DWIN Research Adoption

DWIN Research Adoption

AI 研究を、論文によってシステムが気付かないうちに書き換えられることなく、測定可能なセットアップ改善につなげます。

このリポジトリには、ローカル MCP エントリーポイント 1 つと、再利用可能なスキル 3 つが含まれています。このワークフローでは、次の 5 つの状態を分離して管理します。

1. バージョンが明記された論文を見つける。
2. ソースに紐づいた証拠を復元する。
3. 限定的な変更を提案する。
4. 明示されたゲートの下でベースラインと介入を比較する。
5. 明示的な人間の承認後にのみ、永続的なメモリに昇格させる。

この MCP は、Research Radar、Document Intelligence、Evidence Graph、Setup Intelligence、Research Adoption、Memory Graph、Factory Health の 7 つの範囲を限定したカプセルを組み合わせています。個人のセッション履歴、金融データ、雇用主の成果物、非公開のソースコーパスは含まれません。

MCP をインストールする

npx -y [email protected]

公開パッケージ：npm の dwin-research-adoption。公式 Registry ID：io.github.vidvinianinov/dwin-research-adoption。

汎用 MCP クライアント設定：

{
  "mcpServers": {
    "dwin-research-adoption": {
      "command": "npx",
      "args": ["-y", "[email protected]"]
    }
  }
}

API キーは不要です。デフォルトのデータディレクトリは非公開のアプリケーションデータです。分離が必要な場合は、DWIN_FACTORY_DATA で上書きしてください。ネットワークアクセスはデフォルトで拒否されます。バンドルされたポリシーでは、公式 arXiv エンドポイントと、オプションのループバック接続によるローカルモデルエンドポイントのみが許可リストに登録されています。

デフォルトの basic プロファイルでは、発見、PDF の証拠、セットアップのインベントリ、ハイブリッド検索、照合、評価、ガバナンス対象の Memory にまたがる 38 個のツールを利用できます。追加のカテゴリスキャン、ウォッチ、検索実験、固定されたデモ用コーパスを利用するには、DWIN_TOOL_PROFILE=full を設定してください。

ローカル AI セットアップをインデックス化する

登録は明示的に行います。このパッケージがホームディレクトリをスキャンすることはありません。安定したチェックアウトまたはグローバルインストールから実行してください。

dwin-research-adoption setup-register my-setup /absolute/path/to/setup

setup_sync を呼び出して、指示、スキル、MCP マニフェスト、カプセル、コントラクト、ポリシー、フック、ステアリング、SOP、スクリプト、評価、フィクスチャ、証拠、設定を分類してインデックス化します。setup_search は FTS5/BM25 を使用し、setup_reopen はソーステキストとの完全一致を検証します。setup_graph は範囲を限定した型付き関係を提示し、setup_reconcile はセットアップを編集することなく、観測された候補またはギャップ候補を返します。

オプションのセマンティック検索には、setup_bridge_evidence を呼び出し、固定バージョンのモデルを明示的にプロビジョニングしてから、evidence_embed を呼び出してください。

dwin-research-adoption embedding-provision

埋め込みキャッシュは、完全一致のテキスト、役割、モデルのリビジョン、前処理／設定、ランタイム、アーキテクチャに紐づけられます。デフォルトは引き続き BM25 です。ベクトルとグラフエッジは候補の提示にのみ使用されます。

ローカルの研究用 PDF を解析する

軽量パッケージにはモデルの重みは含まれていません。固定バージョンの Docling を明示的にプロビジョニングし、PDF を 1 つ登録してください。

dwin-research-adoption document-provision
dwin-research-adoption document-register paper /absolute/path/to/paper.pdf

続いて、document_sync、document_search、document_reopen を呼び出します。パーサーはローカルで実行され、ページ／ブロックの出典情報、ハッシュ、非公開のロスレス Docling エクスポートを返します。検証済みのランタイムでは約 1.34 GB のモデル成果物を使用するため、プロビジョニングは意図的に別の手順になっています。

ローカルの日次スケジューラーを実行する

公開パッケージには、範囲を限定した日次ランナーと、macOS launchd インストーラーが含まれています。安定したチェックアウトまたはグローバルインストールが必要です。一時的な npx のパスは拒否されます。

dwin-research-adoption schedule install 8 0
dwin-research-adoption schedule status
dwin-research-adoption daily

スケジュールされた実行では、カプセルのマニフェストで daily と宣言されたジョブのみが実行され、非公開のアプリケーションデータの下にハッシュ付きの実行記録が書き込まれます。投稿の公開、研究による変更の適用、Memory の昇格は行いません。

スキルをインストールする

npx skills add vidvinianinov/dwin-research-adoption

現在の安定版リリース：v0.2.0。スキルカタログ：skills.sh/vidvinianinov/dwin-research-adoption。

含まれるスキル：

• triage-ai-research：質問を監査済み arXiv テンプレートに振り分け、候補となる証拠を作成します。
• adopt-research-into-setup：選定した論文を、ベースライン／介入実験に変換します。
• review-evidence-and-memory：出典情報を検証し、受け入れ済みで承認された知見のみを昇格させます。

リリースチェックの再現

npm ci
npm run verify
npm run receipt:release

npm run demo は、サニタイズ済みのオフライン arXiv フィクスチャと、パッケージ自体の隔離されたインデックスを使用します。統合されたツールを検出し、論文を検索し、型付きセットアップインデックスを構築して、特定の根拠を再度開き、明示的なギャップ候補を3件報告し、ベースライン／介入の照合ケースを実行して、Memory が空のままであることを検証します。npm run audit:release は、npm の正確なファイル一覧を調べ、秘密情報、個人用パス、雇用主に関する用語、シンボリックリンク、メタデータの不整合を確認します。

研究からセットアップへの最初の実例は、memory portability launch case です。導入しないという判断を含み、生産性やトークン節約についての主張はしていません。

製品の境界

デフォルトの検索経路は、語彙ベースで出典を引用します。オプションの埋め込みはローカルで実行され、バージョンが固定され、ハッシュでキャッシュされる実験的なものです。真実性や権威性を与えるものではありません。解析済みの PDF や外部の抄録は信頼できない入力です。グラフのエッジは候補となる関係です。永続的なメモリを承認できるのは、評価の受領記録と最新の人間による承認がそろった場合のみです。

ローカルの stdio パッケージは Apache-2.0 です。将来のホステッドサービスでは、公開契約を維持しながら、スケジューリングの管理、組織ポリシー、共同承認、ホステッド評価を追加する可能性があります。

セキュリティとプライバシー

SECURITY.md、プライバシー、利用規約をご覧ください。脆弱性は公開イシューを立てず、非公開で報告してください。

依存関係の順序に沿った製品マイルストーンと終了基準は、目標チェーンに記載されています。

MCP レジストリ名：io.github.vidvinianinov/dwin-research-adoption