Spikuit¶

会話で育てるナレッジグラフ

前処理も、チャンキングパイプラインも、メタデータ設計も要らない。ドキュメントを放り込んで、エージェントと話すだけ。

Spikuit（spike + circuit、読み: /spaɪ.kɪt/）は、ナレッジ管理で一番面倒な取り込み・構造化・メンテナンスを、AIエージェントとの会話だけで回せるパーソナルナレッジシステムです。

従来のRAGはデータ整備で行き詰まります。チャンキング、タグ付け、関連付け、鮮度管理 — どれも地味に手間がかかる。Spikuitは Conversational Curation（対話型キュレーション）でこの問題を解きます。会話するだけでナレッジベースが育っていきます。

クイックスタート¶

1. インストール¶

pip install spikuit

2. Brainを作る¶

BrainはSpikuitのワークスペースです。.git/と同じような感覚で、知識を管理したい場所で spkt init を実行します。

mkdir my-brain && cd my-brain
spkt init

対話ウィザードでエンベディングの設定を聞かれます。まず試すだけなら「none」でOK — あとからいつでも変更できます。

3. 知識を入れてみる¶

# コンセプトを追加
spkt neuron add "# Rustの所有権\n\n値には所有者がひとりだけ。スコープを抜けると値は破棄される。" \
  -t concept -d rust

# URLからまとめて取り込み
spkt source ingest "https://doc.rust-lang.org/book/ch04-01-what-is-ownership.html" -d rust

# 関連するNeuron同士をつなげる
spkt synapse add <id-1> <id-2> -t relates_to

4. Agent CLIのスキルをセットアップ（おすすめ）¶

チュータリング、ナレッジキュレーション、Q&Aなどの対話型スキルは、 Claude Code、 Cursor、CodexといったAgent CLI の上で動きます。使うには、スキル定義をインストールしてください。

spkt skills install                    # デフォルトは .claude/skills/
spkt skills install -t .cursor/skills  # 他のAgentを使う場合

スキルファイル（SKILL.md）と、エージェント向けのコマンドリファレンス（SPIKUIT.md）がコピーされます。

5. 使い始める¶

Agent CLIから：

You: /spkt-ingest
     圏論を勉強中。FunctorとMonadの定義をBrainに入れて。

Agent: 2個のNeuronを追加、1本のSynapse（Monad --requires--> Functor）を作成。

You: /spkt-qabot
     FunctorとMonadの関係は？

Agent: MonadはFunctorの上に成り立つ構造で...
       ソース: n-abc123 (Functor), n-def456 (Monad)

You: /spkt-tutor

Tutor: まずFunctorから — Monadの前提になっています。
       [教える → クイズ → フィードバック → 弱い部分を再説明]

You: /spkt-curator

Curator: "math"ドメインが2つのコミュニティにまたがっています（代数 vs 解析）。
         サブドメインに分割しますか？ [Y/n]

spkt コマンドを直接使うこともできます：

spkt retrieve "所有権 借用"                   # ナレッジグラフを検索
spkt neuron due                             # 復習が必要なNeuronは？
spkt neuron fire <id> -g fire               # 復習を記録
spkt diagnose                               # Brainの健全性チェック
spkt consolidate                            # グラフ構造を最適化
spkt visualize                              # インタラクティブなHTMLグラフ

全コマンドで --json が使えます。

3つのスキル + キュレーター¶

`/spkt-ingest` — 話して取り込む¶

記事でもメモでもURL でも、Brainに投げるだけ。エージェントが中身を分割して関連を見つけ出し、グラフを組み立てます。

You: /spkt-ingest
     この論文をBrainにまとめて: https://arxiv.org/abs/1706.03762

Agent: 8個のNeuronを追加（Multi-Head Attention, Scaled Dot-Product, ...）。
       6本のSynapseを作成、引用元としてSourceを紐付け。

`/spkt-qabot` — 聞いて引き出す¶

Brainに自然言語で質問すると、ソース付きで答えが返ってきます。使い続けるほど検索の質が上がります — 的外れな結果は自動でペナルティ、役に立った結果はブーストされます。

You: /spkt-qabot
     Multi-Head Attentionとシングルヘッドの違いは？

Agent: Multi-Head Attentionは複数のAttention関数を並列実行し...
       ソース:
       - [Attention Is All You Need](https://arxiv.org/abs/1706.03762)

`/spkt-tutor` — 任せて学ぶ¶

ナレッジグラフの上に乗ったAIチューター。前提知識を把握して、難易度を自動調整し、間違えたら「正解/不正解」で終わらせずちゃんとフィードバックを返します。

You: /spkt-tutor

Tutor: まずFunctorから始めましょう — 他の2つの前提になっています。
       [教える → クイズ → フィードバック → 弱い部分を再説明]

`/spkt-curator` — 会話でメンテナンス¶

ドメインとコミュニティのズレを分析して、ラベルの修正、孤立Neuronの接続、弱いSynapseの整理を会話ベースで進めます。

You: /spkt-curator

Curator: "math"ドメインが代数と解析で2つに割れています。
         "math-algebra"と"math-analysis"に分けますか？

仕組み¶

理解度に応じたスケジューリング — Neuronごとに復習タイミングを最適化（FSRS）
活性化の伝播 — ひとつ復習すると、つながっている知識の復習時期も近づく。よく一緒に使う接続ほど強くなる。
検索の自動改善 — 関連度 × 記憶の強さ × グラフ中心性でランキング。フィードバックで精度が上がり続ける。

ドキュメント¶

はじめに — インストール、初期化、最初のコマンド
使い方 — ユースケース、エージェントスキル、Python API
コンセプト — Brain、グラフモデル、つながりの仕組み
CLIリファレンス — 全spktコマンド
Appendix — アルゴリズムと技術的詳細
APIリファレンス — Python APIドキュメント

ライセンス¶

Apache-2.0