musubix 3.3.8 → 3.3.10

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

@@ -1,2170 +0,0 @@
----
-title: 'MUSUBIからMUSUBIXへ：ニューロシンボリックAIの進化'
-tags:
-  - AI
-  - ソフトウェア開発
-  - 知識グラフ
-  - LLM
-  - ニューロシンボリック
-private: false
-updated_at: '2026-01-06'
-id: null
-organization_url_name: null
-slide: false
-ignorePublish: false
----
-
-
-# はじめに
-
-AIコーディング支援ツールは急速に進化しています。本記事では、仕様駆動開発（SDD）フレームワーク「**MUSUBI**」から、ニューロシンボリックAI統合システム「**MUSUBIX**」への進化について解説します。
-
-# TL;DR
-
-> **最新バージョン**: v1.7.0 | **62ドメイン対応** | **249コンポーネント** | **1429テスト** | **17ベストプラクティス**
-
-| 項目 | MUSUBI | MUSUBIX |
-|------|--------|---------|
-| **コンセプト** | 仕様駆動開発（SDD） | ニューロシンボリックAI |
-| **推論方式** | ニューラル（LLM）のみ | ニューラル + シンボリック |
-| **知識基盤** | プロジェクトメモリ | プロジェクトメモリ + 知識グラフ（YATA） |
-| **信頼性** | LLMの確率的出力 | 形式的検証による確実性 |
-| **統合対象** | 7つのAIエージェント | MUSUBI + YATA + 7エージェント |
-| **ドメイン** | 汎用 | 62専門ドメイン対応 |
-| **自己学習** | なし | フィードバックベースの適応学習 |
-| **知識共有** | なし | **プロジェクト間ポータビリティ**（v1.4.0） |
-| **正誤性検証** | なし | **OWL制約チェック**（v1.4.1） |
-| **対話的CLI** | なし | **Interactive REPL**（v1.6.0） |
-| **ローカル知識グラフ** | なし | **YATA Local**（v1.6.3） |
-| **分散型知識プラットフォーム** | なし | **YATA Global**（v1.6.3） |
-| **知識グラフ共有** | なし | **KGPR**（v1.6.4） |
-| **プラットフォーム拡張** | なし | **YATA Platform Enhancements**（v1.7.0） |
-
-# 1. MUSUBIとは？
-
-## 1.1 概要
-
-**MUSUBI**（結び）は、AIコーディングエージェントのための**仕様駆動開発（SDD: Specification-Driven Development）フレームワーク**です。
-
-従来のAIコーディング支援は「コードを書く」ことに焦点を当てていましたが、MUSUBIは**要件定義から設計、実装、テストまでの開発ライフサイクル全体**をAIと協調して進めることを目指しています。
-
-```
-🤖 7つのAIエージェント × 📋 31の専門スキル × ⚖️ 憲法ガバナンス
-```
-
-### MUSUBIの核心思想
-
-1. **Specification First（仕様優先）**: コードを書く前に、まず要件と設計を明確にする
-2. **Constitutional AI Governance（憲法ガバナンス）**: 9つの不変条項でAIの振る舞いを統治
-3. **Project Memory（プロジェクトメモリ）**: steering/フォルダに決定事項を永続化し、AIが常に参照
-4. **Full Traceability（完全追跡可能性）**: 要件→設計→コード→テストの双方向トレース
-
-### 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。
-
-| エージェント | 特徴 |
-|-------------|------|
-| **Claude Code** | Anthropic製、高い推論能力、Agent Skills対応 |
-| **GitHub Copilot** | VS Code統合、広範な言語サポート |
-| **Cursor IDE** | AI-first IDE、インライン編集 |
-| **Gemini CLI** | Google製、マルチモーダル対応 |
-| **Codex CLI** | OpenAI製、GPT-4ベース |
-| **Qwen Code** | Alibaba製、オープンソース |
-| **Windsurf** | Codeium製、高速補完 |
-
-### Claude Code Agent Skills
-
-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、**10のスキル**が利用可能です。
-
-| スキル名 | 説明 |
-|---------|------|
-| `musubix-sdd-workflow` | SDD開発ワークフロー全体のガイド |
-| `musubix-ears-validation` | EARS形式の要件検証 |
-| `musubix-code-generation` | 設計からのコード生成 |
-| `musubix-c4-design` | C4モデル（Context/Container/Component/Code）設計 |
-| `musubix-traceability` | 要件↔設計↔タスク↔コード↔テストの追跡 |
-| `musubix-test-generation` | TDDパターンに基づくテスト生成 |
-| `musubix-adr-generation` | Architecture Decision Records作成 |
-| `musubix-best-practices` | 17種のベストプラクティス適用 |
-| `musubix-domain-inference` | 62ドメイン検出・コンポーネント推論 |
-| `musubix-technical-writing` | 技術ドキュメント作成（README, ガイド, API参照等） |
-
-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
-├── musubix-code-generation/SKILL.md   # コード生成
-├── musubix-c4-design/SKILL.md         # C4設計
-├── musubix-traceability/SKILL.md      # トレーサビリティ
-├── musubix-test-generation/SKILL.md   # テスト生成
-├── 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
-└── musubix-technical-writing/SKILL.md # 技術ドキュメント
-
-# 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
-
-```mermaid
-flowchart LR
-    subgraph MUSUBI["MUSUBI Framework"]
-        A[EARS要件分析] --> B[C4設計生成]
-        B --> C[コード生成]
-        C --> D[テスト生成]
-        D --> E[トレーサビリティ]
-    end
-    
-    subgraph Agents["対応エージェント"]
-        F[Claude Code]
-        G[GitHub Copilot]
-        H[Cursor IDE]
-        I[Gemini CLI]
-        J[Codex CLI]
-        K[Qwen Code]
-        L[Windsurf]
-    end
-    
-    MUSUBI --> Agents
-```
-
-| 機能 | 説明 |
-|------|------|
-| **EARS要件分析** | 5パターンで曖昧さのない要件定義 |
-| **C4モデル生成** | Context/Container/Component/Codeの4階層設計 |
-| **ADR生成** | アーキテクチャ決定記録の自動作成 |
-| **憲法ガバナンス** | 9つの不変条項による品質保証 |
-| **トレーサビリティ** | 要件→設計→コード→テストの完全追跡 |
-| **プロジェクトメモリ** | steering/フォルダによる決定・方針の永続化 |
-
-## 1.3 MUSUBIの課題
-
-MUSUBIは優れたフレームワークですが、以下の課題がありました。
-
-```mermaid
-flowchart TB
-    subgraph Challenges["MUSUBIの課題"]
-        P1[LLMの確率的出力]
-        P2[文脈の揮発性]
-        P3[知識の非永続性]
-        P4[推論の説明困難]
-    end
-    
-    P1 --> I1[同じ入力でも異なる結果]
-    P2 --> I2[長い会話で情報喪失]
-    P3 --> I3[学習した知識の忘却]
-    P4 --> I4[なぜその結論に至ったか不明]
-```
-
-| 課題 | 影響 |
-|------|------|
-| **確率的出力** | 同じ要件でも生成結果が毎回異なる |
-| **文脈の揮発性** | 長いセッションで初期情報が失われる |
-| **知識の非永続性** | 過去のプロジェクト知識を活用できない |
-| **推論の説明困難** | AIの判断根拠が不透明 |
-
-# 2. YATAとは？
-
-## 2.1 概要
-
-**YATA**（八咫）は、AIコーディング支援のための知識グラフMCPサーバーです。
-
-## 2.2 主な特徴
-
-```mermaid
-flowchart TB
-    subgraph YATA["YATA Knowledge Graph"]
-        direction TB
-        Parse[コード解析<br/>Tree-sitter] --> Graph[知識グラフ構築<br/>NetworkX]
-        Graph --> Query[グラフクエリ<br/>MCP Tools]
-    end
-    
-    subgraph Features["特徴"]
-        F1[24言語対応]
-        F2[47フレームワーク知識]
-        F3[457K+ エンティティ]
-        F4[関係性自動検出]
-    end
-    
-    YATA --> Features
-```
-
-| 機能 | 説明 |
-|------|------|
-| **コード解析** | Tree-sitterによる高速AST解析（24言語） |
-| **知識グラフ** | NetworkXによるエンティティ・関係性グラフ |
-| **関係性検出** | CALLS/IMPORTS/INHERITS/CONTAINSの自動検出 |
-| **フレームワーク知識** | 47フレームワーク、457K+エンティティ |
-| **永続化** | JSON/SQLiteへの保存・読み込み |
-
-## 2.3 YATAの強み：シンボリック推論
-
-```mermaid
-flowchart LR
-    subgraph Symbolic["シンボリック推論"]
-        E[エンティティ] --> R[関係性]
-        R --> P[パターン検出]
-        P --> V[形式的検証]
-    end
-    
-    V --> Result[確定的結果]
-```
-
-YATAの知識グラフは**シンボリック推論**を実現します。
-
-| 特性 | 説明 |
-|------|------|
-| **確定性** | 同じクエリには常に同じ結果 |
-| **追跡可能性** | 結論に至った経路を完全追跡 |
-| **形式的検証** | 論理的整合性を数学的に検証 |
-| **永続性** | 知識は明示的に更新されるまで保持 |
-
-# 3. MUSUBIXの誕生
-
-## 3.1 ニューロシンボリックAIとは？
-
