Meaning Model

意味モデル

プロジェクトのウェブサイトと利用開始ガイド · ストーリービューアーを試す

AI に明示的な世界モデルを構築させ、それを通じて推論し、創造し、記憶させます。 Meaning Model は、言語モデルが学習した知識を、検査、テスト、改訂できるプロセス、関係、概念へと変換できるようにします。それぞれの明示的な構造は、エージェントが作業中に発見するカテゴリーも含め、さらなる推論や抽象化の基盤となります。ある説明を提案するために、事前の測定は必要ありません。推論による説明は観察結果と区別されたまま保たれ、証拠に照らしてテストできます。

比較判断は、Cut を通じて明示できます。宣言された単位を、ある問いに基づき、互いに排他的な答えと明示的な残余に分割します。測定では外部単位が保持されます。

Meaning Model の、相互に結び付いた 2 つのアーキテクチャ上の貢献は、段階的な解像度と共有構築媒体です。段階的な解像度では、世界を大まかに構築し、重要な部分を掘り下げます。それぞれの掘り下げでは、受け入れ済みの確定事項を維持するか、明示的に改訂します。共有媒体では、世界の記録、概念、解釈、文書が 1 つのアドレス空間を共有します。そのため、理由や文から、それが対象とする正確な記録を参照でき、改訂と、それに依存する説明や文章を一緒に更新できます。

このリポジトリには、理論、その簡潔な文法の付録、Rust エンジンと MCP インターフェース、そして 12 章の完全な原稿を含む具体的な構築例『The Book of Conditions』がまとめられています。

リリースの変更点、アップグレードに関する注意事項、未リリースの作業については、変更履歴をご覧ください。

このツールを使用するには、パッケージのインストールガイドに従って、アシスタントに接続してください。アシスタントは、目的に応じた運用ガイダンスを得るために life_modeling_context を呼び出します。論文を読む必要はありません。

1つのモデル上のワークフロー

1つの MCP サーバーが、同じエンジンとグラフ上で次のワークフローをサポートします。

• モデリング。 市場、組織、技術など、選んだ対象について、汎用的で修正可能な世界モデルを作成します。低コストで初期推定を行うための、任意の Jev 推定器も利用できます。詳しくは、汎用モデリングと任意の Jev 推定をご覧ください。
• ナラレーション。 ストーリーテリングのアドオンは、モデルからフィクションを作成します。作家モデル、登場人物の生涯を通じた傾向、シーンレビュー、整合性監査、掘り下げの工程を備えています。ストーリーチャットでは、ユーザーが物語世界の登場人物を演じ、LLM がその時点で各登場人物が知り得ることに基づいて、ほかの全員を演じます。書籍を使う場合も使わない場合も同様です。詳しくは、ストーリーテリングアドオンのガイドをご覧ください。
• フィードバックを受けながら人間が執筆。 人間が執筆と判断を行い、LLM がフィードバックを提供します。MEANING_MODEL_ADDONS=storytelling を有効にすると、提示されたテキストまたはプロジェクトの正確なリビジョンから読み取り専用のタスクを作成する life_story_feedback を利用できます。抜粋へのフィードバックに、既存の世界モデルや架空の作家ペルソナは必要ありません。詳しくは、フィードバックガイドをご覧ください。
• エージェントとユーザーのメモリ。 継続中の作業や報告された個人の経歴をモデル化し、好み、目標、判断、信念、学びを時間をまたいで関連付けます。選択した範囲内で役立つ記録を保存し、永続ストレージを設定している場合は、セッションをまたいでそれらを呼び出します。詳しくは、メモリガイドをご覧ください。
• アイデア創出。 エイリアンアドオンは、Ontology of the Alien に従って、創作した世界を通じて解決の仕組みを探し、それらを修正可能なアイデア群のマップに整理します。詳しくは、エイリアンアドオンのガイドをご覧ください。

モデリングとメモリは常に利用でき、2つのアドオンは MEANING_MODEL_ADDONS でオプトインします。各ワークフローは、その処理内容を修正可能で確認できる構造として保持します。推定を観察結果に、レビューを確定した事実に、アイデアを有効性の証拠に変えるワークフローはありません。すべてのワークフローが、マクロからミクロへの探索、再帰的な発見、帰属情報付きの Understanding Nodes を共有します。エージェントが推論、記録、変更できる内容は、その目的と人間が委任した範囲によって決まります。

