AccInt

蓄積される知性

AI エージェントの仕事を積み重ねましょう。タスクは任せても、学びは手放さないでください。

AI エージェントは強力ですが、記憶が続きません。実行のたびにトークンを使って実務をこなし、成果物を納品したあと、すべてを忘れてしまいます。あなたは能力を借りているだけで、決して築き上げてはいません。acc は、すぐに消えてしまうタスクを、積み重なっていく投資へと変えます。すでに使っているエージェント（Claude Code、Codex、OpenCode、Cursor）に仕事を任せると、2つのものが積み重なり、あなたが所有する1つの資産、つまりあなたのビジネスのワークモデルになります。それは、あなたの知見（何を決断し、何を良しとし、何を決して許さないか）と、エージェントのトークン（検証済みの手順をすべて、再推論する代わりに再実行するランタイムへと抽出したもの）です。実際にうまくいったことを学び、あなた自身の成果と照らし合わせて検証し、次の実行が始まる前に、より良い手順を予測します。実際のアカウントで、すべての手順に記録を残しながら動作し、マシンの外に出るあらゆる操作はあなたの承認を待ってから実行し、最終的な判断は現実に委ねます。そのため、同じ仕事でも実行するたびに、コストが下がり、速くなり、確実に良くなっていきます。学びはあなたのものです。**モデルを入れ替えても、会社のベテランはそのままです。**仕事は、あなたが管理するマシン上で、あなたが所有する資本になります。

predict the better path  →  act in your accounts, receipted  →  reality settles it  →  the Work Model sharpens

**実際の動作はこちら：accint.xyz。**コミットメント台帳がリアルタイムで更新されるほか、システムの稼働に合わせて更新される、全体の説明と計測結果もご覧いただけます。エンジンのソースは非公開ですが、バイナリは以下のとおり1行でインストールでき、構成要素はオープンです。実証済みの部分と、まだ発展途上の部分を明確にしています。

---

これを作った理由

今日ベンチマークで90％のスコアを出すモデルは、明日も90％です。デプロイ後に学習することも、どの出力が良い結果につながったかを追跡することも、先週の失敗を覚えておくこともありません。知性を生み出しては、捨てています。すでにうまくいったことを再発見するために、時間とトークンを払い続けることになります。

Accreted Intelligence は、これが一時的な状態だという賭けです。学習をモデルの重みからスコア付きの外部状態へ移し、現実との接触から判断力が積み重なるようにすることで、モデルは知性の在りかではなく、交換可能なプロセッサーになります。入れ替えられるのは推論エンジンであり、あなたの世界で培った判断力は、あなたの手元に残ります。

既存ツールの位置づけには空白があり、acc はそこを埋めます。メモリーはコンテキストを記憶します。可観測性ツールはトレースを表示します。自動化ツールはプレイブックを実行します。acc は、コミットメント、アクション、承認、結果、再利用可能な手順という学習のループを完成させます。それらは成果によってスコア化され、台帳で監査され、すべてあなたのハードウェア上で動作します。さらに、メモリーにはできないことを1つ実現します。あなたの世界で以前うまくいったすべてのことから、最も成功する可能性の高い手順を予測し、自らの誤差を監視します。

acc は、その主張を実現する実働カーネルです。遅延相互作用型のスコア付きトークンメモリー上で動く再帰的言語モデル（Recursive Language Model）であり、1つのメモリーに対して2つの動詞を備えています。クレジットはデフォルトで弱い事前分布にとどまり、現実によってのみ完全な重みが与えられます。

---

あらゆる作業に使える共通ワークフロー

技術的な作業と非技術的な作業でモードを分ける必要はありません。コードのリリースでも、請求書の督促でも、ループは同じです。異なるのは、取得して実行する内容だけです。エージェントには普段の言葉で話しかけ、分野ごとの違いはアーキテクチャではなくコンテンツにあります。

作業	1回目の実行	acc が予測し、再実行する内容
機能のリリース	各ステップを推論し、テストを実行する	この種類のバグを検出するテストと、成功した手順
候補者のソーシング	ATS を読み取り、順位付けし、最初のメッセージを作成する	返信につながったソーシングの切り口
請求書の督促	台帳を読み取り、督促文を作成する	実際に売掛金の回収につながるリマインダーの間隔
月曜日のクライアント向けブリーフ	情報を集め、作成し、ファイルする	各クライアントが読むブリーフの形式

