ベースレイヤー

base-layer.ai · 例 · 研究 · データセット

ある人物が自身の文章からどのように推論するかについて、解釈可能な仕様書を書き出すオープンソースのパイプライン。

これは何をするのか

ある人物が情報をどのように評価し、活用するか——何が証拠として扱われ、何が所与とみなされ、どこでトレードオフを拒否するか——のパターンを抽出する。出力は、AIが応答する前に読み込むドキュメントとなる。テキストとして編集でき、多くの主張を、引用された事実へ、さらにその事実が由来する会話へと遡って追跡できる。

ファインチューニングされたモデルは検査も修正もできない。書かれた仕様書はそれが可能だ。

Related MCP server: personal-context

仕組み

統合パイプライン：

IMPORT     Your text into a local database
EXTRACT    Pull candidate facts about preferences, rules, habits
DISTILL    Sort facts into recurring themes, one-offs, and not load-bearing
ASSEMBLE   Package each layer so writing can respect those groups
AUTHOR     Write the layers as readable text with citations where required
COMPOSE    Merge layers into one brief

EMBED      Side branch. Build a vector index for search and verification. The writer does not read it.

レイヤー：

• アンカー：その人物が推論の前提とする公理。

• コア：コミュニケーションパターンと文脈モード。

• 予測：行動トリガーと検出キューおよび指示。

蒸留により、競合しない4つのチャネルが生成される：

• テーマ：繰り返し現れる主題。それぞれが参照した事実IDを明記。

• 特異点：人物のモデルを変えるような一回限りの事実。逐語的に保持。

• 矛盾：証拠同士が食い違う箇所。解消せずに保持。

• 傾向：すべての事実に判定を付与。テーマか、特異点か、または非該当か。

3つのレイヤーは互いに盲検で作成される。一致は裏付けとなり、矛盾は保持される。

クイックスタート

要件：Python 3.10以上、Anthropic APIキー（https://console.anthropic.com/account/keys）。

pip install git+https://github.com/agulaya24/BaseLayer.git
export ANTHROPIC_API_KEY=sk-ant-...
baselayer run chatgpt-export.zip

ステップ：

baselayer init
baselayer import chatgpt-export.zip       # or claude-export.json, ~/journals/, notes.md
baselayer estimate
baselayer extract && baselayer embed
baselayer author && baselayer compose

実験的な蒸留パス：

baselayer distill --layer anchors
baselayer distill --layer core
baselayer distill --layer predictions
baselayer assemble
baselayer author-from-package --outdir spec_out/

監査可能性／検証できること

• 書かれた主張は、引用された事実まで遡って追跡できる。各事実から、それが抽出された会話へ移動できる。2番目のステップは会話に到達するものであり、正確な文に到達するものではない。なぜなら原文の文章は保存されないため。

• 引用グラフに対してチェックが実行される：

  • ベクトル近接性：主張内の単語は、引用された事実内の単語に近接しているべき。

  • 再帰ゲーティング：テーマは単発の言及だけに依存すべきではない。

  • クロスドメインスパン：裏付けは単一の狭いソースタイプやトピックだけから得られるべきではない。

  • オプションのNLI：ローカルの含意モデルが、引用された事実が主張を裏付けるかどうかをスコアリングできる。これはデータ品質の監査であり、因果関係を証明するものではない。

すべての出典が引用というわけではない。アンカーと予測は複数の事実を総合することが多い。主張にインライン引用がない場合、システムはベクトル埋め込みにより近傍の事実をリンクする。そのリンクは近接性を示すものであり、モデルがその主張を断定したことを示すものではない。trace_claim は各行のリンク方法を出力する。

読み方：引用可能なものは検証できる。しかし、すべてが引用されているわけではない。

ステータスと限界

• 実験的コンポーネント：蒸留、統合、パッケージベースのオーサリングは、このリポジトリ内では実験的。蒸留テストスイートは、引用監査に対する10件のミューテーションテストであり、他のモジュールは対象外。ほとんどの測定値は、単一の407件の事実コーパスに基づく。

• 研究用ハーネスはここに同梱されているが、未整形の出力を生成する可能性がある。注意して使用し、出力を検査すること。

• 2つのオーサリングパス：レガシーパスは引き続き同梱されている。インライン引用を保証しないため、引用の解析に依存する検証はチェックを生成しない場合がある。パッケージベースのオーサリングは、スキーマによる引用フィールドを必須とする。必須であることは正確さを意味しない。引用が解決することは参照が実在することを示すが、その事実が主張を引き起こしたことを示すものではない。

• 出典範囲：trace_claim はソースの会話に到達するものであり、正確な文に到達するものではない。原文の文章は保存されない。

• ベクトル出典：主張にインライン引用がない場合、システムはベクトルリンクを付与することがある。これらは近傍のものとして扱うべきであり、使用済みとして扱うべきではない。

• 忠実性：安価に提供され、保持されたテストセットで高スコアを出す仕様書は、人物の推論と構造的に一致することを確立するものではない。区別可能であることは忠実であることを意味しない。誤りを指摘できるのは本人だけである。

• コーパスの限界：コーパスは自己報告に基づく。第三者の観察は含まれない。時間軸は存在しない。経時変化は記録されない。抽出器はテキストのみを参照する。口調、身体言語、身体的習慣は含まれない。

• 効果の範囲：モデルがその人物について最も知らない場合に最も役立つ。よく知られた公人については、付加価値が小さいことが多い。

• 運用上の注意：

  • 同じファイルから再抽出する場合、以前の状態をクリアしないと、古いベクトルが残り、過剰重複を引き起こす可能性がある。クリーンな実行の前に、ファクトストアとベクトルストアの両方をクリアすること。

