PullNexus

GitHubベースのレジストリおよびローカルAIリソース用CLI。 再利用可能なスキル、ツール、テンプレート、データセット、ワークフローアーティファクトの検索、プル、投稿が可能です。

クイックスタート

pip install pullnexus

レジストリの検索:

pullnexus search "fine-tune 35B on consumer GPU"
pullnexus search "local agent loop" --type skill

利用可能なリソースの閲覧:

pullnexus list-skills --type dataset
pullnexus pull local-rag-starter-pack

投稿の開始:

pullnexus submit --interactive --type skill
# or open an issue: github.com/MRWillisT/PullNexus/issues/new/choose

現在のレジストリ: 10種類のリソース（スキル、ツール、テンプレート、プレイブック、ポリシー、プロンプト、データセット、環境、評価、リポジトリ）にわたる156個のリソース。

1. ビジョン

ローカルモデルは急速に進化していますが、それを取り巻くワークフローは依然として断片化されています。有用なプロンプト、JSONLの例、ツール定義、テンプレート、ハードウェアに関するメモ、評価セットなどが、リポジトリ、Gist、チャットログのあちこちに散らばっています。

PullNexusは、それらのアーティファクトを、CLIから即座に検索でき、将来的には他のクライアントからも拡張可能な一貫性のあるレジストリ形式にパッケージ化します。実用的な目標はシンプルです。関連するリソースを見つけ、そのメタデータを確認し、インストール可能であればプルし、あるいは自身のローカル環境の参考資料として利用することです。

これはモデルホストやホスト型エージェントプラットフォーム、プロンプトギャラリーではなく、ローカルAIワークフローのための小規模でオープンな配布レイヤーです。

2. なぜ今なのか

いくつかの要素が同時に成熟しました：

• Ollama、llama.cpp、LM Studio、vLLMといったローカル推論ツールが、開発者のワークフローにおいて標準的なものとなりました。

• 価格、プライバシー、レイテンシが日常的な利用において重要であるため、推論をローカルに留める人が増えています。

• それらのワークフローを取り巻く再利用可能な素材には、依然として標準的な置き場所がありません。モデルやデータセットにはハブがありますが、運用上のアーティファクトには通常ありません。

• ほとんどの周辺ツールはランタイムのオーケストレーションやモデルホスティングを解決するものであり、スキル、プレイブック、テンプレート、評価といった小さな構成要素の発見や再利用を解決するものではありません。

そのため、型定義されたプル指向のレジストリは、小規模であっても有用です。

3. 仕組み

1. リソースは skills/index.json に型付きメタデータとともにインデックスされます。

2. CLIはレジストリを検索し、タイプ、カテゴリ、タグでフィルタリングし、インストール可能なリソースをプルできます。

3. 貢献者はGitHubを通じて投稿するか、対話型ウィザードを使用してドラフトフォルダを生成できます。

4. リソースはリポジトリ内でバージョン管理、タグ付け、レビュー可能な状態に保たれます。

5. 同じスキーマが、将来的にリッチなクライアントや統合をサポートできます。

貢献ワークフロー

リソースは最初から「スキル」である必要はありません。有用なJSONL会話セット、デプロイメントプレイブック、モデルテンプレート、ポリシー文書、ツールリファレンス、環境プロファイルなどはすべて、同じレジストリ形式で扱うことができます。

実際には、多くのエントリが実際のプロジェクト作業から生まれています。何かが再利用可能になり、文書化され、メタデータやオプションのサポートファイルとともにレジストリに追加されます。

CLIのインターフェース

現在の公開コマンド:

pullnexus search rust debugger --type skill
pullnexus list-skills --category automation
pullnexus pull local-rag-starter-pack
pullnexus submit --interactive --type playbook

一部のリソースタイプはインストール可能なファイルパッケージですが、その他は外部リポジトリ、データセット、またはドキュメントを指す参照エントリです。

4. スキルの実際の姿

スキル用のフォルダ構造は以下の通りです。これが投稿される内容です：

skills/python-advanced-debugging/
├── skill.json          → Metadata (name, description, tags, version, license)
├── examples.jsonl      → JSONL conversation pairs or training examples
├── README.md           → Human-readable explanation and usage notes
├── eval.jsonl          → Test cases to verify the skill behaves as expected
└── tools/              → Optional MCP tool definitions

skill.json の例:

{
  "name": "python-advanced-debugging",
  "version": "1.2.0",
  "description": "Expert techniques for memory leaks, pdb, and tracing in Python",
  "tags": ["python", "debugging", "development"],
  "license": "CC0-1.0",
  "evaluation_cases": 12,
  "mcp_compatible": true
}