-**ニューロシンボリックAI**（Neuro-Symbolic AI）は、第3次AIブームの次なる進化として注目されるパラダイムです。従来の深層学習（ニューラルネットワーク）と、古典的AIのシンボリック推論を融合し、両者の強みを活かしながら弱点を補完します。
-
-### 3.1.1 なぜニューロシンボリックなのか？
-
-現代のLLM（Large Language Model）は驚異的な能力を持ちますが、根本的な限界があります。
-
-```mermaid
-flowchart TB
-    subgraph LLMの限界["🧠 LLMの限界"]
-        L1[幻覚<br/>Hallucination]
-        L2[確率的出力<br/>Non-deterministic]
-        L3[説明困難<br/>Black Box]
-        L4[知識の固定<br/>Training Cutoff]
-    end
-    
-    subgraph シンボリックの限界["📐 シンボリックの限界"]
-        S1[脆弱性<br/>Brittleness]
-        S2[スケーラビリティ<br/>Scalability]
-        S3[知識獲得<br/>Knowledge Acquisition]
-        S4[曖昧さ処理<br/>Ambiguity]
-    end
-    
-    subgraph 統合の価値["⚡ 統合の価値"]
-        V1[幻覚の検出・防止]
-        V2[決定的な検証]
-        V3[推論の説明可能性]
-        V4[動的知識更新]
-    end
-    
-    LLMの限界 --> 統合の価値
-    シンボリックの限界 --> 統合の価値
-```
-
-### 3.1.2 System 1 と System 2 思考
-
-認知科学者ダニエル・カーネマンの「ファスト&スロー」理論に基づくと、人間の思考には2つのシステムがあります。
-
-| システム | 特徴 | AI対応 |
-|----------|------|--------|
-| **System 1** | 直感的、高速、自動的、パターン認識 | ニューラル（LLM） |
-| **System 2** | 論理的、低速、意図的、推論 | シンボリック（知識グラフ） |
-
-MUSUBIXは、この2つのシステムを統合することで、人間の思考プロセスに近いAI推論を実現します。
-
-```mermaid
-flowchart LR
-    subgraph Human["人間の思考"]
-        H1[System 1<br/>直感] --> H3[統合判断]
-        H2[System 2<br/>論理] --> H3
-    end
-    
-    subgraph MUSUBIX["MUSUBIXの推論"]
-        M1[LLM<br/>パターン認識] --> M3[NeuroSymbolic<br/>Integrator]
-        M2[知識グラフ<br/>論理推論] --> M3
-    end
-    
-    Human -.->|モデル化| MUSUBIX
-```
-
-### 3.1.3 ニューロシンボリック統合パターン
-
-ニューロシンボリックAIには複数の統合パターンがあります。MUSUBIXは**Symbolic→Neural→Symbolic**パターンを採用：
-
-```mermaid
-flowchart LR
-    subgraph Pattern1["パターン1: Neural→Symbolic"]
-        P1A[LLM出力] --> P1B[シンボリック検証]
-    end
-    
-    subgraph Pattern2["パターン2: Symbolic→Neural"]
-        P2A[知識検索] --> P2B[LLMによる生成]
-    end
-    
-    subgraph Pattern3["パターン3: Symbolic→Neural→Symbolic"]
-        P3A[知識検索] --> P3B[LLM推論] --> P3C[検証・矛盾検出]
-    end
-    
-    Pattern3 --> Best["✅ MUSUBIXが採用"]
-    
-    style Pattern3 fill:#e1f5fe
-    style Best fill:#c8e6c9
-```
-
-| 統合パターン | 説明 | 適用例 |
-|-------------|------|--------|
-| Neural→Symbolic | LLM出力をシンボリックで検証 | ファクトチェック |
-| Symbolic→Neural | 知識を元にLLMが生成 | RAG（検索拡張生成） |
-| **Symbolic→Neural→Symbolic** | 知識検索→LLM推論→検証 | **MUSUBIX** |
-
-```mermaid
-flowchart TB
-    subgraph NeuroSymbolic["ニューロシンボリックAI"]
-        Neural[ニューラル推論<br/>LLM] --> Integration[統合レイヤー]
-        Symbolic[シンボリック推論<br/>知識グラフ] --> Integration
-        Integration --> Output[検証済み出力]
-    end
-    
-    subgraph Benefits["メリット"]
-        B1[創造性 + 正確性]
-        B2[柔軟性 + 一貫性]
-        B3[直感 + 論理]
-    end
-    
-    NeuroSymbolic --> Benefits
-```
-
-| 推論タイプ | 強み | 弱み |
-|-----------|------|------|
-| **ニューラル** | 創造性、柔軟性、自然言語理解 | 確率的、説明困難 |
-| **シンボリック** | 正確性、説明可能性、一貫性 | 柔軟性に欠ける |
-| **統合** | 両方の強みを活用 | 統合の複雑さ |
-
-## 3.2 MUSUBIXのアーキテクチャ
-
-```mermaid
-flowchart TB
-    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"]
-            NSI["NeuroSymbolicIntegrator"]
-            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"]
-        LLM["LLM API<br/>Claude/GPT/Gemini"]
-        YATA_Server["YATA MCP Server<br/>知識グラフ"]
-    end
-    
-    Integration --> LLM
-    Integration --> YATA_Server
-```
-
-## 3.3 信頼度評価アルゴリズム
-
-MUSUBIXの核心は**信頼度評価**にあります。
-
-```mermaid
-flowchart TD
-    Start[推論リクエスト] --> Neural[ニューラル推論<br/>LLM]
-    Start --> Symbolic[シンボリック推論<br/>YATA]
-    
-    Neural --> NC[信頼度スコア<br/>0.0-1.0]
-    Symbolic --> SV[検証結果<br/>valid/invalid]
-    
-    NC --> Decision{判定ロジック}
-    SV --> Decision
-    
-    Decision -->|invalid| Reject[ニューラル結果を棄却]
-    Decision -->|valid & ≥0.8| AcceptNeural[ニューラル結果を採用]
-    Decision -->|valid & <0.8| AcceptSymbolic[シンボリック結果を優先]
-```
-
-| シンボリック結果 | ニューラル信頼度 | 最終決定 |
-|-----------------|-----------------|---------|
-| invalid | - | ニューラル結果を棄却 |
-| valid | ≥0.8 | ニューラル結果を採用 |
-| valid | <0.8 | シンボリック結果を優先 |
-
-# 4. MUSUBIからMUSUBIXへの進化ポイント
-
-## 4.1 機能比較
-
-MUSUBIとMUSUBIXの機能を比較すると、MUSUBIXではすべての機能が**知識グラフによる検証・補完**で強化されています。さらに、MUSUBIにはなかった「説明生成」「矛盾検出」機能が新たに追加され、ニューロシンボリックAIの特性を最大限に活用しています。
-
-```mermaid
-flowchart LR
-    subgraph MUSUBI["MUSUBI"]
-        M1[EARS要件]
-        M2[C4設計]
-        M3[コード生成]
-        M4[テスト生成]
-    end
-    
-    subgraph MUSUBIX["MUSUBIX"]
-        X1[EARS要件 + 知識グラフ検証]
-        X2[C4設計 + パターン検出]
-        X3[コード生成 + 静的解析]
-        X4[テスト生成 + カバレッジ分析]
-        X5[説明生成]
-        X6[矛盾検出]
-    end
-    
-    M1 -.->|強化| X1
-    M2 -.->|強化| X2
-    M3 -.->|強化| X3
-    M4 -.->|強化| X4
-```
-
-上図の通り、MUSUBIの4つの基本機能（要件・設計・コード・テスト）はすべてMUSUBIXで強化され、さらに2つの新機能（説明生成・矛盾検出）が追加されています。
-
-| 強化ポイント | 説明 |
-|-------------|------|
-| **知識グラフ検証** | オントロジーに基づく要件の意味的検証 |
-| **パターン検出** | 設計パターンの自動識別と推奨 |
-| **静的解析** | コード品質・セキュリティの自動チェック |
-| **カバレッジ分析** | テスト網羅性の可視化と改善提案 |
-| **説明生成** | 推論過程の可視化と自然言語説明 |
-| **矛盾検出** | 要件・設計間の論理的矛盾の自動検出 |
-
-## 4.2 オントロジーとは？
-
-MUSUBIXで重要な概念である**オントロジー**について解説します。
-
-### 4.2.1 オントロジーの定義
-
-**オントロジー**（Ontology）は、ある領域の概念とその関係性を形式的に定義した知識表現です。哲学の「存在論」から派生した用語で、AIでは「知識の構造化」を意味します。
-
-```mermaid
-flowchart TB
-    subgraph Ontology["オントロジーの構成要素"]
-        Concepts[概念<br/>Concepts] --> Relations[関係性<br/>Relations]
-        Relations --> Instances[インスタンス<br/>Instances]
-        Instances --> Rules[ルール<br/>Rules]
-    end
-    
-    subgraph Example["例: 認証ドメイン"]
-        E1[User] -->|authenticates_with| E2[Credential]
-        E2 -->|generates| E3[Token]
-        E3 -->|authorizes| E4[Resource]
-    end
-    
-    Ontology --> Example
-```
-
-### 4.2.2 なぜオントロジーが重要か？
-
-| 観点 | 説明 |
-|------|------|
-| **共通語彙** | チーム・システム間で同じ用語を同じ意味で使用 |
-| **推論可能性** | 明示されていない関係を論理的に導出 |
-| **整合性検証** | 矛盾する定義を自動検出 |
-| **再利用性** | 定義済み概念を他プロジェクトで活用 |
-
-### 4.2.3 MUSUBIXでのオントロジー活用
-
-MUSUBIXは以下のオントロジーを活用：
-
-```mermaid
-flowchart LR
-    subgraph DomainOntology["ドメインオントロジー"]
-        DO1[ビジネス概念]
-        DO2[業務フロー]
-        DO3[制約条件]