メモリの作業では、アシスタントはプロジェクトや生活のコンテキストから始め、報告された内容を、それが説明するプロセスに結び付けます。新たな証拠が得られると、その証拠によって変わる可能性のある以前の解釈や判断を見直します。執筆へのフィードバックでは、アシスタントは一節を診断する前に全体を読み、テキストに書かれていることと解釈や芸術的な別案を区別し、人間が選んだ修正による影響を追います。どちらのワークフローも同じ手法を用います。まず大まかな説明を作り、重要な部分を詳しく展開し、見つかった内容を踏まえて全体を再考します。

メモリとフィードバックには、それぞれ独自の life_modeling_context 用途があります。エージェント自身の作業には agent_memory、ユーザーが報告する内容には user_memory、執筆へのフィードバックには human_author_feedback を使用します。再起動後も保持されるメモリには、非公開の LIFE_SIM_STATE_FILE を設定し、データベースごとに1つのサーバープロセスを使用してください。訂正では以前の説明を保持し、時間の経過による実際の変化とは区別します。依存する解釈にはレビューが必要で、自動的に更新されることはありません。トランスクリプトの記録は任意で、デフォルトでは無効です。life_memory_transcript_configure を使うと、1つのメモリコンテキストで有効にできます。トランスクリプトには、呼び出し元またはチャット連携が提供する、表示されたメッセージのみが保存されます。プロセスモデルやその解釈とは別に保存されます。サーバーが会話自体を観察することはありません。

構築記録

バージョン 0.10.0 にはブラウザービューアーが含まれています。接続されたアシスタントに 「このモデルを開いて」 と頼むと、life_model_viewer_open が選択したモデルまたはグラフのリビジョンへのローカルリンクを返します。別途ビューアーをチェックアウトしたり、特別な実行フォルダーを用意したりする必要はありません。執筆中は、「作業中もビューアーを追従させて」 と頼んでください。アシスタントはグラフハッシュとともに mode: "live" を使い、保存されたリビジョンを追跡し、読書コンテキストを保持します。読み取り専用の正確なスナップショットが引き続きデフォルトです。ブラウザーは MCP と同じコンピューターで実行する必要があります。対応するビューとアクセス要件については、ビューアーガイドを参照してください。

読書位置と世界の時間は独立しています。文章を選択すると、そのモデルリンクが強調表示され、読書は別に開きます。テキストが変わっても、任意の文書範囲は安定した文章の境界に結び付いたままです。概念、世界の出来事、著者の記録、語りはそれぞれ別個のままにでき、理解ノードによって自由に関連付けられます。関連付けても、それぞれの時間や権威が同一になるわけではありません。

モデルとその理解グラフは、モデル化する人の理解そのものであり、理解についての報告ではありません。実行されても記録されていないことは、次のエージェントが把握できません。カットを含む各イベントには、その中で何が起きるかの説明があり、そのため数値にも意味があります。選択、アイデア、予測、語り口の決定は、関係するイベント、カット、文章にリンクされた理解ノードとして記録され、外部レビューは実際のレビュアーのもとに記録されます。life_model_outline は選択した深さで、注釈とともに現在の状態を表示し、life_construction_replay は開発の全過程を一段階ずつ再生します。各注釈は、記録が書かれた時点の状態と並べて表示されます。慣れていない作業を引き継ぐエージェントは、変更を加える前にリプレイとアウトラインで履歴を確認します。以前に読んだ正確なリビジョンとコンテキストが保持されている場合、エージェントはその後の変更と、現在のタスクに関連する記録を読み取ります。 life_construction_export と life_construction_import を使うと、同じハッシュを保ったまま履歴全体を別のエンジンに移せるため、作成例をどこでも再生できます。

アプリケーションに必要なモデルを選ぶ

目的に役立つものだけをモデル化してください。プロセス、カテゴリー、関係性、詳細度を選び、用意されたテンプレートを使うか、その出力を調整するか、モデルを直接作成します。単一のプロセスから始めてもかまいません。ブラウザー、学習ツール、関係性アプリケーションが、同じ人物像を構築したり、人物モデル全体を構築したりする必要はありません。

想定しているのは、AI が扱える外部モデルです。時間をまたいで観察事項を関連付け、説明を比較し、起こり得る展開を探り、次に何を調べるかを判断します。モデルを作る人が解釈を提供し、ツールはその構造とリビジョンを保持し、対応する宣言済みの法則を実行します。カテゴリーと分解は、あらかじめ用意された項目を埋めるための固定リストではなく、モデルを作る人が開発し、検証する要素です。共有の記録ルールと検証ルールは、アプリケーションの語彙が変わっても適用されます。