(説明用の例です。実測値は accint.xyz に掲載されています。この行は形式を示すもので、ベンチマークではありません。)

4つの異なる作業に、共通の基本要素は1組です。コミットメント → アクション → HELD → あなたのOK → 結果 → 学習した内容の記録。 外部に影響するすべてのフローには、権限ゲート（HELD → あなたのOK）が構造として組み込まれています。このゲートがあるため、同じループをコードだけでなく、重大な結果を伴う作業にも安全に使えます。

翌週にもう一度実行すると、検証済みのステップが再推論ではなく再実行されます。多くの AI はタスクごとに毎回最初から推論するため、いつまでも全額を支払うことになります。acc はうまくいった手順を予測し、検証済みのステップを再実行するので、同じ作業のコストは実行するたびに下がり、学習が進むほどさらに低くなります。

---

インストール

acc は1行でインストールできます。OS 用のインストーラーを実行し、マシンに acc をセットアップします。

curl -fsSL https://raw.githubusercontent.com/maxbaluev/accreted-intelligence/main/bootstrap/install | ACC_INSTALL_REF=github-readme ACC_INSTALL_SOURCE='ref=github-readme&utm_source=github&utm_campaign=readme' sh

Windows（PowerShell 5.1 以降）：

$env:ACC_INSTALL_REF='github-readme'; $env:ACC_INSTALL_SOURCE='ref=github-readme&utm_source=github&utm_campaign=readme'; irm https://raw.githubusercontent.com/maxbaluev/accreted-intelligence/main/bootstrap/install.ps1 | iex

公式 MCP Registry / MCPB： AccInt は、macOS、Linux、Windows 向けの MCPB パッケージとともに io.github.maxbaluev/accint として公開されています。MCPB 対応のクライアント、マーケットプレイス、または下流の MCP ディレクトリを通じてインストールする場合は、このレジストリエントリーを使用してください。同じマシン上で Claude Code、Codex、Cursor、OpenCode を設定するために acc hosts-sync を使う場合は、上記の1行インストーラーが引き続き最も幅広く使える方法です。

インストーラーはハードウェアを調査して、実際に実行できる範囲の埋め込みモデルのティアを選び、利用可能な場合は対応するリリースバイナリをダウンロードして検証し、ウォーム状態のローカルデーモンを起動して、エージェントの .mcp.json を設定します。初回実行時は埋め込みモデル（数 GB）のダウンロードに数分かかることがあります。インストーラーは待ち時間を正直に知らせ、ハードウェアの性能を実際以上に見せることはありません。

手順を案内してほしい場合は？ すでに使っているエージェント（Claude Code、Codex、Cursor、OpenCode）のいずれかにプロンプトを1つ貼り付けると、エージェントと一緒に acc をインストールできます。各ステップを説明し、境界に達したら同意を求め、推測ではなく機械可読なコントラクトに照らして検証します。このプロンプトは accint.xyz にあるものと同じです。docs/install/with-agent.md をご覧ください。

GitHub をご覧の方向けの、エージェントによるインストールプロンプト：

Install AccInt for yourself - a local Work Model that learns what actually worked across my projects and predicts the better path, so you get better at my work over time. Use the attributed GitHub README installer for my OS:

macOS/Linux:
curl -fsSL https://raw.githubusercontent.com/maxbaluev/accreted-intelligence/main/bootstrap/install | ACC_INSTALL_REF=github-readme ACC_INSTALL_SOURCE='ref=github-readme&utm_source=github&utm_campaign=readme' sh

Windows PowerShell:
$env:ACC_INSTALL_REF='github-readme'; $env:ACC_INSTALL_SOURCE='ref=github-readme&utm_source=github&utm_campaign=readme'; irm https://raw.githubusercontent.com/maxbaluev/accreted-intelligence/main/bootstrap/install.ps1 | iex

Then run `acc hosts-sync` and tell me when `acc retrieve "what should I do next?"` works. Before running anything, state the trust boundary: public Apache-2.0 installer/docs/plugins/registry glue; proprietary local engine binary with private engine source; local Work Model data stays on my machine; opt-out anonymous telemetry is event names/source refs only, with no prompts, files, memory, or Work Model data. It is local: no account, no API key, and it asks before anything leaves my machine.

