mozg

---

私たちは、人類全体のためのひとつの記憶を作ろうとしています。誰かが書き残したものがすべて取り込まれ、そこから流暢で即座に応答が返ってきますが、その応答は元の書き手とは切り離されています。この仕組みから生じることは3つあり、どれもバグではありません。

• 書き手の存在を消し去ります — あなたらしく振る舞えても、あなたの名前はわかりません。
• あなた固有の世界を知りません — たとえば、3月にチームが下した決定は知りません。
• どこまで知っているかを示せません — 学習したことと、作り出したことが同じように聞こえます。

私たちが知っていることは知っています。 誰に教わったのかは伝えられません。

mozg はそれとは正反対のアーキテクチャです。すべてを飲み込むひとつの記憶ではなく、それぞれが誰かのものであり続ける複数の記憶です。知識は試験で評価され、知識の限界を正直に示し、利用状況が計測されます。これらをひとつにまとめる仕組みがあります。

知識は測定されなければなりません。

仕組み

flowchart LR
    A[one docs URL] --> B[crawler<br/>github tree · llms.txt · sitemap]
    B --> C[atomic notes<br/>+ embeddings]
    C --> D{{the exam<br/>~30 questions from the goal}}
    D -->|score + failed questions| E[focused re-read<br/>chases the gaps]
    E --> C
    F[agents querying over MCP] -->|zero-hit searches| D
    F -->|corrections| G[owner review] --> C
    F -->|proposals from readers| G

• 試験こそがプロダクトです。 脳の目標は確認問題となり、データを取り込むたびに再試験されます。92% 学習済みは主張ではなく事実です。失敗した問題も公開されるため、エージェントは検索前に知識の欠落を把握できます。ブラフ防止の質問によって、知らないことを拒否できるかを確認します。
• コンテキスト不要の検索。 検索処理はサーバー側で行われます（ハイブリッド検索＋リランカー）。脳には3,000件のメモを保存できますが、回答に必要なのはそのうちの3件です。
• 閲覧者は貢献できますが、内容を改ざんできません。 脳を読むだけのエージェントが何かを解明した場合、その知識を返すことができます。返された内容は提案として扱われます。保留中として記録され、提案者が示されますが、所有者が承認するまでは検索結果に表示されず、試験にも含まれません。何も壊せない仕組みで貢献できます。検索結果がゼロ件だった検索は、それ自体が試験問題になります。
• セッション間のバトン。 brain_handoff は作業中の状態を次のセッションに引き継ぎます。翌日の同じエージェントにも、まったく別のツールにも渡せます。コンテキストが失われる直前に、エージェントがバトンを残すよう PreCompact フックが促します。
• learn. どの脳も、人間向けの間隔反復コースとして使えます。learn.mozg.sh では、読む → 思い出す → クイズに答える、という流れに加えて、連続学習記録、80%で取得できる修了証、そして自分のエージェントとのスコアボードが利用できます。
• インジェクション対策を強化。 メモに認証情報の漏えい、PII、プロンプトインジェクションにつながる表現がないかをスキャンします。見知らぬ人からの提案も、届いた入口で再度スキャンされます。サードパーティーのメモは、指示ではなくデータとしてエージェントに提示されます。AI 学習用のクローラーは robots.txt で拒否されます。

スタイル：もう一方の種類の脳

脳は事実を記憶することも、作業の進め方を記憶することもできます。スタイルの脳は、まったく別の抽出器によって読み取られます。「何が描かれているか」ではなく、「次の作品を描くには何をすればよいか」を読み取り、具体的な数値を求めます。16 進数の色値と、どの色が支配的なのか。輪郭線の太さと、線に沿って変化するのかどうか。陰影の付け方と、その密度。そして「決してやらないこと」——誰でもパレットはまねできますが、模倣だと見破られるのは、元の作者が決して使わないグラデーションだからです。

これが、アーティストに報酬をもたらすスタイル盗用への対策です。スタイルを学習できなくすると謳う保護ツールは、どれも数か月以内に破られてきました。もう一つの道は、スタイルをライセンス付きの、試験で評価される製品にすることです。購入者自身のエージェントが MCP 経由でルールを読み取るか、gallery.mozg.sh で直接生成できます。画像 1 枚あたり 25¢、そのうち 10¢ が毎回アーティストに支払われます。誰かのディスク上にあるファインチューニングモデルとは異なり、アクセス権は取り消せます。世に出た LoRA は永久に残りますが、ライセンスはそうではありません。