-    end
-    
-    subgraph TechnicalOntology["技術オントロジー"]
-        TO1[デザインパターン]
-        TO2[フレームワーク知識]
-        TO3[セキュリティ概念]
-    end
-    
-    subgraph SDDOntology["SDDオントロジー"]
-        SO1[EARS要件パターン]
-        SO2[C4アーキテクチャ]
-        SO3[ADR構造]
-    end
-    
-    DomainOntology --> Integration[統合推論]
-    TechnicalOntology --> Integration
-    SDDOntology --> Integration
-```
-
-| オントロジー種別 | 内容 | 用途 |
-|-----------------|------|------|
-| **ドメインオントロジー** | ビジネス領域の概念定義 | 要件の意味解析 |
-| **技術オントロジー** | 設計パターン、フレームワーク | 設計の自動提案 |
-| **SDDオントロジー** | EARS、C4、ADRの形式知識 | 成果物の検証 |
-
-### 4.2.4 62ドメイン対応（v1.1.10）
-
-MUSUBIXは**62の専門ドメイン**に対応し、各ドメインに最適化されたコンポーネント推論を提供します。
-
-```mermaid
-flowchart TB
-    subgraph Domains["62ドメイン対応"]
-        subgraph Business["ビジネス系"]
-            B1[ecommerce]
-            B2[finance]
-            B3[crm]
-            B4[hr]
-            B5[marketing]
-        end
-        
-        subgraph Industry["産業系"]
-            I1[manufacturing]
-            I2[logistics]
-            I3[healthcare]
-            I4[agriculture]
-            I5[energy]
-        end
-        
-        subgraph Tech["技術系"]
-            T1[iot]
-            T2[security]
-            T3[ai]
-            T4[analytics]
-            T5[telecom]
-        end
-        
-        subgraph Service["サービス系"]
-            S1[education]
-            S2[travel]
-            S3[restaurant]
-            S4[beauty]
-            S5[entertainment]
-        end
-    end
-    
-    Domains --> Components["224コンポーネント定義"]
-```
-
-| カテゴリ | ドメイン例 | コンポーネント例 |
-|---------|-----------|-----------------|
-| **ビジネス** | ecommerce, finance, crm | CartService, PaymentGateway, CustomerRepository |
-| **産業** | manufacturing, logistics | ProductionLine, InventoryTracker, QualityControl |
-| **ヘルスケア** | healthcare, pharmacy | PatientRecord, PrescriptionManager, DiagnosticService |
-| **サービス** | restaurant, hotel, travel | ReservationService, MenuManager, BookingEngine |
-| **技術** | iot, security, ai | DeviceManager, ThreatDetector, ModelInference |
-
-**対応ドメイン一覧**（62ドメイン）:
-
-<details>
-<summary>クリックして全ドメインを表示</summary>
-
-| # | ドメイン | 説明 |
-|---|---------|------|
-| 1 | general | 汎用 |
-| 2 | ecommerce | EC・通販 |
-| 3 | healthcare | ヘルスケア |
-| 4 | finance | 金融 |
-| 5 | education | 教育 |
-| 6 | manufacturing | 製造 |
-| 7 | logistics | 物流 |
-| 8 | crm | 顧客管理 |
-| 9 | hr | 人事 |
-| 10 | iot | IoT |
-| 11 | travel | 旅行 |
-| 12 | restaurant | 飲食店 |
-| 13 | realestate | 不動産 |
-| 14 | insurance | 保険 |
-| 15 | media | メディア |
-| 16 | gaming | ゲーム |
-| 17 | social | SNS |
-| 18 | analytics | 分析 |
-| 19 | booking | 予約 |
-| 20 | inventory | 在庫管理 |
-| 21 | auction | オークション |
-| 22 | subscription | サブスク |
-| 23 | marketplace | マーケットプレイス |
-| 24 | delivery | 配送 |
-| 25 | payment | 決済 |
-| 26 | chat | チャット |
-| 27 | document | 文書管理 |
-| 28 | workflow | ワークフロー |
-| 29 | notification | 通知 |
-| 30 | search | 検索 |
-| 31 | calendar | カレンダー |
-| 32 | project | プロジェクト管理 |
-| 33 | survey | アンケート |
-| 34 | voting | 投票 |
-| 35 | ticketing | チケット |
-| 36 | hotel | ホテル |
-| 37 | pharmacy | 薬局 |
-| 38 | veterinary | 動物病院 |
-| 39 | gym | フィットネス |
-| 40 | library | 図書館 |
-| 41 | museum | 美術館・博物館 |
-| 42 | parking | 駐車場 |
-| 43 | laundry | クリーニング |
-| 44 | rental | レンタル |
-| 45 | repair | 修理 |
-| 46 | cleaning | 清掃 |
-| 47 | catering | ケータリング |
-| 48 | wedding | ブライダル |
-| 49 | funeral | 葬儀 |
-| 50 | agriculture | 農業 |
-| 51 | energy | エネルギー |
-| 52 | waste | 廃棄物 |
-| 53 | recycling | リサイクル |
-| 54 | warehouse | 倉庫 |
-| 55 | vehicle | 車両管理 |
-| 56 | sports | スポーツ |
-| 57 | marketing | マーケティング |
-| 58 | aviation | 航空 |
-| 59 | shipping | 海運 |
-| 60 | telecom | 通信 |
-| 61 | security | セキュリティ |
-| 62 | ai | AI |
-
-</details>
-
-### 4.2.5 オントロジーマッピングの実例
-
-```typescript
-// MUSUBIXでのオントロジーマッピング例
-const mapping = ontologyMapper.map({
-  requirement: 'ユーザーがログインしたとき、システムは認証を行う',
-  
-  // 自動検出されるオントロジー概念
-  concepts: {
-    actor: 'User',
-    action: 'login',
-    system_behavior: 'authenticate',
-    pattern: 'EARS_WHEN_THEN'
-  },
-  
-  // 関連する技術概念
-  technical_mappings: {
-    patterns: ['Strategy', 'Factory'],
-    security: ['OWASP A07:2021', 'RBAC'],
-    frameworks: ['passport.js', 'bcrypt']
-  }
-});
-```
-
-## 4.3 新規追加モジュール（56モジュール）
-
-MUSUBIXは以下の新規モジュールを追加：
-
-| カテゴリ | モジュール | 説明 |
-|----------|-----------|------|
-| **統合** | NeuroSymbolicIntegrator | 統合制御 |
-| | ConfidenceEvaluator | 信頼度評価 |
-| | ContradictionDetector | 矛盾検出 |
-| **要件** | EARSValidator | EARS検証 |
-| | OntologyMapper | オントロジーマッピング |
-| | RelatedRequirementsFinder | 関連要件検索 |
-| | RequirementsDecomposer | 要件分解 |
-| | InteractiveHearingManager | 対話的ヒアリング |
-| **設計** | PatternDetector | パターン検出 |
-| | SOLIDValidator | SOLID検証 |
-| | C4ModelGenerator | C4モデル生成 |
-| | ADRGenerator | ADR生成 |
-| | DomainDetector | ドメイン自動検出（62ドメイン） |
-| | ComponentInference | コンポーネント推論（~430定義） |
-| **コード** | StaticAnalyzer | 静的解析 |
-| | SecurityScanner | セキュリティスキャン |
-| | QualityMetricsCalculator | 品質メトリクス |
-| **説明** | ReasoningChainRecorder | 推論チェーン記録 |
-| | ExplanationGenerator | 説明生成 |
-| | VisualExplanationGenerator | 視覚的説明生成 |
-| **学習** | FeedbackCollector | フィードバック収集 |
-| | PatternExtractor | パターン抽出 |
-| | AdaptiveReasoner | 適応的推論 |
-| | PrivacyFilter | プライバシー保護フィルター |
-| **ユーティリティ** | IdGenerator | ユニークID生成（カウンター方式） |
-| | StatusWorkflow | ステータス遷移管理 |
-
-### 4.3.1 新規ユーティリティ（v1.0.20）
-
-v1.0.20では、10プロジェクト検証から学んだパターンを基に2つの新しいユーティリティを追加：
-
-#### IdGenerator - ユニークID生成
-
-```typescript
-import { IdGenerator, idGenerators } from '@nahisaho/musubix-core';
-
-// インスタンス利用（同一ミリ秒内でも重複なし）
-const petIdGen = new IdGenerator('PET');
-const id1 = petIdGen.generate(); // 'PET-1704326400000-1'
-const id2 = petIdGen.generate(); // 'PET-1704326400000-2'
-
-// 事前設定ジェネレーター
-idGenerators.requirement.generate(); // 'REQ-...'