---

ループの流れ

インストールが完了したら、ループが最初から最後まで動く様子を確認できます。初回の動作は次のとおりです。コミットメントが作成され、これまでうまくいったことをもとに、より良い経路が予測され、作業の進行に合わせてレシートが記録され、スコアが変化します。

$ acc status                                  # health + your next step
$ acc --db acc.db act solve "draft the follow-up to last week's brief"

  commitment c-7f3 created   ·   predicted from 4 prior memos   [VERIFIED]
  drafted the follow-up, held for your OK                       [HELD → your OK]
  you approved · sent · the angle that worked is kept           [CREDITED]

solve はコミットメントを記録し、最もうまくいく可能性の高い経路を取得して予測し、成果物、または関連付けられたセッションで解決するための検討フレームを返します。すべてのステップは実行と同時に記録されます。これはレシートであり、事後に再構成したトランスクリプトではありません。acc commitments と acc status で記録内容を確認できます。

(統計情報の帯がシステムの実行に合わせて更新される、アニメーション版の同じループです：accint.xyz。)

---

学習の仕組み

脳は過去に見たものを活性化し、意味の空間で次に起こることを予測して行動し、予想外だったことから最も多くを学びます。acc も同じループを実行します。ただし、すべての予測を現実に照らして検証し、あなたの判断に応じて調整し、マシン上にとどまるメモリに保持します。

• メモリは遅延インタラクションです。 各エンティティは、トークンごとのマルチベクトルとして保存され、各トークンに学習済みのベータ事後分布を持ちます。検索には MaxSim を使います。score(q,d) = Σᵢ maxⱼ sim(qᵢ, dⱼ) であり、結果に応じたクレジットは、実際に一致したトークンの事後分布を更新します。密なボトルネックはなく、検索にクラウドも使いません。
• 単に思い出すのではなく、予測します。 トランジション台帳は、次に状況を改善する可能性が最も高いアクションを順位付けします。これは過去の評価の空間における k 近傍法であり、自らの予測誤差も監視します。状況が変化すると、それを検知します。ここがメモリにはできない部分です。想起は過去に言われたことを返しますが、予測は行動する前に、より良い経路を提案します。（JEPA 形式の予測モデリングを、ピクセルではなく作業に適用しています。）
• インターフェースは 2 つの動詞だけです。 acc_retrieve は MaxSim でメモリを参照します。唯一の読み取り操作であり、画像も扱えるネイティブなマルチモーダル機能を備えています。acc_act はあらゆる処理を実行します。solve（サブゴールを再帰的に解決）、exec（サンドボックス化されたコードを実行）、register（再利用可能なランタイムを保存）、outcome（現実世界の判定をもってコミットメントを完了）があります。
• 再帰が基本単位であり、分解はその副作用です。 decompose 操作はありません。推論器が直接回答できない場合は、サブクエスチョンを解決します。そして、そうした解決によって成長するツリーそのものが分解になります。プランナーもタスクグラフもありません。
• 積み重なるのは 1 つではなく 2 つです。うまくいったことと、そのやり方です。 ブラウザーのフロー、スクリプト、ツール統合のいずれであっても、うまくいった経路はランタイムとして保存され、メモと同様に現実に照らしてスコア付けされます。特別扱いされる経路はありません。ブラウザーも、スコア付けされるランタイムの 1 つにすぎません。うまくいったフローは低コストで再実行され、壊れたフローはスコアを失い、再び信頼されることはありません。これにより、「同じ作業は再推論されず、再実行される」が仕組みとして実現します。
• 信念を現実として数えることはありません。 コミットメントを完了すると、既定では意図的に弱い事前分布である self_graded が設定されます。完全な重み付けには現実による裏付けが必要です。所有者による確認、世界からの応答、テストの合格、またはランタイムの正常終了がその例です。システムが自らの確信だけをもとに積み重ねることはできません。