1 つのコマンドで独自環境を実行

git clone https://github.com/egorfedorov/mozg.git && cd mozg
cp .env.selfhost.example .env     # fill ANTHROPIC_API_KEY + BETTER_AUTH_SECRET
docker compose -f docker-compose.selfhost.yml up

Postgres と pgvector、埋め込みモデル、アプリ、ワーカーがまとめて起動し、アプリの起動前にスキーマも自動でマイグレーションされます。http://localhost:3300 を開き、アカウントを作成して、ドキュメントの URL を貼り付けてください。

初回起動時には、埋め込みモデルの重み約 2.2 GB がボリュームにダウンロードされます。時間がかかるのはこの処理で、実行されるのは一度だけです。本番環境での nginx 配下へのデプロイを含む、運用の詳細は docs/SELFHOST.md をご覧ください。

クラウド、または独自のサーバー

	mozg.sh クラウド	セルフホスト（このリポジトリ）
読み取り、接続、調査	無料	自分で管理
公式カタログ	無料、厳選済み、最新の状態を維持	自分で登録（scripts/catalogue.ts）
脳の構築	無料トライアルの脳、その後はプラン または自分の API キーを持ち込み	自分のキーを使用、制限なし
マーケットプレイス	外部の作者が販売、売上の 95% が作者に	該当なし
スタイル生成	画像 1 枚あたり 25¢、10¢ がアーティストに	画像対応の API キーが必要
運用	こちらで対応	docs/SELFHOST.md

仕組みは明快です。脳の構築にはモデルのトークンが消費されます。クラウドでは、プランに加入して支払う（こちらが費用を負担）、設定で自分の API キーを設定する（自分が費用を負担）、またはプラグインの /mozg:train を使い、Claude Code のサブスクリプションを通じて学習させる方法があります。

エージェントが利用できる機能

14 個の MCP ツールを用意しています。それぞれの説明には、いつ使うべきかが記載されています。これが、活用される脳と、使われずに放置される脳の違いです。

brain_list · brain_brief · brain_search · brain_read · brain_verify · brain_handoff · brain_write · brain_write_batch · brain_feedback · brain_create · brain_add_source · brain_refresh · library_add · library_remove

Claude Code プラグインは、スラッシュコマンドと 2 つのオフラインフックを追加します。一方はセッション開始時に棚の名前を知らせ、もう一方はコンテキストが圧縮される前に、次の人への引き継ぎメモを残すよう促します。

技術スタック

Next.js 16 · Postgres 14 + pgvector（HNSW）· pg-boss（Postgres 内のキュー）· better-auth · bge-m3 の埋め込み + bge-reranker（セルフホストの FastAPI）· JS シェルのドキュメントサイト向け Playwright レンダリングサービス · esbuild でバンドルしたワーカー。 211 件のテスト、プッシュごとの CI、公開ステータスページ。

マニフェスト

これは、サハ共和国に暮らす一人の人間が作っています。面積は300万平方キロメートル、人口は100万人、そして地球上で最も寒い有人地域があります。サハ語を話す人は約45万人です。最先端のモデルにサハ語で何か尋ねてみてください。自信満々に答えますが、間違っています。適切に学習する価値があると思われるほど、オンライン上に私たちの情報がなかったからです。

学ばれるには少なすぎる私たち。教えるには十分な私たち。

言語に限らず、職業、地域、そして索引化されたページではなく人々の中に息づくあらゆる技能の一部について、世界の大半はすでに同じ状況にあります。トレーニングデータにないものは、機械にとって存在しません。そして機械は、あらゆる情報を調べる手段になりつつあります。

スクレイピングされないための選択肢は、無視されることではありません。ライセンスを付与することです。

自信満々の誤答は、沈黙よりも悪いものです。そして、これまでに作られたもののほとんどは、誤答を生み出すよう最適化されています。

全編を読む → — 私が実際に主張していることを5行で、そしてナレッジベースが試験を受けるべき理由を説明しています。

貢献

再現手順付きのバグ報告は何よりも役立ちます。実際の利用に基づく brain_feedback の報告は、それ以上に役立ちます。小規模なPRを歓迎します。CONTRIBUTING.mdをご覧ください。新しいカタログパックはコードではなく、データエントリーです。

ライセンス

AGPL-3.0。実行、変更、セルフホストが可能です。他の人向けにホストする場合も、変更内容はオープンなままです。mozg.sh のホステッドクラウドが提供するのは利便性と推論であり、ロックインではありません。