-idGenerators.design.generate();      // 'DES-...'
-idGenerators.task.generate();        // 'TSK-...'
-
-// UUID v4生成
-IdGenerator.uuid(); // 'xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx'
-```
-
-#### StatusWorkflow - ステータス遷移管理
-
-```typescript
-import { taskWorkflow, approvalWorkflow, reservationWorkflow } from '@nahisaho/musubix-core';
-
-// タスクワークフロー: pending → confirmed → in_progress → completed
-let status = taskWorkflow.transition('pending', 'confirm');  // 'confirmed'
-status = taskWorkflow.transition(status, 'start');           // 'in_progress'
-status = taskWorkflow.transition(status, 'complete');        // 'completed'
-
-// 承認ワークフロー: draft → pending → approved/rejected
-approvalWorkflow.transition('draft', 'submit');   // 'pending'
-approvalWorkflow.transition('pending', 'approve'); // 'approved'
-
-// 予約ワークフロー: tentative → confirmed → active → completed
-reservationWorkflow.transition('tentative', 'confirm'); // 'confirmed'
-```
-
-## 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 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 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]
-        end
-    end
-    
-    subgraph Platforms["対応プラットフォーム"]
-        Claude[Claude Desktop]
-        Copilot[GitHub Copilot]
-        Cursor[Cursor IDE]
-    end
-    
-    MCPServer --> Platforms
-```
-
-## 4.5 自己学習システム（v1.0.12〜）
-
-MUSUBIXは**自己学習システム**を搭載し、フィードバックに基づいて推論を継続的に改善します。
-
-```mermaid
-flowchart LR
-    subgraph Learning["自己学習システム"]
-        F[フィードバック収集] --> P[パターン抽出]
-        P --> T{閾値判定}
-        T -->|超過| R[パターン登録]
-        T -->|未満| W[待機]
-        R --> A[適応的推論]
-    end
-    
-    subgraph Privacy["プライバシー保護"]
-        PF[PrivacyFilter]
-        LS[ローカルストレージのみ]
-    end
-    
-    Learning --> Privacy
-```
-
-| 機能 | 説明 | CLIコマンド |
-|------|------|------------|
-| **状態確認** | 学習状態ダッシュボード表示 | `npx musubix learn status` |
-| **フィードバック** | accept/reject/modifyの記録 | `npx musubix learn feedback <id>` |
-| **パターン一覧** | 学習済みパターン表示 | `npx musubix learn patterns` |
-| **パターン追加** | 手動パターン登録 | `npx musubix learn add-pattern <name>` |
-| **推奨取得** | コンテキストベースの推奨 | `npx musubix learn recommend` |
-| **データ移行** | エクスポート/インポート | `npx musubix learn export/import` |
-
-**プライバシー保護**:
-- すべての学習データはローカルストレージのみに保存
-- 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()」
-```
-
-## 4.8 学習データのポータビリティ（v1.4.0）
-
-v1.4.0では、**プロジェクト間で学習データを共有・移行**するためのCLI機能を追加しました。これにより、あるプロジェクトで蓄積したパターンや知見を、新しいプロジェクトで即座に活用できます。
-
-### なぜポータビリティが必要か？
-
-従来の課題:
-- 各プロジェクトで一から学習をやり直す必要があった
-- チーム間で知見の共有が困難だった
-- 機密情報を含むデータの共有にセキュリティリスクがあった
-
-v1.4.0での解決:
-- **エクスポート/インポート**: CLI一発で学習データを移行
-- **プライバシーフィルター**: API Key、パスワード等を自動除去
-- **マージ戦略**: 既存データとの統合方法を選択可能
-
-### CLIコマンド
-
-```bash
-# エクスポート（機密情報除去、高信頼度パターンのみ）
-npx musubix learn export \
-  --output team-patterns.json \
-  --privacy-filter \
-  --patterns-only \
-  --min-confidence 0.8
-
-# インポート（マージ戦略指定、ドライラン）
-npx musubix learn import team-patterns.json \
-  --merge-strategy merge \
-  --dry-run
-```
-
-### マージ戦略
-
-| 戦略 | 動作 | ユースケース |
-|------|------|-------------|
-| **skip** | 既存を保持、重複をスキップ | 既存の学習を壊したくない場合 |
-| **overwrite** | インポートデータで上書き | 最新データで完全更新する場合 |
-| **merge** | 出現回数を合計、信頼度は最大値 | チームの知見を統合する場合 |
-
-### プライバシーフィルター
-
-以下のパターンを自動検出して`[REDACTED]`に置換:
-
-```typescript
-// 検出対象
-const PRIVACY_PATTERNS = [
-  /api[_-]?key/i,      // API_KEY, api-key
-  /secret/i,           // SECRET, secret
-  /password/i,         // PASSWORD, password
-  /token/i,            // TOKEN, token
-  /credential/i,       // CREDENTIAL
-  /private[_-]?key/i,  // PRIVATE_KEY
-  /bearer/i,           // Bearer token
-  /jwt/i,              // JWT
-];
-
-// 32文字以上の英数字文字列も除去
-// 例: "sk-proj-abc123..." → "[REDACTED]"
-```
-
-### 活用シナリオ
-
-```
-プロジェクトA（成熟）              プロジェクトB（新規）
-┌──────────────────┐            ┌──────────────────┐
-│ 学習済みパターン    │            │ 初期状態          │
-│ - Repository      │   export   │                  │
-│ - Service Layer   │ ────────→ │                  │
-│ - Value Object    │   import   │ 学習済みパターン   │
-│ 信頼度: 90%+      │            │ 即座に活用可能！   │
-└──────────────────┘            └──────────────────┘
-```
-
-## 4.9 正誤性検証（v1.4.1）
-
-v1.4.1では、**知識グラフへのデータ登録時の正誤性検証**機能を追加しました。OWL制約に基づく一貫性チェックにより、不正なデータの登録を防止します。
-
-### なぜ正誤性検証が必要か？
-
-従来の課題:
-- 不正なトリプルがそのまま登録されてしまう
-- 重複データの蓄積
-- OWL制約違反（関数型プロパティに複数値など）の検出ができない
-
-v1.4.1での解決:
-- **ConsistencyValidator**: OWL制約に基づく7種類の検証
-- **事前検証**: `addTripleValidated()`でエラーを未然に防止
-- **一括検証**: `checkConsistency()`でストア全体をチェック
-
-### 検証タイプ
-
-| タイプ | 説明 | 重大度 |
-|--------|------|--------|
-| `disjoint-class-membership` | owl:disjointWith違反 | error |
-| `functional-property-violation` | owl:FunctionalProperty違反（複数値） | error |
-| `inverse-functional-violation` | owl:InverseFunctionalProperty違反 | error |
-| `asymmetric-violation` | owl:AsymmetricProperty違反（逆方向存在） | error |
-| `irreflexive-violation` | owl:IrreflexiveProperty違反（自己参照） | error |
-| `duplicate-triple` | 完全一致の重複トリプル | warning |
-| `circular-dependency` | subClassOf等の循環依存 | error |
-
-### 使用例
-
-```typescript
-import { N3Store } from '@nahisaho/musubix-ontology-mcp';
-
-// 検証付きストア（validateOnAdd = true）
-const store = new N3Store({}, true);
-
-// 検証付き追加
-const result = store.addTripleValidated({
-  subject: 'http://example.org/Person1',
-  predicate: 'http://example.org/hasMother',
-  object: 'http://example.org/Mother1'
-});
-
-if (!result.success) {
-  console.error('Validation errors:', result.validation.errors);
-}
-
-// ストア全体の整合性チェック
-const consistency = store.checkConsistency();
-if (!consistency.consistent) {
-  for (const v of consistency.violations) {