詳しくは、以下をお読みください。

• ホワイトペーパー → では、課題（クレジット割り当てと検索からアクションへの結び付け）、論旨、数式を含むアーキテクチャ（検索、スコア付けされたクレジット、予測）、そして何が証明済みで何が未解決かについての率直な説明を扱っています。
• アーキテクチャ概要 → は、概要をさっと確認できる案内です。2 つの動詞、遅延インタラクションメモリ、現実を条件とするクレジット、トランジション台帳予測器、トラストカーネルについて説明しています。

あなたが所有します

acc は、あなたが管理するコンピューター上で動作します。小さなプログラムとデータファイル 1 つ（純粋な Rust バイナリと SQLite ファイル）だけです。クラウドのコントロールプレーンは介在せず、メモリにも推論エンジンにも漏えいする API キーはありません。推論エンジンは対話セッションそのものです。メモリで答えられない場合、acc は検討できるようにフレームを接続されたエージェントに渡します。外部 LLM の経路は一切ありません。

• データは手元に残ります。 基盤（acc.db）は、あなたが所有するディスク上の通常のファイルです。検索、スコアリング、予測、サンドボックスはすべて、あなたのマシン上で動作します。匿名のイベント名テレメトリは公開インストーラーによって有効化されており、実際のインストール失敗を把握できます。プロンプト、ファイル、メモリ、Work Model のデータは送信されません。ACC_NO_TELEMETRY=1 でスキップするか、後から acc telemetry off で無効にできます。
• モデルを入れ替えても、ベテランの知見はそのままです。 acc が学習した内容は Work Model に保存されるため、交換可能な推論エンジンが同じ 2 つの動詞を通じてそれを読み取ります。1 つの基盤に対して 2 つの推論エンジンを動作させています。汎用モデルを変更しても、あなたの環境で培われた判断力はそのままです。エンコーダーと運用契約は基盤のアイデンティティの一部であるため、1 つの基盤は 1 つのエンコーダーに固定されます。
• 境界で同意を得ます。 送信、公開、デプロイ、転送、重要なデータの削除、または認証情報の使用を伴う操作には、所有者の権限が必要です。このゲートは助言ではなく、厳格なものです。保留された判断には名前とタイムスタンプが記録され、承認なしに外部へ送られることはありません。

---

すべて記録に残します — 同じ記録を 2 つの読み手が参照します

AI の作業のほとんどは、何を予期していたか、誰が承認したか、実際にうまくいったかの記録を残しません。acc は各ステップを、その実行と同時にすべて記録します。「なぜそうしたのか」と尋ねられたとき、答えはすでに記録されています。チームが経営陣に提示できる記録であり、同じ行から Work Model が引き継ぐ教訓でもあります。

• 何をしたか → 実行時に記録された VERIFIED の行。
• 誰が承認したか → 名前とタイムスタンプが記録された保留中の判断（HELD → あなたの承認）。
• 何を学んだか → 評価が付与され、保持された教訓。

何が起きても記録が残り、あなたが下した判断が失われることもありません。

---

FAQ：Work Model とメモリの違い

これは単なるエージェントのメモリですか？

いいえ。メモリはコンテキストを呼び出します。Work Model は、そのコンテキストが実際の作業の完了に役立ったかを記録し、次の実行が始まる前に、よりよい進め方を予測します。

acc は記憶した事実だけでなく、コミットメント、アクション、承認ゲート、結果、失敗、再利用可能なランタイムも保存します。重要なのは、「エージェントは何を記憶すべきか」だけではありません。「記憶したことのうち、現実の結果を経て信頼を得たものは何か。そして、それは次の仕事について何を予測するのか」です。

予測するのですか、それとも単に記憶するだけですか？

予測します。遷移台帳は、あなたの環境で以前うまくいったすべての内容をもとに、最もうまくいく可能性の高い道筋を順位付けし、予測誤差も追跡します。これは単なる想起にはできないことです。環境が変化して、クライアントから返事が来なくなったり、一定の頻度での働きかけが成果につながらなくなったりすると、予測誤差が大きくなり、予測器は適応します。

ベクトルデータベース、Mem0、Supermemory、Hermes、Markdown のメモリファイルとはどう違うのですか？

これらのツールは、想起や共有コンテキストが課題である場合に役立ちます。acc は、作業ループのさらに下の層に位置します。

memory          -> what might be relevant?
trace           -> what happened?
eval            -> did the output look good?
acc Work Model  -> what was attempted, who approved it, what happened in reality,
                  which path deserves reuse, and what to try next time?