テンプレートの選択肢と、実行可能な語彙改訂の例については、アプリケーション固有のカテゴリーを参照してください。

汎用モデリングとオプションの JEV 推定

life_general_modeling_start から始めます。汎用ワークフローは、テクノロジー、導入、制度、市場、物理システム、その他の用途における、ドメインで定義されたプロセスに対応します。life_world_model_build は、簡潔な骨組みから初期モデルとグラフを構築します。必須のコンテキストレビューでは、焦点となるプロセスの前に、それを包含するシステムと長期的な展開から確認します。表現されたコンテキスト、不明点、根拠のある除外事項は、Understanding Node になります。また、作成者による数値判断、有用なネイティブの概念分解、日付や視点による意味の違いも考慮する必要があります。エージェントは、ある次元が不要または未解決である理由を説明できます。このツールは、恣意的なスコアや詳細さを要求しません。これらの確認によって、完全性や因果的な関連性が証明されるわけではありません。 ビルダーのプレビューでは、Jev の initialEstimate に関する質問を評価できます。その提案をそのまま適用すると、プロバイダーを再度呼び出すことなく、初期値が推定値として採用されます。life_process_estimate は、範囲を限定した質問を使って、型付きプロセス値の提案を作成します。 life_process_estimation_record は、その提案、プロセスレコード、レビューをそのままグラフに保存します。推定値はそのステータスと根拠を保持し、承認済みのランタイム履歴で観測値に暗黙のうちに変わることはありません。

バッチ処理による構造化判断に Jev を使うには、MEANING_MODEL_ESTIMATOR=typesafe と TYPESAFE_API_KEY を設定します。これはストーリーテリングのアドオンとは独立しており、デフォルトでは無効です。範囲と質問は LLM が選択し、ツールコードが反復的なレコード構築を処理します。エンドツーエンドのコストとレイテンシの削減には、セットアップやレビュー作業も含めた測定が必要です。

新しく開始するエージェントはすべて、まず life-sim://guide/start-here（ツールの目的と使い方）とプロセスの分解を確認し、全体の大まかなモデルを作成してから、手作業でレコードを記述したり、さらに深く掘り下げたりする前に、life-sim://protocol/grammar、運用プロトコル、その目的ガイドを読みます。ただし、ユーザーが MEANING_MODEL_INSTRUCTIONS を使って別の指示を与えた場合は除きます（MCP サーバーガイドを参照してください）。life_modeling_read は、ツールしか公開していないクライアントにこれらのリソースを提供します。完全なワークフローと制限については、life-sim://guide/general-modeling をお読みください。

書籍を取り込むには、UTF-8 テキストまたはローカルのテキストファイルを指定して life_document_import を使用します。元のテキストと出典内の位置を正確に保持しながら、ソースを順序付きのリンク可能なドキュメントノードに自動分割します。取り込んだテキストは、承認済みの事実や原稿とは分離されたままです。ソースのインポートガイドを参照してください。

オプションのストーリーテリングアドオン

以下の執筆ワークフローは、委任によるストーリー生成について説明しています。人間が自分の作品を書く場合は、人間の作成者向けフィードバックを使用してください。フィードバックだけでは、プロジェクトの作成も原稿の書き換えも行われません。

物語グラフは、執筆内容の正式な記録です。ストーリーの素材を作成する前にモデルとグラフを作成し、候補、初期案、代替案、草稿、評価、選択、部分的な改訂、開示計画をツール経由で保存してください。ファイルや PDF はグラフの内容をエクスポートしたものであり、別個の原稿やモデルではありません。執筆素材と簡潔な Understanding Node には life_story_author_record を使用してください。数値による探索と改訂では、結果が直接保存されます。いずれも、その結果を世界の事実として承認するものではありません。