-    console.log(`${v.type}: ${v.message}`);
-  }
-}
-```
-
-### 検証フロー
-
-```
-トリプル追加要求
-      │
-      ▼
-┌─────────────────┐
-│ validateTriple()│  ← 事前検証
-└────────┬────────┘
-         │
-    ┌────┴────┐
-    │ valid?  │
-    └────┬────┘
-    No   │   Yes
-    │    │
-    ▼    ▼
-  拒否  追加
-         │
-         ▼
-  ┌──────────────┐
-  │ 推論適用      │
-  └──────────────┘
-```
-
-## 4.10 高度推論（v1.4.5）
-
-v1.4.5では、**OWL 2 RLプロファイル推論エンジン**と**Datalog評価エンジン**を追加しました。これにより、知識グラフ上での自動推論と、人間可読な説明生成が可能になりました。
-
-### なぜ高度推論が必要か？
-
-従来の課題:
-- 明示的に登録された事実しか利用できない
-- 暗黙的な関係性を導出できない
-- 推論結果の根拠が不明確
-
-v1.4.5での解決:
-- **OWL2RLReasoner**: 20以上のビルトインルールによる自動推論
-- **DatalogEngine**: ストラティファイド評価による柔軟なルール適用
-- **InferenceExplainer**: 推論チェーンの自然言語説明
-
-### OWL 2 RL推論
-
-OWL 2 RLプロファイルは、OWL 2のサブセットであり、ルールベースの推論に適しています。
-
-| カテゴリ | ルール | 説明 |
-|----------|-------|------|
-| Class Axioms | `cax-sco`, `cax-eqc` | サブクラス、同値クラス推論 |
-| Property | `prp-dom`, `prp-rng` | ドメイン、レンジ推論 |
-| Property Characteristics | `prp-symp`, `prp-trp`, `prp-inv` | 対称、推移、逆プロパティ |
-| Equality | `eq-ref`, `eq-sym`, `eq-trans` | sameAs推論 |
-
-### 使用例
-
-```typescript
-import { OWL2RLReasoner, DatalogEngine, InferenceExplainer } from '@nahisaho/musubix-ontology-mcp';
-
-// OWL 2 RL推論
-const reasoner = new OWL2RLReasoner({
-  maxIterations: 100,
-  enablePropertyChains: true
-});
-
-const result = await reasoner.reason(store, {
-  onProgress: (p) => console.log(`反復 ${p.iteration}: ${p.newTriples} 新規`)
-});
-
-console.log(`${result.inferredCount} 個の事実を推論`);
-
-// Datalog評価
-const engine = new DatalogEngine();
-const rules = [
-  {
-    head: { predicate: 'ancestor', args: ['?x', '?y'] },
-    body: [{ predicate: 'parent', args: ['?x', '?y'] }]
-  },
-  {
-    head: { predicate: 'ancestor', args: ['?x', '?z'] },
-    body: [
-      { predicate: 'parent', args: ['?x', '?y'] },
-      { predicate: 'ancestor', args: ['?y', '?z'] }
-    ]
-  }
-];
-const derived = await engine.evaluate(rules, facts);
-
-// 推論説明
-const explainer = new InferenceExplainer(reasoner.getProvenanceLog());
-const explanation = explainer.explain(subject, predicate, object, 'text');
-console.log(explanation);
-// → "Animal は owl:Class として宣言されているため Class です（ルール cax-sco）"
-```
-
-### 推論フロー
-
-```
-知識グラフ
-    │
-    ▼
-┌─────────────────┐
-│ OWL2RLReasoner  │  ← 20+ ビルトインルール
-└────────┬────────┘
-         │
-         ▼
-┌─────────────────┐
-│ 固定点到達まで   │  ← 反復推論
-│ 新規推論を生成   │
-└────────┬────────┘
-         │
-         ▼
-┌─────────────────┐
-│ InferenceExplainer │ ← 説明生成
-└────────┬────────┘
-         │
-         ▼
-人間可読な推論根拠
-```
-
-# 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。
-
-ニューロシンボリックAIへの進化により、各条項の実装がより強力になりました。LLMの創造性と知識グラフの厳密性を組み合わせることで、これらの原則を **自動的かつ一貫して** 適用できるようになっています。
-
-| Article | 原則 | MUSUBIXでの実装 |
-|---------|------|-----------------|
-| I | **Specification First** | EARS検証 + オントロジーマッピング |
-| II | **Design Before Code** | C4モデル + パターン検出 |
-| III | **Single Source of Truth** | 知識グラフによる一元管理 |
-| IV | **Traceability** | トレーサビリティマトリクス |
-| V | **Incremental Progress** | 要件分解 + スプリント計画 |
-| VI | **Decision Documentation** | ADR自動生成 |
-| VII | **Quality Gates** | 信頼度評価 + 矛盾検出 |
-| VIII | **User-Centric** | 対話的ヒアリング |
-| IX | **Continuous Learning** | 知識グラフ更新 |
-
-各条項は相互に関連し、開発ライフサイクル全体をカバーしています。MUSUBIXでは、これらの原則違反を知識グラフで自動検出し、開発者にフィードバックを提供します。
-
-# 6. 実践例：要件定義の強化
-
-## 6.1 MUSUBIでの要件定義
-
-```markdown
-# 従来のMUSUBI
-WHEN ユーザーがログインフォームを送信する
-THE システム SHALL 認証を実行する
-AND THE システム SHALL セッションを作成する
-```
-
-## 6.2 MUSUBIXでの要件定義
-
-```markdown
-# MUSUBIXによる強化
-WHEN ユーザーがログインフォームを送信する
-THE システム SHALL 認証を実行する
-AND THE システム SHALL セッションを作成する
-
-# 知識グラフによる補完
-- 関連要件: REQ-AUTH-001, REQ-SESSION-001
-- 影響コンポーネント: AuthService, SessionManager
-- セキュリティ考慮: OWASP A07:2021対応
-- 推奨パターン: Strategy Pattern for Auth Providers
-```
-
-# 7. まとめ
-
-## 7.1 ニューロシンボリックAIの価値
-
-MUSUBIXが採用するニューロシンボリックAIは、従来のAIコーディング支援の限界を突破する価値を提供します。
-
-LLM単体では、「幻覚（Hallucination）」や「確率的出力」といった問題が避けられません。しかし、知識グラフによるシンボリック推論を組み合わせることで、これらの問題を検出・防止できます。
-
-以下の図は、4つの主要な価値と、それが開発にもたらす具体的な効果を示しています。
-
-```mermaid
-flowchart TB
-    subgraph Value["ニューロシンボリックAIの価値"]
-        V1[🎯 精度向上<br/>LLM幻覚の防止]
-        V2[📊 説明可能性<br/>推論チェーンの追跡]
-        V3[🔄 知識の永続化<br/>オントロジー蓄積]
-        V4[✅ 形式的検証<br/>矛盾の自動検出]
-    end
-    
-    subgraph Outcome["開発への効果"]
-        O1[バグの早期発見]
-        O2[レビュー効率向上]
-        O3[知識の組織資産化]
-        O4[品質の一貫性]
-    end
-    
-    V1 --> O1
-    V2 --> O2
-    V3 --> O3
-    V4 --> O4
-```
-
-| 価値 | 従来のLLMの問題 | MUSUBIXによる解決 |
-|------|------------------|--------------------|
-| **精度向上** | 誤ったコード生成 | 知識グラフで事前検証 |
-| **説明可能性** | なぜAIがその出力をしたか不明 | 推論チェーンで完全追跡 |
-| **知識永続化** | セッションごとに忘却 | オントロジーとして蓄積 |
-| **形式的検証** | 論理矛盾を見逃す | シンボリック推論で自動検出 |
-
-## 7.2 進化の要点
-
-MUSUBIからMUSUBIXへの進化は、単なる機能追加ではなく、**パラダイムシフト**です。以下の4つの軸で進化が起こりました。
-
-1. **確率的 → 確定的**: LLMの「毎回異なる結果」から、知識グラフによる「再現可能な結果」へ
-2. **揮発的 → 永続的**: セッション限定の記憶から、オントロジーとしての永続的知識へ
-3. **不透明 → 説明可能**: ブラックボックスAIから、推論チェーンが追跡可能なAIへ
-4. **孤立知識 → オントロジー統合**: 断片的な情報から、構造化された知識体系へ
-
-```mermaid
-flowchart LR
-    MUSUBI[MUSUBI<br/>仕様駆動開発] -->|+ YATA| MUSUBIX[MUSUBIX<br/>ニューロシンボリックAI]
-    
-    subgraph Evolution["進化のポイント"]
-        E1[確率的 → 確定的]
-        E2[揮発的 → 永続的]
-        E3[不透明 → 説明可能]
-        E4[孤立知識 → オントロジー統合]
-    end
-```
-
-この進化により、MUSUBIXは単なる「AIコーディングツール」を超え、**知識駆動型の開発プラットフォーム**へと進化しました。
-
-| 観点 | MUSUBI | MUSUBIX |
-|------|--------|----------|
-| **推論の信頼性** | LLMに依存 | 形式的検証で補完 |
-| **知識の永続性** | セッション限定 | 知識グラフに蓄積 |
-| **説明可能性** | 限定的 | 推論チェーンで完全追跡 |
-| **開発効率** | 高い | さらに高い |
-| **オントロジー** | なし | ドメイン・技術・SDDの3層オントロジー |
-
-## 7.3 今後の展望
-