違いは、成果への評価と予測にあります。取得したメモリ、スクリプト、ブラウザーの手順、ランタイムがより高い信頼を得るのは、その結果が現実によって確認された場合に限られます。たとえば、テストの合格、所有者の承認、アクションの完了、返信、またはその他の根拠のある成果です。

私のマシンから外部に何かが送信されますか？

Work Model にクラウドのメモリアカウントは必要ありません。基盤はローカルの SQLite ファイルで、検索と予測はローカルで実行され、埋め込み生成器もローカルデーモンとして動作します。外部アクションにはゲートが設けられています。送信、公開、デプロイ、転送、削除、認証情報を使うアクションには、所有者の権限が必要で、記録が残ります。

現実として認められるものとは？

モデルの確信度ではありません。現実とは、モデルの外部で結果が確認されたものです。たとえば、テストに合格した、担当者が承認した、ブラウザーが配信を確認した、世界から応答があった、あるいはランタイムが根拠のある結果を生成した、といったものです。自己採点した作業は弱い証拠として扱い、完全な真実へと格上げしません。

何が公開され、何が非公開ですか？

インストーラー、ホストアダプター、ドキュメント、公開されている構成要素はオープンソースです。後期相互作用メモリ、評価／予測レイヤー、クレジット計算のエンジンソースは、現時点では非公開です。公開リポジトリでは、どの主張が証明済みで、どれがまだ初期段階にあり、どの部分が非公開かを明示しています。

---

すでに使っているツールで動作します

エージェントはそのまま使えます。コンピューターもそのまま使えます。acc は、すでに使っている AI ツールの下で動作し、その動作を静かに、所有権を持つワークモデルへ変換します。新たに開くものも、移行するものもありません。1 つのバイナリ、1 つのライフサイクルプロトコル、すべてのホストとプロジェクトで共有される 1 つの基盤です。

ホスト	ステータス	接続方法
Claude Code	稼働中（リファレンスホスト）	.mcp.json + ネイティブフック（plugins/claude/）
OpenCode	稼働中	opencode.json の mcp ブロック + プラグイン（plugins/opencode/）
Codex CLI	稼働中	config.toml の mcp サーバー + notify フック（plugins/codex/）
Cursor	接続済み — ドキュメントに基づいて作成、実稼働テストは未実施	.cursor/mcp.json + エージェントフック（plugins/cursor/）

plugins/claude/ はリファレンスホストで、ネイティブなライフサイクル接続とスキルを備えています。他の 3 つは、それぞれのホストのシグナルを 1 つの汎用エンベロープに変換します。基盤と 2 つの動詞は共通で、接続の充実度はホストごとに異なります。acc hosts-sync を実行すると、ここにインストールされているすべてのエージェントに acc が接続されます。既存の設定には触れず、追加のみを行う冪等な処理です。インストール時に自動実行されます。

対応システム：

• Linux x86_64： 完全対応（bwrap サンドボックス。埋め込みモデルは cuda または cpu）
• macOS： 動作可能（bwrap なし。埋め込みモデルは mps または cpu）
• Linux aarch64： 動作可能（埋め込みモデルは cpu）
• Windows： install.ps1 でネイティブ対応（エンジンは windows-clean。フォールバックとしてコンテナーを使用）
• ロックダウン環境／root 権限なし／コンテナー専用のホスト： コンテナー による移植性確保の経路では、公開リリースバイナリを使用します。レジストリーイメージとして昇格させる前に、Docker ホストでのスモークテストが引き続き必要です。

---

これからの展開 — 現在は1つの Work Model、将来は集合体へ

accは、単一ホスト上で稼働する研究用カーネルです。ロードマップではなく、実際に稼働しているシステムです。現状を誠実にお伝えします。以下の数値は約束ではなく、実測値です。稼働状況は**accint.xyz**で確認でき、システムの稼働に合わせて更新されます。