シーンには、順序付けられ、個別に編集できるパッセージノードを含められます。共有の life_narrative_edit ツールは、1 つの不変なグラフリビジョン内でテキストを分割、結合、移動、並べ替え、改訂します。分割しても、レンダリングされた文章はそのまま保持されます。編集すると、再評価が必要なレビューが報告されます。このツールはストーリーテリングのアドオンなしでも、グラフを基盤とする他のドキュメントに使用できます。 MCP サーバーの起動時に MEANING_MODEL_ADDONS=storytelling を設定すると、人生のトレンドのモデリング、数値的な軌跡の探索と局所的な修正、モデルの深度レビュー、シーンの準備、草稿のレビュー、散文の確定、章やセクションの目的に関する助言レビューを利用できます。シーンのワークフローには、主要キャスト全体の人生のトレンドが必要です。つまり、大まかな人生の段階、それらを通じた変化と一貫性、そしてそれらのトレンドと各シーンとのつながりです。呼び出し元の LLM は草稿の作成前に、これらを自動的に作成または再利用します。ユーザーが人物資料を用意したり、この手順を依頼したりする必要はありません。現在の危機のスナップショットだけでは不十分です。LLM がモデルとレビューの判断を提示し、ツールは人物資料の構造を検証して、シーンレビューをその資料に紐付けます。

LLM は、合意された委任範囲内で、作家モデルも作成または再利用します。裏付けのある実在作家の根拠、または明示的に架空のペルソナを、執筆上の選択、有用な文脈、抑制と結び付けます。life_story_author_record を通じてプロフィールを保存し、シーンおよび目的レビューのパケットで選択したバージョンを紐付け、確定した散文を shaped_by を通じて関連付けます。作家は語り手や登場人物とは区別されます。プロフィールは散文の一貫性を求めるものでも、文学的な質を確立するものでもありません。

草稿の作成と実質的な改稿の後、LLM は実際の散文と、登場人物の発話や行動の背後にあるプロセスを使って、作家の声と関連する各主要登場人物を評価します。意図した効果と観察された効果、根拠、不確実性、修正するか維持するかの結論を、理解ノードとして保存します。読み取り専用の life_story_deepen ツールとプロンプトは、後に同じ作品を正確なベースラインに照らして改稿するための準備をします。局所的な改稿では、デフォルトで前提、キャスト、結末を維持します。合意されたブリーフの範囲内で、構造的な改稿も可能です。詳細や長さを増すことが、自動的に改善につながるわけではありません。

散文の作成前、およびモデルやストーリーの文脈に重大な修正を加えた後、LLM は、重要な選択や結果をモデルが説明できているかどうかを自動的にレビューします。life_story_model_depth_review は紐付けられたモデルと選択したグラフの根拠を読み取り、life_story_model_depth_record はその所見を理解ノードとして保存します。LLM は関連する人生や欠点、概念、物理的または制度的な制約、原因、情報開示のプロセスを調べ、必要な場合にのみ詳細を掘り下げます。シーンの準備には最新の評価が必要です。未解決の所見がある場合、確定はできません。抜けは保存できます。これは固定された分類体系でも、深度の割り当て基準でも、文学的品質のスコアでもありません。

新しい軌跡を作る際、LLM は出来事と人生全体について数値ポイントをサンプリングします。これには、明確な意味、比較、単位、範囲を備えた次元による感情状態も含まれます。randomness はベースライン周辺の変動を制御し、別の候補数が探索の予算を制御します。LLM は候補の一貫性とストーリーテリングの可能性を評価し、その後、採用するか、局所的に修正するか、却下します。移行が弱くても、人物全体を犠牲にする必要はありません。局所的な修正では、他の値、サンプラーに与えた固定事実、割り当ての合計を維持できます。簡潔な評価と修正の理由は、関連する根拠に紐付けた理解ノードに記録します。これらの候補は受け入れられるまでは創作上の仮説であり、較正済みの心理モデルや物理シミュレーションではありません。

オプションの構造探索では、通常のシードワードを使って、グラフのオーサリングワークフロー内で別の出来事、登場人物、関係、またはストーリーラインを考案します。作家が選択してモデル化するまでは、提案は採用されません。新たな主要登場人物、場所、組織の名前について、LLM はランダムな単語の音、リズム、または連想を自動的に使い、ストーリーのスタイルや既存の名前に合う名前を考案します。 LLM は、章の完了、重要な転換点、パートや作品の完成、および重大な改訂の際に、助言を目的としたレビューを自動的に行います。文章の目的、期待、因果関係の変化、その余波、人生の軌跡、作者による情報開示を考慮しつつ、曖昧さ、雰囲気、遅れて訪れる成果を許容します。文章を変更しないことも有効な結果であり、レビューによって保存が妨げられることはありません。期待の醸成、焦点の変化、適応には、固定されたプロットパターンを押し付けることなく、コアのオプションの変化の弧の構造を利用できます。同梱のアドオンは既存のナラティブグラフを使い、以前の改訂を保持します。共有モデル、法則、デフォルトのツールは変更しません。企業の評価プロセス、物理プロセス、その他の用途では、それぞれ独自の語彙と詳細度を選択できます。ワークフローと設定については、ストーリーテリングアドオンガイドを参照してください。