  • ドキュメントモードは、対象をドキュメントとして扱う。ドキュメントにのみ使用し、人物には使用しないこと。

  • PyPIには公開されていない。ソースからインストールすること。

  • コストと実行時間は、API価格とコーパスサイズに応じて変動する。

外観

約1,900件の会話から作成された実際の仕様書の抜粋：

彼は、論理的一貫性への妥協のない欲求から行動する。それは、システム、議論、あるいは自身の立場におけるあらゆる矛盾への即時の異議申し立てとして現れる。彼は、表明された信念と実際の行動の間に隔たりを発見すると、それを理解の問題ではなく、説明責任の問題として扱う。すべての結果に対して極端なオーナーシップを取りながら、行動と結果の間に明確な因果関係を維持する。これは哲学的なポーズではなく、実践的な生き方である。トレーディングにおいては、エントリー前に複数の確認シグナルを待ち、固定された損失限度額と体系的なストップロスを通じて重層的な安全策を実装する。しかし、早朝のセッションでは、エネルギーが最高潮に達し、規律が最も脆弱になる時期に、ルールを知りながら実行できないというギャップに苦しむ。

アンケートやフォームは存在しない。その他の例は上記のリンク先を参照。

使用方法

MCPサーバーとして登録：

claude mcp add --transport stdio base-layer -- baselayer-mcp

ブリーフを読み込み、常時オンラインのコンテキストとしてレイヤーを重ね、ツールを公開する：

• get_brief(reason)

• recall_memories(query)

• search_facts(query, limit)

• trace_claim(claim_id)

• verify_claims(claim_id, layer)

• get_stats, get_call_log, get_help

stdio上でローカルに実行される。トレースは ~/.baselayer/sessions//log.jsonl に書き込まれる。

レイヤーとブリーフを任意のシステムプロンプトに貼り付けることもできる。その場合、検索機能は失われる。

編集方法

レイヤーはディスク上のマークダウンファイルである。開いて、誤りを削除し、近いが不正確な記述を書き直し、不足している記述を追加する。MCPサーバーは実行のたびにディスクからそれらを読み込む。

事実はそれ自体では意味を持たない。意味が生まれるのは編集の場である。成果物はテキストであるため、適用可能である。

テスト内容

公開されている自伝を持つ14人の歴史上の人物で評価した。5人の判定者による主要パネルと7人の判定者による感度パネルが、事前登録された計画に従って応答をスコアリングした。完全な結果はサイトおよびBeyond Recall論文（https://arxiv.org/abs/2605.28969）に掲載されている。

• 方向性は、応答モデルやバッテリー生成モデルを変えても再現された。絶対的な大きさはパネルに依存する。

• 判定者は、どの仕様書がその応答を生成したかを、推論のみから51.6%の精度で識別でき、決定のみからは13.4%であった。偶然期待値は11.1%。シグナルは推論に宿っている。

• 効果は、モデルがその人物について最も知らない場合に最も大きい。

仕様書は、テストされたすべての状況において、決定の論じられ方を変える。一部の状況では、決定自体も変える。

これは何ではないのか

• メモリシステムではない。取得された事実が読み取られるレンズを提供するものである。

• 想起ベンチマークの競合製品ではない。

• 通常の意味でその人物を「知っている」AIではない。人物がどのように推論するかをモデル化するものであり、人物についての事実をモデル化するものではない。

• モデルがすでによく知っている主題には役に立たない。

• 最終的な結論ではない。これは解釈レイヤーの一実装である。

• AIのための対話ガイドである。対象はモデルであり、人物ではない。

プライバシー

データベース、ベクトル、事実、仕様書はすべてユーザーのマシン上に存在する。クラウド同期、アカウント、テレメトリは一切ない。抽出とオーサリングは、設定した場合にモデルAPIを呼び出すことができる。プロバイダーの保持ポリシーが適用される。Anthropicのポリシーはこちら：https://www.anthropic.com/policies/privacy。

成果物はローカルファースト、モデル非依存、ポータブルである。

リファレンス

• データセット：https://huggingface.co/datasets/agulaya24/beyond-recall

• ライブ仕様書（認証不要）：GET https://base-layer.ai/api/identity/{franklin,buffett,douglass}

• エージェント向け：https://base-layer.ai/llms.txt、https://base-layer.ai/.well-known/agent-card.json、https://base-layer.ai/api/openapi.json

ドキュメント：

• ARCHITECTURE.md：パイプライン設計

• PROJECT_OVERVIEW.md：コンポーネントと構成

• DECISIONS.md：設計上の決定

• DESIGN_PRINCIPLES.md：原則

• ROADMAP.md

• docs/eval：評価フレームワークと結果

プレ1.0、490テスト。

再現性

論文版はv0.2.0としてタグ付けされ、memory-study-repo（https://github.com/agulaya24/memory-study-repo）にベンダリングされている。

pip install git+https://github.com/agulaya24/BaseLayer.git@v0.2.0

貢献

評価、ソースタイプアダプター、代替の解釈レイヤー実装、ローカルモデルサポートに関する貢献を歓迎する。CONTRIBUTING.mdを参照。

引用

@software{baselayer2026,
  title     = {Base Layer: An Open-Source Reference Pipeline for the Interpretive Layer Above Memory},
  author    = {Gulaya, Aarik},
  year      = {2026},
  url       = {https://github.com/agulaya24/BaseLayer},
  license   = {Apache-2.0}
}

ライセンス

Apache 2.0。LICENSEを参照。Beyond Recall論文はCC-BY 4.0。