fs.mkdirSync(outputDir, { recursive: true });
-}
-
-// Write report
-fs.writeFileSync(outputPath, report);
-
-console.log('\n' + '='.repeat(60));
-console.log('Quality Gate Validation Complete');
-console.log('='.repeat(60));
-console.log(`\nStatus: ${result.passed ? '✅ PASSED' : '❌ FAILED'}`);
-console.log(`\nSummary:`);
-console.log(`  Total Checks: ${result.summary.totalChecks}`);
-console.log(`  Passed: ${result.summary.passedChecks}`);
-console.log(`  Failed: ${result.summary.failedChecks}`);
-console.log(`  Blockers: ${result.summary.blockerCount}`);
-console.log(`  Critical: ${result.summary.criticalCount}`);
-console.log(`\nReport saved to: ${outputPath}`);
-console.log('='.repeat(60) + '\n');
-
-// Also print the report
-console.log(report);

package/scripts/postinstall.js

@@ -1,94 +0,0 @@
-#!/usr/bin/env node
-/**
- * MUSUBIX Postinstall Script
- * 
- * Copies .github/ and AGENTS.md to the project root after npm install.
- * This enables GitHub Copilot and other AI agents to use MUSUBIX prompts and skills.
- */
-
-import { existsSync, cpSync, copyFileSync, mkdirSync } from 'fs';
-import { dirname, join, resolve } from 'path';
-import { fileURLToPath } from 'url';
-
-const __filename = fileURLToPath(import.meta.url);
-const __dirname = dirname(__filename);
-
-// Source: where musubix is installed (node_modules/musubix)
-const packageRoot = resolve(__dirname, '..');
-
-// Target: project root (where npm install was run)
-// When installed as dependency: process.env.INIT_CWD points to project root
-// When running in musubix repo itself: skip
-const projectRoot = process.env.INIT_CWD || process.cwd();
-
-// Skip if we're in the musubix package itself
-if (projectRoot === packageRoot || projectRoot.includes('node_modules/musubix')) {
-  console.log('musubix: Skipping postinstall (running in package directory)');
-  process.exit(0);
-}
-
-const sourceGithub = join(packageRoot, '.github');
-const sourceAgents = join(packageRoot, 'AGENTS.md');
-const targetGithub = join(projectRoot, '.github');
-const targetAgents = join(projectRoot, 'AGENTS.md');
-
-let copied = false;
-
-// Copy .github directory
-if (existsSync(sourceGithub)) {
-  // Only copy musubix-specific files, don't overwrite existing .github
-  const musubixPrompts = join(sourceGithub, 'prompts');
-  const musubixSkills = join(sourceGithub, 'skills');
-  const musubixAgents = join(sourceGithub, 'AGENTS.md');
-
-  // Create .github if not exists
-  if (!existsSync(targetGithub)) {
-    mkdirSync(targetGithub, { recursive: true });
-  }
-
-  // Copy prompts
-  if (existsSync(musubixPrompts)) {
-    const targetPrompts = join(targetGithub, 'prompts');
-    if (!existsSync(targetPrompts)) {
-      mkdirSync(targetPrompts, { recursive: true });
-    }
-    cpSync(musubixPrompts, targetPrompts, { recursive: true, force: false });
-    console.log('musubix: Copied .github/prompts/');
-    copied = true;
-  }
-
-  // Copy skills
-  if (existsSync(musubixSkills)) {
-    const targetSkills = join(targetGithub, 'skills');
-    if (!existsSync(targetSkills)) {
-      mkdirSync(targetSkills, { recursive: true });
-    }
-    cpSync(musubixSkills, targetSkills, { recursive: true, force: false });
-    console.log('musubix: Copied .github/skills/');
-    copied = true;
-  }
-
-  // Copy .github/AGENTS.md
-  if (existsSync(musubixAgents)) {
-    const targetGithubAgents = join(targetGithub, 'AGENTS.md');
-    if (!existsSync(targetGithubAgents)) {
-      copyFileSync(musubixAgents, targetGithubAgents);
-      console.log('musubix: Copied .github/AGENTS.md');
-      copied = true;
-    }
-  }
-}
-
-// Copy AGENTS.md to project root
-if (existsSync(sourceAgents) && !existsSync(targetAgents)) {
-  copyFileSync(sourceAgents, targetAgents);
-  console.log('musubix: Copied AGENTS.md');
-  copied = true;
-}
-
-if (copied) {
-  console.log('musubix: AI agent configuration files installed successfully!');
-  console.log('musubix: GitHub Copilot can now use MUSUBIX SDD prompts and skills.');
-} else {
-  console.log('musubix: Configuration files already exist, skipping.');
-}

package/steering/.musubi-version

@@ -1 +0,0 @@
-6.2.1