オプションのエイリアンアドオン

MEANING_MODEL_ADDONS=alien（または storytelling,alien）を設定すると、Ontology of the Alien に基づく世界の多様性に関する発想支援が追加されます。サーバーは、それぞれの役割が閲覧できる情報だけを含むタスクを作成します。

• 対象を知らないビルダーが、種となる単語から独自の世界を作り上げます。
• 目的を知らないソルバーが、その世界の中で問題を解決します。
• コンパイラーが、機能するメカニズムを問題の領域へ戻します。

アドオンガイドと生成される役割タスクが探索手順を提供します。同梱の論文は任意の参考資料です。Semantic Tabu アーカイブやキュレーション済みマップを用いた直接提案から、マップ条件付きコンパイルまで、論文の条件マトリックスのすべてのセルを実行できます。

キュレーターは、改訂可能な3つのオントロジーを維持します。すなわち、メカニズムのファミリー、主張される結果、因果的な世界のレジームです。記録された同等性テストで主要な因果演算子が変化したと判断された場合に限り、新しいファミリーが追加されます。これらのオントロジーの診断は、次に依頼する世界を決める際に役立ちます。これには、まだ候補がないファミリーと結果の組み合わせも含まれますが、選択権は呼び出し元にあります。有望なメカニズムは対象モデルに移し替え、すべての役割を対応付け、相違点をすべて明示します。

2人目の判定者が、キュレーターの各判断を検証できます。Jev 推定器を設定すると、キュレーターの理由を知らない状態で同じ比較に答え、意見の相違が診断に表示されます。複数のファミリーにまたがる候補は、カテゴリに加えて、残余を伴う割合として段階的な所属度を持つことができます。対象を知らない状態で作られた世界は、コンテンツアドレス指定型ライブラリとしてエクスポートし、別の探索にインポートできます。インポート先の探索はソルバーから始まります。

すべては理解ノードとしてナラティブグラフに格納されます。各タスクのテキストが保存されるため、各出力は、その役割が実際に見た内容を引用します。段階的な適合度と重み付き選択には、Meaning Model のカットルールが適用されます。各オントロジーは Meaning Model の概念と特殊化関係としてエクスポートできます。世界はテキストによる思考実験であり、移し替えられたものはアイデアであって、証拠ではありません。エイリアンアドオンガイドを参照してください。

オプションの予測アドオン

予測は、あらゆる作業に取り入れられるモードです。目的とともに modes: ["forecasting"] を life_modeling_context に渡すと、その文脈における予測の意味が示されます。物語、 ある人の人生、市場、あるいはユーザーの記憶が対象になります。 予測そのものにアドオンは必要ありません。

ブランチでは MEANING_MODEL_ADDONS=forecasting を設定します。life_future_fork は、 1つの幹のリビジョンと1つの情報カットオフから、モデルの後続段階を兄弟ブランチとして 分岐させます。

• 予測の回答ごとに1つ。各前提は予測期間全体にわたり、その期間について宣言されていれば 予測の確率を含み、宣言されていなければ確率を含めず、その理由を示します。
• 意思決定の選択肢ごとに1つ。選択肢には待つことや何もしないことも含まれます。
• 仮定ごとに1つ、または過去の変更から1つ。

各ブランチは独自のグラフを持つ独立したモデル系列であり、通常のツールを使って 続きを作成します。life_future_load はブランチのダイジェストと未解決の結果に関する 問いを返し、ブランチ間の切り替えに使えます。life_future_compare は、合計値を出さず、 プロセスごと、人物ごとに兄弟ブランチを並べて比較します。ブランチは仮説のままです。 幹のライブビューがブランチに引き継がれることはなく、幹のグラフがブランチに 再バインドされることもありません。これにより、2026年10月25日付の改訂版で サーバーが提供する関連版に含まれる『Life Simulation』論文の「実装のシミュレーション」 と「その影響の追跡」の各節について、最初の部分を構築できます。 予測アドオンのガイドを参照してください。