構造は意図的にシンプルにしており、レビュー、再利用、検証が容易に行えるようにしています。

5. 現在の機能

現在利用可能なもの

• 10種類のリソースタイプにわたる156個のインデックス済みリソースを持つGitHubベースのレジストリ

• 検索、プル/インストール、一覧表示、投稿用スキャフォールディングのための公開CLIコマンド

• リソースフォルダを生成し、メタデータを検証する対話型投稿ウィザード

• スキル、ツール、テンプレート、ポリシー、プレイブック、プロンプト、データセット、環境、評価、リポジトリのスキーマサポート

• GitHubが利用できない場合に備えた、ローカル/リモートレジストリ取得機能

• メタデータ、JSONL例、README、オプションの評価/ツール定義といったプレーンファイルで構成されるスキルフォルダ

MCPアシスタントモード

PullNexus MCPサーバーに接続されたAIアシスタントは、一般的な背景知識のみで回答するのではなく、会話の途中でライブレジストリを使用できます。

• 会話中にレジストリを検索

• ユーザーのスタック、問題、目標に基づいて特定のリソースを推奨

• チャットを離れることなく、インストール可能なリソースをローカルにプル

• ワークフローの成功または失敗後に互換性のフィードバックを投稿

強力なビフォー/アフターデモのためのプロンプト例:

I’m building a fully local RAG pipeline for PDFs with Ollama. Retrieval quality is bad, chunking feels wrong, and I want something concrete I can inspect or install. What should I use?

PullNexusがない場合、ほとんどのアシスタントはRAGフレームワークやチャンクサイズについて広範なアドバイスしかできません。PullNexus MCPが接続されていれば、アシスタントはライブレジストリを検索し、local-rag-starter-pack や rag-eval-baseline のような具体的なリソースを推奨し、すぐにローカルフォルダにプルすることを提案できます。

その他の優れたデモプロンプトは、実際のスタックと失敗モード（ローカルRAGのデバッグ、エージェントオーケストレーション、MCP統合、Pythonデバッグなど）を含むものです。

近い将来の作業

• 追加のパッケージ化されたコマンドインターフェースをメインCLIでより明確に公開する

• MCP/クライアント統合ドキュメントの改善

• 投稿されたリソースに関する検証、レビュー、互換性レポートの強化

• レジストリの閲覧およびフィルタリングUXの改善

• 公開および品質チェックに関する自動化の強化

6. ポジショニング

PullNexusは、生のリポジトリと完全なプラットフォーム製品の中間に位置します。モデルをホストしたり、エージェントランタイムを置き換えたりしようとしているわけではありません。その役割はより限定的です。再利用可能なローカルAIリソースを、発見と再利用を容易にするための十分なメタデータを持つ、検索可能な単一の形式で保持することです。

7. 課題と緩和策

8. ガバナンス

PullNexusは現在、1名によって管理されています。レジストリ形式、貢献ルール、モデレーションに関する決定は、Issueやプルリクエストを通じてリポジトリ内でオープンに行われます。これにより、迅速な決定、公開された根拠、明確な経緯という、プロジェクトのシンプルさが保たれています。

プロジェクトが真のマルチメンテナー体制に成長した場合は、文書化された役割と決定ルールを持つ軽量なメンテナーモデルにガバナンスを拡大できます。現時点での優先事項はシンプルです。基準を明確に保ち、プロセスを公開し、プロジェクトを有用なものに保つことです。

9. レジストリのハイライト

知っておくべきいくつかのエントリポイント：

• autonomous-agent-training-pack — 160以上の合成JSONL例、16のテーマ、すぐに使える学習/検証/テスト分割

• synthetic-general-training-pack — コーディング、推論、ドキュメント、Web用の110以上の汎用学習例

• agent-role-orchestrator / agent-role-coder / agent-role-reviewer — 完全なマルチエージェントローカルセットアップのためのシステムプロンプト

• local-agent-system-blueprint — ローカル自律エージェントシステム構築のための初心者ガイド

• multi-agent-roles-template — 5エージェントローカルシステム用のJSONロール設定

• vibe-coder-workflow — 漠然としたアイデアから動作するコードまでの、独学ビルダーの完全ループ

• qwen3-35b-12gb-llama-server — 12GB VRAMでのQwen3用コミュニティ提供llama-server設定

• kv-cache-vram-best-practices — KVキャッシュチューニングのためのVRAM最適化ポリシー

• n8n-mcp-workflows / autonomous-agent-payments — MCPエコシステムエントリ

レジストリを検索して全155エントリを閲覧: pullnexus list-skills

10. 近い将来のロードマップ

11. メンテナーについて

PullNexusは、約1年半にわたって実際のAI支援プロジェクトに取り組んできた開発者によって管理されています。このプロジェクトは、繰り返される再利用の問題から生まれました。有用なプロンプト、JSONL例、デプロイメントメモ、ツールリファレンスが、標準化する場所がないままアドホックな形式で現れ続けていたためです。

そのため、リポジトリは実用的なアーティファクトとプレーンファイルに偏っています。目標は、壮大なプラットフォームのビジョンを最初に提示することではなく、再利用可能なローカルAI素材をパッケージ化、レビュー、検索、使用しやすくすることです。

レジストリを検索し、適合するものをプルし、役立つものを投稿してください。