-MUSUBIXは現在の機能に加え、さらなる進化を計画しています。ニューロシンボリックAIの可能性を最大限に引き出すため、以下の機能拡張を検討中です。
-
-- **自動リファクタリング**: 知識グラフに蓄積されたパターンとベストプラクティスに基づき、コードの最適化を自動提案。技術的負債の検出と解消を支援します。
-- **チーム知識共有（YATA Global / YATA Local）**: 組織横断的な知識グラフ統合により、チーム間でのノウハウ共有を実現。「車輪の再発明」を防ぎ、組織全体の開発効率を向上させます。
-
-## YATA Global / YATA Local アーキテクチャ
-
-チーム知識共有を実現するため、**2層の知識グラフアーキテクチャ**を計画しています。
-
-```mermaid
-flowchart TB
-    subgraph Global["YATA Global（組織共有）"]
-        G1[共通ベストプラクティス]
-        G2[標準アーキテクチャパターン]
-        G3[セキュリティガイドライン]
-        G4[組織横断的な技術決定]
-    end
-    
-    Global <-->|同期・昇格| Local1
-    Global <-->|同期・昇格| Local2
-    Global <-->|同期・昇格| Local3
-    
-    subgraph Local1["YATA Local (Team A)"]
-        L1A[プロジェクト固有知識]
-    end
-    
-    subgraph Local2["YATA Local (Team B)"]
-        L2A[プロジェクト固有知識]
-    end
-    
-    subgraph Local3["YATA Local (Team C)"]
-        L3A[プロジェクト固有知識]
-    end
-```
-
-| レイヤー | 役割 | メリット |
-|----------|------|----------|
-| **YATA Global** | 組織共通知識の一元管理 | 標準化、重複排除、ガバナンス |
-| **YATA Local** | チーム/プロジェクト固有知識 | 高速アクセス、プライバシー、カスタマイズ |
-
-この2層アーキテクチャにより、以下を実現します。
-
-1. **プライバシーとセキュリティ**: 機密性の高いプロジェクト知識はLocalに保持
-2. **スケーラビリティ**: Localで高速処理、Globalで共有
-3. **知識の昇格フロー**: Localで検証された知識をGlobalへ昇格
-4. **オフライン対応**: Localがあれば接続なしでも動作
-
-これらの機能は、MUSUBIXの核心である「知識の永続化」と「形式的検証」の強みを活かしたものであり、AIコーディング支援の次なるステージを切り開きます。
-
-# 8. インストール方法
-
-MUSUBIXはnpmで公開されており、簡単にインストールできます。
-
-## 8.1 クイックスタート
-
-```bash
-# 統合パッケージ（推奨）
-npm install musubix
-
-# または npx で直接実行
-npx musubix --help
-npx musubix-mcp
-```
-
-## 8.2 パッケージ一覧
-
-| パッケージ | インストールコマンド | 説明 |
-|-----------|---------------------|------|
-| **musubix** | `npm install musubix` | 統合パッケージ（全機能） |
-| @nahisaho/musubix-core | `npm install @nahisaho/musubix-core` | コアライブラリ |
-| @nahisaho/musubix-mcp-server | `npm install @nahisaho/musubix-mcp-server` | MCPサーバー |
-| @nahisaho/musubix-yata-client | `npm install @nahisaho/musubix-yata-client` | YATAクライアント |
-| @nahisaho/musubix-pattern-mcp | `npm install @nahisaho/musubix-pattern-mcp` | パターン抽出・圧縮・ライブラリ |
-| @nahisaho/musubix-ontology-mcp | `npm install @nahisaho/musubix-ontology-mcp` | N3Store・RDF推論エンジン |
-| @nahisaho/musubix-wake-sleep | `npm install @nahisaho/musubix-wake-sleep` | Wake-Sleep学習サイクル |
-| @nahisaho/musubix-sdd-ontology | `npm install @nahisaho/musubix-sdd-ontology` | SDD方法論オントロジー |
-
-## 8.3 利用方法の選択
-
-MUSUBIXには**2つの利用方法**があります。用途に応じて選択してください。
-
-```mermaid
-flowchart TB
-    subgraph Install["インストール"]
-        I1[npm install musubix]
-    end
-    
-    Install --> Choice{利用方法の選択}
-    
-    Choice -->|方法1| Direct["📁 直接利用<br/>AGENTS.md + プロンプト"]
-    Choice -->|方法2| MCP["🔌 MCP経由<br/>MCPサーバー連携"]
-    
-    Direct --> D1[GitHub Copilot]
-    Direct --> D2[Claude Code]
-    Direct --> D3[Cursor IDE]
-    
-    MCP --> M1[Claude Desktop]
-    MCP --> M2[VS Code + MCP拡張]
-    MCP --> M3[その他MCPクライアント]
-```
-
-| 方法 | 特徴 | 推奨ユースケース |
-|------|------|------------------|
-| **方法1: 直接利用** | 設定不要、即座に利用可能 | 日常のコーディング、要件定義、設計 |
-| **方法2: MCP経由** | 高度なツール連携、知識グラフ統合 | 大規模プロジェクト、チーム開発 |
-
-## 8.4 方法1: 直接利用（GitHub Copilot等）
-
-musubixパッケージをインストールすると、**AGENTS.md**と**プロンプトファイル**が `node_modules/musubix/` に配置されます。GitHub Copilotなどのエディタ統合AIは、これらのファイルを自動的に認識し、MUSUBIXの機能を利用できます。
-
-### セットアップ手順
-
-```bash
-# 1. musubixをインストール
-npm install musubix
-
-# 2. AGENTS.mdをプロジェクトルートにコピー（推奨）
-cp node_modules/musubix/AGENTS.md ./AGENTS.md
-
-# 3. プロンプトファイルをコピー（オプション）
-cp -r node_modules/musubix/.github/prompts ./.github/prompts
-```
-
-### 自動認識されるファイル
-
-| ファイル | 場所 | 説明 |
-|---------|------|------|
-| **AGENTS.md** | プロジェクトルート | AIエージェント向けの包括的なガイド |
-| **プロンプトファイル** | `.github/prompts/` | SDD各フェーズ専用のプロンプト |
-
-### 提供されるプロンプトファイル
-
-```
-.github/prompts/
-├── sdd-requirements.prompt.md   # 要件定義フェーズ
-├── sdd-design.prompt.md         # 設計フェーズ
-├── sdd-implement.prompt.md      # 実装フェーズ
-├── sdd-tasks.prompt.md          # タスク分解
-├── sdd-validate.prompt.md       # 検証フェーズ
-├── sdd-steering.prompt.md       # プロジェクト方針
-├── sdd-change-init.prompt.md    # 変更開始
-├── sdd-change-apply.prompt.md   # 変更適用
-└── sdd-change-archive.prompt.md # 変更アーカイブ
-```
-
-### 使い方（GitHub Copilot / Cursor / Claude Code）
-
-```markdown
-# プロンプトファイルを使用
-@workspace /sdd-requirements 予約管理システムの要件を定義してください
-
-# または AGENTS.md のガイドに従って質問
-MUSUBIXのEARS形式で要件を書いてください
-```
-
-### メリット
-
-- ✅ **設定不要**: インストール後すぐに利用可能
-- ✅ **軽量**: MCPサーバーの起動不要
-- ✅ **汎用性**: 主要なAIエディタで動作
-- ✅ **オフライン対応**: ネットワーク不要
-
-## 8.5 方法2: MCP経由（MCPサーバー連携）
-
-MCP（Model Context Protocol）を使用すると、**16の専用ツール**（SDD基本9 + パターン統合7）と**3つのプロンプト**を利用でき、より高度な機能（知識グラフクエリ、トレーサビリティ検証、パターン学習等）が使えます。
-
-### Claude Code（CLI）
-
-```bash
-# MUSUBIX MCP サーバーを追加
-claude mcp add musubix -- npx @nahisaho/musubix-mcp-server
-
-# 設定確認
-claude mcp list
-```
-
-または `.mcp.json` をプロジェクトルートに作成：
-
-```json
-{
-  "mcpServers": {
-    "musubix": {
-      "command": "npx",
-      "args": ["@nahisaho/musubix-mcp-server"]
-    }
-  }
-}
-```
-
-### Claude Desktop / GitHub Copilot / Cursor IDE
-
-`.vscode/mcp.json` を作成：
-
-```json
-{
-  "mcpServers": {
-    "musubix": {
-      "command": "npx",
-      "args": ["@nahisaho/musubix-mcp-server"]
-    }
-  }
-}
-```
-
-### 利用可能なMCPツール（19ツール）
-
-#### SDD基本ツール（9ツール）
-
-| ツール名 | 説明 |
-|---------|------|
-| `sdd_create_requirements` | EARS形式の要件ドキュメント作成 |
-| `sdd_validate_requirements` | 要件のEARS検証・憲法準拠チェック |
-| `sdd_create_design` | C4モデル設計ドキュメント作成 |
-| `sdd_validate_design` | 設計の要件トレーサビリティ検証 |
-| `sdd_create_tasks` | 設計から実装タスク生成 |
-| `sdd_query_knowledge` | YATA知識グラフへのクエリ |
-| `sdd_update_knowledge` | 知識グラフの更新 |
-| `sdd_validate_constitution` | 9憲法条項への準拠検証 |
-| `sdd_validate_traceability` | 要件↔設計↔タスクのトレーサビリティ検証 |
-
-#### パターン統合ツール（7ツール）- v1.3.0 NEW!