論文と実例

論文は2026年10月25日に、文法の付録は2026年10月17日に改訂されました。 Zenodo シリーズでは、 アーカイブ版を公開しています。

• Meaning Model 論文 - 論旨、文法、 構築方法、例、数値による概観。
• 文法の付録 - 同じルールを集中的に参照する資料であり、 独立した理論でも、追加の要件集でもありません。
• 『The Book of Conditions』
  • 人間が提示した前提と歴史資料をもとに、モデル読者からのフィードバックを得て、 Claude Opus 5.5 が世界モデルと本文を自動生成・改訂した新しい構築物です。 Markdown、構築物、および検証 が含まれています。以前の構築物 もアーカイブされています。ストーリーのリポジトリ でも各書籍が配布されており、各版には公開マニフェストがあります。
• 世界史 - 現在に至るまでの経緯を、 Meaning Model においてプロセス、Events、概念として構築し、各選択の背後にある推論も 記録したものです。emergent-wisdom/world-history で CC BY 4.0 のもと公開されています。README には、life_construction_import を使って 構築記録を空のストアに読み込み、再生する方法が記載されています。リポジトリには 2026年10月18日時点の状態と、履歴には10月15日時点の状態が保存されています。 論文で報告されている10月19日と20日の作業は、まだ公開されていません。

世界記録の6つの形式は、Concept、Thing、Event、Binding、Cut、Realization です。Cut は、 宣言された1つの単位を、互いに排他的な兄弟回答と明示的な残余に分割し、その重みの合計は 1になります。通常のプロセスリンクには重みがありません。日付、金額、個数、物理的な測定値は 外部の単位を保ちます。Understanding Nodes と Document Nodes は、受け入れられた世界の事実と 同等の権威を持つことなく、アドレス空間を共有します。

試してみる

最小限のデモを実行するには、Node.js だけが必要です。

node --test examples/refinement-trial/example.test.mjs

親に適合する詳細化、局所的には妥当でも親と矛盾する詳細化、明示的な改訂を示します。この例は合成データであり、実装全体や学習提案が完成していることを示すものではありません。

Rust エンジンと MCP ツールを使うには、Rust/Cargo、Node.js 22.18 以降、npm をインストールしてから、次を実行します。

make install
make build
make test

ネイティブの例を実行するには、ビルド後に node examples/progressive-authoring/run.mjs を実行します。Rust での段階的な作成では、受け入れ済みの履歴の後に Cut を開き、互換性のない詳細を拒否し、部分的な時間契約を完成させ、同じ世界を明示的に改訂して続行します。

ビルド後に MCP サーバーを起動します。インストール先の外部に専用のデータディレクトリを作成し、サンプルのデータベースパスをその絶対パスに置き換えます。

cd mcp-server
LIFE_SIM_STATE_FILE=/absolute/private/path/meaning-model.sqlite npm start

セッションやアップグレードをまたいでこのパスを再利用し、データベースごとにサーバープロセスを 1 つだけ実行してください。このパスを指定しないと、プロセス終了時にモデル、ストーリー、メモリーが失われます。保存済みの作業を探すには、アシスタントに life_saved_work_list を使わせ、対象のブランチを選択してください。アシスタントは、リプレイとアウトラインを通じて見慣れない作業を復元します。以前の正確な改訂版とコンテキストが保持されている場合は、その後の変更と、現在関係する記録を読み込みます。その後、MCP ツールを使ってモデルを掘り下げるか、レビューします。スコープの処理、永続化の制限、ローカルビューアー、ポータブルバックアップについては、作業を保存して続けるを参照してください。

MCP ガイド、エンジンガイド、モデリングプロトコルを参照してください。保存済みアーティファクトとの互換性を保つため、既存の life-sim コマンド、スキーマ、リソース、バイナリの識別子は維持されています。これらは別のエンジンを示すものではありません。

パッケージ名は @emergent-wisdom/meaning-model-mcpです。 公式 MCP Registry の識別子は io.github.emergent-wisdom/meaning-model で、server.jsonで記述されています。Registry 経由で利用するクライアントは、明示的にインストールまたはビルドしたエンジンのパスを指定する必要があります。パッケージのバージョンに対応するエンジンをインストールしてください。meaning-model-mcp --install-engine を実行すると、そのバージョンの公開リリースエンジンを明示的にダウンロードして検証します。または、meaning-model-mcp --build-engine を使って、同梱の Rust ソースをビルドできます。npm のインストール時にも、通常のサーバー起動時にも、エンジンのダウンロードやビルドは行われません。ローカルの npm tarball を準備するには、make npm-package を実行してください。パッケージのインストールガイドを参照してください。tarball を作成しても、公開されることはなく、npm スコープの所有権が確立されることもありません。