段階	内容
現在 · 稼働中	あなたの Work Model — あなたのマシン上で稼働し、今日の実際の成果によって評価される、あなたの業務の Work Model です。何かを外部に送信する前には、必ずあなたの承認が必要です。accint.xyzの表示が、そのまま稼働中のシステムです。
次の段階	チームの Work Model — 多数のオペレーターが1つの Work Model を共有し、個人ごとの権限と1つの監査プレーンを備えます。散在するチャットに経験を分断せず、チーム全体で経験を積み重ねられます。
将来の展望	集合的に蓄積される知能 — Work Model がベクトル空間でピアツーピアに経験を積み重ね、各ノードがそれぞれの現実に照らして再検証します。信頼すべき中央の頭脳がなくても、ネットワーク全体がより賢くなります。

現在稼働しているもの、まだ初期段階のもの、未解決のものは次のとおりです。

状態	対象
現在稼働中	MaxSim 検索 + 単位ごとにスコア付けされたメモリ · 現実に基づいて制限されるクレジット · 1つの基盤上で動作する2つの推論エンジン · 再帰的な solve · サンドボックス化され、スコア付けされたランタイム · 構造に基づく4リンクの強制 · オーナー権限の最低基準 · 自己評価に基づく弱い事前確率
初期段階だが接続済み	遷移台帳 + k-NN エネルギー降下予測器 · 信頼性の高いランタイム再生 · コスト圧縮の計測機能 · モデル交換への耐性を差分として実測
既知の未解決事項	基盤の有効時と無効時の性能差（まだ反実仮想テスト用ハーネスがありません） · 単一ホストを超える MaxSim のスケーリング · 到達可能なネットワークと送信境界の堅牢化
未着手	上記のチーム向けおよび集合型 Work Model の各段階

現在の具体的な足がかりは、単一ホスト上の Work Model です。今日の実際の成果によって評価され、上記の表示が稼働中の証拠となります。複数のコーディングエージェント用ターミナル、1つのローカル Work Model、1人のオーナー、そして外部への操作前の承認を備えます。より広い製品構想は、あらゆるエージェント実行ジョブに対応する学習基盤です。その実証は、すでにエージェントが実作業を行っている領域から始まります。

---

プリミティブをオープンに

エンジンは非公開です。後期相互作用型メモリ、評価・予測レイヤー、クレジット計算が含まれます。これが競争優位性であり、今後も非公開のままです。追跡対象の公開リポジトリの内容、特に統合用の接着コード（install.sh、install.ps1、bootstrap/、plugins/）はApache-2.0ライセンスで、オープンに開発されています。ビルド済みバイナリは、ドラフト版のEULAに基づいて提供されます。ライセンスの全体像については**LICENSING.md**をご覧ください。

構成要素も公開されており、それぞれ単独で出荷できます。

• **maxsim-rs**は、クリーンなRustで実装された後期相互作用型MaxSimです。
• **colpali-retrieve**は、マルチモーダルな後期相互作用（テキストから文書画像を検索）です。
• **scored-rerank**は、成果から学習するランキング機能です（ベータ事後分布とトンプソンサンプリング）。
• **mcp-retrieve**は、MCP ツールとしての後期相互作用型検索です。

---

コミュニティ

• CONTRIBUTING.md では、公開されている内容、ホストアダプターの追加や修正方法、問題の報告方法について説明しています。まず acc doctor を実行してください。出力されるのは運用状態のみで、安全に貼り付けられます。
• バグを見つけましたか？ または新しいホストの接続を希望しますか？ issue を作成してください。エンジンの優れた アイデア は機能リクエストとして歓迎します。ただし、エンジン内部の変更はここでは PR として受け付けられません。
• セキュリティに関する問題： 公開の場には絶対に投稿しないでください。非公開での報告方法は SECURITY.md をご覧ください。
• インストール： macOS、Linux、Windows で1行でインストールできます。インストールをご覧ください。最新の状況は accint.xyz で確認できます。ACC_INSTALL_REF / ACC_INSTALL_SOURCE のプレフィックスは、README からのインストールを測定するためのインストール元情報のみを記録します。インストール元の追跡を希望しない場合は省略してください。

---

すでに AI エージェントを実行していますか？その成果を、自分のものとなる専門知識に変えましょう。 · 実際の動作を見る：accint.xyz

質問、バグ、または接続してほしいホストがありますか？ GitHub issue を作成してください。 · accint.xyz