-
-| ツール名 | 説明 |
-|---------|------|
-| `pattern_extract` | コードからパターンを抽出 |
-| `pattern_compress` | パターンの抽象化・圧縮 |
-| `pattern_store` | パターンライブラリへの保存 |
-| `pattern_query` | パターンの検索・取得 |
-| `pattern_consolidate` | 類似パターンの統合 |
-| `ontology_query` | オントロジーグラフへのクエリ |
-| `ontology_infer` | オントロジーによる推論実行 |
-
-#### オントロジー検証ツール（3ツール）- v1.4.1 NEW!
-
-| ツール名 | 説明 |
-|---------|------|
-| `consistency_validate` | 知識グラフの整合性検証 |
-| `validate_triple` | 単一トリプルの事前検証 |
-| `check_circular` | 循環依存の検出 |
-
-# 9. YATA Local & YATA Global（v1.6.3）
-
-v1.6.3では、知識グラフの永続化と分散管理のための新パッケージを追加しました。
-
-## 9.1 YATA Local
-
-SQLiteベースのローカル知識グラフストレージです。
-
-```mermaid
-flowchart TB
-    subgraph YataLocal["YATA Local"]
-        DB["SQLite Database<br/>WAL mode, FTS5"]
-        QE["Query Engine<br/>BFS/DFS pathfinding"]
-        RE["Reasoning Engine<br/>4 built-in rules"]
-        IO["I/O Module<br/>JSON/RDF export"]
-    end
-    
-    DB --> QE
-    QE --> RE
-    RE --> IO
-```
-
-### 主な機能
-
-| コンポーネント | 機能 |
-|--------------|------|
-| **Database Layer** | Entity/Relationship CRUD, FTS5全文検索, 変更追跡 |
-| **Query Engine** | グラフクエリ, BFS/DFSパス探索, サブグラフ抽出, パターンマッチ |
-| **Reasoning Engine** | 推論ルール実行, 制約検証, 信頼度計算, 関係性推奨 |
-| **I/O Module** | JSON/RDF(N-Triples)エクスポート, Delta同期 |
-
-### 組み込み推論ルール
-
-```typescript
-// 推移的継承: A extends B, B extends C → A extends C
-'transitive-extends'
-
-// 型実装: A implements B → A is-a B
-'implements-type'
-
-// 推移的依存: A depends-on B, B depends-on C → A depends-on C
-'transitive-dependency'
-
-// メソッドオーバーライド: A extends B, B has method M → A overrides M
-'method-override'
-```
-
-### 使用例
-
-```typescript
-import { createYataLocal } from '@nahisaho/yata-local';
-
-const yata = createYataLocal('./knowledge.sqlite');
-
-// エンティティ追加
-yata.addEntity({
-  id: 'class-user',
-  type: 'class',
-  name: 'User',
-  file: 'src/models/user.ts',
-  properties: { abstract: false }
-});
-
-// 関係性追加
-yata.addRelationship({
-  source: 'class-admin',
-  target: 'class-user',
-  type: 'extends'
-});
-
-// パス探索
-const path = yata.findPath('class-admin', 'interface-entity');
-
-// 推論実行
-const inferred = yata.infer();
-
-// 制約検証
-const validation = yata.validate();
-
-yata.close();
-```
-
-## 9.2 YATA Global
-
-分散型知識グラフプラットフォームです。
-
-```mermaid
-flowchart TB
-    subgraph YataGlobal["YATA Global Platform"]
-        API["API Client<br/>REST, Auth, Rate limiting"]
-        Cache["Cache Manager<br/>SQLite offline cache"]
-        Sync["Sync Engine<br/>Push/Pull, Auto-sync"]
-        Client["Main Client<br/>Search, Share, Analytics"]
-    end
-    
-    subgraph Features["Features"]
-        FW["Framework Knowledge<br/>19 categories, 20 languages"]
-        PAT["Shared Patterns<br/>15 categories"]
-        COMM["Community<br/>Ratings, Downloads"]
-    end
-    
-    Client --> API
-    Client --> Cache
-    Client --> Sync
-    Client --> Features
-```
-
-### 主な機能
-
-| コンポーネント | 機能 |
-|--------------|------|
-| **API Client** | REST通信, Bearer認証, レート制限追跡 |
-| **Cache Manager** | SQLiteオフラインキャッシュ, TTL管理, 自動サイズ制限 |
-| **Sync Engine** | Push/Pull同期, 自動同期, オフラインキュー |
-| **Main Client** | 検索, パターン共有, 評価, アナリティクス |
-
-### 使用例
-
-```typescript
-import { createYataGlobal } from '@nahisaho/yata-global';
-
-const yata = createYataGlobal({
-  endpoint: 'https://api.yata.global/v1',
-  offlineMode: false,
-});
-
-// フレームワーク検索
-const frameworks = await yata.searchFrameworks({
-  query: 'react',
-  category: 'web-frontend',
-  sortBy: 'popularity',
-});
-
-// パターン検索
-const patterns = await yata.searchPatterns({
-  query: 'hooks',
-  language: 'typescript',
-});
-
-// パターン共有（認証必要）
-await yata.login({ username: 'user', password: 'pass' });
-const patternId = await yata.sharePattern({
-  name: 'Custom Hook Pattern',
-  description: 'Reusable stateful logic',
-  category: 'design-pattern',
-  frameworks: ['react'],
-  language: 'typescript',
-  template: 'function use${Name}() { ... }',
-  tags: ['hooks', 'state'],
-  visibility: 'public',
-  official: false,
-});
-
-// 同期
-const result = await yata.sync();
-console.log(`Pulled: ${result.frameworksPulled} frameworks`);
-
-// オフラインモード
-yata.enableOfflineMode();
-
-yata.close();
-```
-
-### オフラインサポート
-
-YATA Globalは完全なオフラインサポートを提供：
-
-| 機能 | オンライン | オフライン |
-|------|----------|-----------|
-| 検索 | API + キャッシュ | キャッシュのみ |
-| パターン共有 | 即時アップロード | キューに追加 |
-| 評価 | 即時送信 | キューに追加 |
-| 同期 | 利用可能 | 無効 |
-
-### メリット
-
-- ✅ **高速アクセス**: SQLiteキャッシュによる高速検索
-- ✅ **オフライン対応**: ネットワーク非接続時も動作
-- ✅ **自動同期**: バックグラウンドでの定期同期
-- ✅ **コミュニティ**: パターン共有と評価
-- ✅ **マルチ言語**: 20プログラミング言語対応
-
-### メリット
-
-- ✅ **高度な機能**: 知識グラフ連携、矛盾検出
-- ✅ **ツール統合**: AIが直接ツールを呼び出し可能
-- ✅ **リアルタイム検証**: 作成中のドキュメントを即座に検証
-- ✅ **トレーサビリティ**: 要件から実装までの完全追跡
-
-## 9.3 どちらを選ぶべきか？
-
-```mermaid
-flowchart TD
-    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 -->|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 |
-|---------|---------|
-| 個人開発、小規模プロジェクト | 方法1（直接利用） |
-| チーム開発、大規模プロジェクト | 方法2（MCP経由） |
-| 要件定義・設計のみ利用 | 方法1（直接利用） |
-| 知識グラフ連携が必要 | 方法2（MCP経由） |
-| 両方の利点を活かしたい | 両方併用 |
-
