コアサービスの骨格が完成する – Fact Builderを作る

国際ニュースの文脈抽出パイプラインが完成して、

• Discord
• WordPress
• 基礎教科書
• 論文
• 内部資料
• 小説
• 国際ニュース

のすべてについて、原本保存→文脈抽出の流れを実装できました。

さらに国際ニュースについては、Pivot Serviceにデータ投入をする機能を開発しました。

これまでは、専用のスクリプトで国際ニュースだけをPivot Serviceに投入していましたが、Nerve経由で届いたデータをPivot Serviceに投げるFact Builderを開発しました。

これで、Collectorが原本確定、Nerveがデータ配信、CPSが文脈抽出、Fact BuilderがPivot Serviceに意味投影というワークフローが破綻なく動くようになりました。

これはニュースからCPSが文脈を抽出した様子。

その後、Nerveにcontext_builtイベントが届き、Fact生成パイプラインが走ります。

パイプラインの実行の結果として、Pivot Gatewayと介してPivot Serviceにデータが入ります。

現時点では国際ニュースのみですが、いずれ他のデータについてもPivot Serviceに投入できるように機能を追加します。

これがZIKUUコアサービスの全体像です。

Collectorが7種類ありますが、ここにSlack Collector、Trello Collector、Notion Collectorみたいなもの追加し、CPS内のCBESレシピ（文脈抽出方法）、Nerve Pipelineのデータハンドラーを追加してやれば、ZIKUU以外の場所でも、文脈と意味空間を処理するプラットフォームとして使えるのが、ZIKUUコアサービスです。

このシステムが、最小構成なら、ミニPC１台で運用できる。
それが「手の平に乗る文明のバックアップ　ZIKUU Mini」です。

このシステムは、例えば町内会なら、

• Discord
• 議事録
• 配布資料
• 会報

工房なら、

• 製作ノート
• 写真
• 図面
• Discord

学校なら、

• 教材
• 授業記録
• 生徒作品

研究室なら、

• 論文
• 実験結果
• メモ

企業なら、

• 議事録
• プロジェクト
• 手順書

を読ませるかもしれない。

何を読ませても、文脈抽出と意味空間構築ができて、AIと人が探索できる。
散らばっている知識を自分たちの文脈として扱える。
クラウドAIは不要で、ローカルLLMだけで運用できる。

意識的に、堅く動かすところと、柔らかく変更できるところを分けて設計しています。
キューと並列化し、GPUサーバーを複数配置して、用途ごとにGPUにリクエストを振り分ける、といった構成も作れるので、大規模なコンピュータークラスター用に発展させられます。

次回以降、このシステムを本番サーバーに配備し、運用しながら調整をしつつ、いよいよアプリケーション層のPivot Reasoning EngineとAI塾長の開発に入っていきます。

Field Delivery Engineerのような役割の人が、共同体や企業に出向いて、用途ごとにCollectorやCBESレシピを追加すると、Palantirと似たビジネスにもなります。