実証されていること

Book は、モデル支援による執筆を限定的な範囲で実証する例です。マクロな説明、 完全な人生、局所的な Cuts、出来事の記述、関連する構成根拠、 散文を相互に連携させながら作成、改訂しました。採用されたソースは Rust にインポートでき、ドキュメントノードから原稿をレンダリングできます。この 事後的なインポートは、当初の執筆プロセスの復元されたトランザクションログでは ありません。

エンジンは、型付きレコード、不変の改訂、永続化、 候補の採用、正規化された Cuts、限定的なナラティブグラフ操作を実装しています。 オプションの時間的 Cut 契約では、明示的な回答射影と期間の混合を検査します。これには、 部分的な詳細を指定した後にも実現可能な残りがあるかどうかの確認も含まれます。 採用済みの世界は、時間が進んだ後、明示的な精緻化または改訂と比較交換チェックを伴って、 直後のモデル改訂へ移行でき、不変のレシートによって両方のヘッドが保持されます。 この改訂境界をまたぐポータブルなナラティブ学習データとプロジェクトのチェックポイントのエクスポートには、 引き続き対応していません。セッションデータベースには完全な履歴が保持されます。 本稿に記載されたすべての契約を実装しているわけではありません。 実装の境界では、実装済みのチェック、執筆上の慣例、 未実装の動作を区別しています。事前登録された対応比較実験と独立した再読調査は、 今後実施予定です。バリデーターに合格したことも、数値化された人物像を作成したことも、 歴史的真実や心理学的妥当性、通常の執筆に対する優位性を示すものではありません。

リポジトリの構成

パス	内容
paper/	論文と付録のソース、共通スタイル、図、参考文献
rust-engine/	共通の Rust 実装、オプションの数値シミュレーション機能、テスト、サンプル
mcp-server/	エンジンへの MCP インターフェース
profiles/	再利用可能な執筆上の慣例。必須の人間カテゴリではありません
docs/	運用ドキュメントと実装上の制限
examples/refinement-trial/	小規模な単独構成例
examples/progressive-authoring/	ネイティブな時間的精緻化、明示的な改訂、継続する世界の履歴
examples/book-of-conditions/	エージェント生成の Book、ネイティブな構成履歴、タスク、歴史的ソース、再現可能なインポート
output/pdf/	そのまま読める論文、文法の付録、Book の PDF

Meaning Model は表現と共同構成手法を担います。別プロジェクトの Life Simulation では、 プロセス履歴の生成、推論、学習と、それらの実証的評価を研究しています。こちらはこのエンジンを利用し、 二つ目の実装を維持することはありません。その論文のダイジェスト固定コピーは、 付属の MCP 読み取りリソースとしてのみ docs/companions/life-simulation/ に含まれています。

ドキュメントのビルド

latexmk と、インポートされたパッケージを含む LaTeX 環境がある場合：

make paper
make grammar
make book

コード、サンプル、リソース、ドキュメントをまとめて確認するには：

make check

リリースのパッケージ化

make release はパッケージを確認してビルドし、許可リストに基づくクリーンなディレクトリを build/ の下にエクスポートします。エクスポートには、3 つの PDF とその ソースに加え、レビューや改訂の帰属情報を含む、Book の選定された公開構成履歴が含まれます。 .git、ビルドキャッシュ、非公開の計画、 調整用メモ、生のセッショントランスクリプト、未公開の作業コピーは除外されます。

パッケージ化と来歴の詳細はリリースガイドを参照してください。 ファイルをエクスポートしても、GitHub へのプッシュやパッケージの公開は行われません。

ライセンスと引用

オリジナルコードはMIT ライセンスです。オリジナルの論文、ドキュメント、 作成したモデルデータ、Book はCC BY 4.0です。 NOTICEには、サードパーティ素材との境界が記載されています。 CITATION.cffには、著者と推奨する論文の引用情報が記載されています。 リポジトリの URL と Meaning Model の Zenodo コンセプト DOI も含まれています。 DOI は論文のバージョン系列を識別し、リリースマニフェストは 個々のファイルを特定します。