-詳細は [インストールガイド](https://github.com/nahisaho/MUSUBIX/blob/main/docs/INSTALL-GUIDE.ja.md) を参照してください。
-
-# 10. KGPR - Knowledge Graph Pull Request（v1.6.4）
-
-v1.6.4では、**KGPR（Knowledge Graph Pull Request）**機能が追加されました。これはGitHub PRと同様のワークフローで、YATA LocalからYATA Globalへ安全に知識グラフを共有する機能です。
-
-## 10.1 KGPRワークフロー
-
-```mermaid
-flowchart LR
-    subgraph Local["YATA Local"]
-        L1[プロジェクト知識<br>自動収集]
-        L2[パターン抽出]
-    end
-    
-    subgraph KGPR["KGPR処理"]
-        K1[差分抽出]
-        K2[プライバシー<br>フィルタリング]
-        K3[レビュー<br>リクエスト]
-    end
-    
-    subgraph Global["YATA Global"]
-        G1[レビュー]
-        G2[マージ]
-        G3[コミュニティ<br>知識]
-    end
-    
-    L1 --> L2
-    L2 --> K1
-    K1 --> K2
-    K2 --> K3
-    K3 --> G1
-    G1 --> G2
-    G2 --> G3
-```
-
-## 10.2 プライバシーフィルター
-
-機密情報の漏洩を防ぐため、3段階のプライバシーレベルを提供：
-
-| レベル | フィルタ対象 | 推奨シナリオ |
-|-------|------------|------------|
-| `strict` | ファイルパス、URL、認証情報、全メタデータ | オープンソース公開 |
-| `moderate` | ファイルパス、URL、認証情報 | 組織内共有 |
-| `none` | フィルタなし | 完全な内部利用 |
-
-## 10.3 KGPRステータス遷移
-
-```
-draft → open → reviewing → approved/changes_requested → merged/closed
-```
-
-| ステータス | 説明 |
-|-----------|------|
-| `draft` | 作成中、まだ送信されていない |
-| `open` | レビュー待ち |
-| `reviewing` | レビュー中 |
-| `approved` | 承認済み、マージ可能 |
-| `changes_requested` | 変更要求あり |
-| `merged` | マージ完了 |
-| `closed` | マージせずにクローズ |
-
-## 10.4 CLIコマンド
-
-```bash
-# KGPRの作成
-musubix kgpr create -t "Reactパターンの共有"
-
-# 差分プレビュー
-musubix kgpr diff --namespace myproject --privacy moderate
-
-# KGPR一覧
-musubix kgpr list
-
-# KGPRの送信
-musubix kgpr submit KGPR-001
-
-# KGPRの詳細表示
-musubix kgpr show KGPR-001
-
-# KGPRのクローズ
-musubix kgpr close KGPR-001
-```
-
-## 10.5 MCPツール
-
-| ツール | 説明 |
-|-------|------|
-| `kgpr_create` | ローカル知識グラフからKGPRを作成 |
-| `kgpr_diff` | KGPR作成前に差分をプレビュー |
-| `kgpr_list` | 全KGPRを一覧表示 |
-| `kgpr_submit` | KGPRをレビューに送信 |
-| `kgpr_review` | KGPRをレビュー（approve/changes_requested/commented） |
-
-# 11. YATA Platform Enhancements（v1.7.0）
-
-v1.7.0では、YATAプラットフォーム全体に大規模な機能拡張が行われました。5つの主要フェーズで構成されています。
-
-## 11.1 Phase 1: インデックス最適化
-
-YATA Localのクエリパフォーマンスを大幅に向上させる複合インデックス最適化機能。
-
-```mermaid
-flowchart LR
-    subgraph IndexOptimizer["IndexOptimizer"]
-        A[クエリパターン分析] --> B[最適インデックス生成]
-        B --> C[インデックス健全性監視]
-    end
-    
-    C --> D[自動最適化推奨]
-```
-
-| 機能 | 説明 |
-|------|------|
-| `analyzeQueryPatterns()` | クエリパターンを分析 |
-| `createOptimalIndexes()` | 複合インデックスを作成 |
-| `checkIndexHealth()` | 断片化を検出 |
-| `rebuildIndex()` | インデックス再構築 |
-
-## 11.2 Phase 2: 拡張エクスポートパイプライン
-
-増分エクスポートと複数フォーマット対応の強力なエクスポート機能。
-
-```mermaid
-flowchart LR
-    subgraph ExportPipeline["ExportPipeline"]
-        E1[フルエクスポート]
-        E2[増分エクスポート]
-        E3[フォーマット変換]
-    end
-    
-    E1 --> F1[JSON]
-    E2 --> F2[RDF/Turtle]
-    E3 --> F3[N-Triples]
-```
-
-| フォーマット | 説明 |
-|------------|------|
-| JSON | デフォルト形式 |
-| RDF/Turtle | セマンティックWeb標準 |
-| N-Triples | トリプル形式 |
-
-## 11.3 Phase 3: Global同期統合
-
-YATA LocalとYATA Global間のシームレスな同期機能。
-
-```mermaid
-flowchart TB
-    subgraph GlobalSync["GlobalSyncClient"]
-        GS1[オフラインファースト] --> GS2[自動同期]
-        GS2 --> GS3[競合解決]
-    end
-    
-    subgraph SyncEngine["SyncEngine"]
-        SE1[Push同期]
-        SE2[Pull同期]
-        SE3[双方向マージ]
-    end
-    
-    GlobalSync --> SyncEngine
-```
-
-| 競合解決戦略 | 説明 |
-|-------------|------|
-| `server-wins` | サーバー側を優先 |
-| `client-wins` | クライアント側を優先 |
-| `merge` | 自動マージ試行 |
-| `manual` | 手動解決 |
-
-## 11.4 Phase 4: コードジェネレーター強化
-
-設計ドキュメントからの高度なコード生成機能。
-
-```mermaid
-flowchart LR
-    subgraph CodeGenerator["CodeGenerator"]
-        CG1[C4設計読込] --> CG2[パターン検出]
-        CG2 --> CG3[コード生成]
-    end
-    
-    CG3 --> P1[Repository]
-    CG3 --> P2[Service]
-    CG3 --> P3[Factory]
-    CG3 --> P4[Value Object]
-```
-
-| 対応パターン | 説明 |
-|-------------|------|
-| Repository | データアクセス層 |
-| Service Layer | ビジネスロジック層 |
-| Factory | オブジェクト生成 |
-| Domain Events | イベント駆動設計 |
-| Value Objects | 不変オブジェクト |
-
-## 11.5 Phase 5: YATA UI（Web可視化）
-
-知識グラフのWebベース可視化・管理インターフェース。
-
-```mermaid
-flowchart TB
-    subgraph YataUI["YATA UI Server"]
-        UI1[Express Server] --> UI2[REST API]
-        UI1 --> UI3[WebSocket]
-    end
-    
-    subgraph Features["UI機能"]
-        F1[グラフ可視化]
-        F2[リアルタイム更新]
-        F3[名前空間フィルタ]
-        F4[エンティティ編集]
-    end
-    
-    YataUI --> Features
-```
-
-| 機能 | 説明 |
-|------|------|
-| `start()` | サーバー起動 |
-| `stop()` | サーバー停止 |
-| `setDataProvider()` | データソース設定 |
-| `broadcastUpdate()` | リアルタイム配信 |
-
-## 11.6 v1.7.0 パッケージサマリー
-
-| パッケージ | 新機能 |
-|-----------|--------|
-| `@nahisaho/yata-local` | IndexOptimizer, ExportPipeline, CodeGenerator |
-| `@nahisaho/yata-global` | GlobalSyncClient, SyncEngine, CacheManager |
-| `@nahisaho/yata-ui` | YataUIServer, GraphData変換, WebSocket |
-
-# 参考リンク
-
-- [MUSUBIX GitHub](https://github.com/nahisaho/MUSUBIX)
-- [MUSUBIX npm](https://www.npmjs.com/package/musubix)
-- [MUSUBI GitHub](https://github.com/nahisaho/MUSUBI)
-- [YATA GitHub](https://github.com/nahisaho/YATA)
-
----
-
-**著者**: nahisaho  
-**公開日**: 2026-01-02  
-**更新日**: 2026-01-06  
-**バージョン**: v1.7.0