ローカルAI基盤 全記録と現在地 ― 水資源機構の業務で何ができるか
作成日:2026年11月17日/作成:武田(総合管理所 設備課 機械担当)
対象:水資源機構 社内(上司・同僚・PT・部門)
この端末(MacBook Pro)と Mac Studio で作ってきたローカルAIの、やったこと・できること・失敗したこと・今後を1枚にまとめた報告です。技術の正本は docs/design/ と docs/decisions/0001〜0131。本資料はその要約で、根拠は第12章の対応表と第11章の全件一覧から辿れます。
急ぎなら第2章(要約)と第3章(アプリ)と第5章(業務別)だけで足ります。
目次
- 第0章 この資料の前提
- 第1章 用語ミニ辞典
- 第2章 要約
- 第3章 作ってきたローカルAIアプリ(アプリの姿・使い方)
- 第4章 これまでの経緯(時系列)
- 第5章 いま業務で何ができるか(業務別・成果物つき)
- 第6章 失敗と学びの一覧
- 第7章 Studioの到達点(評価スコア)
- 第8章 設計の考え方(残る資産)
- 第9章 残っている制約・課題
- 第10章 現在地と今後
- 第11章 決定記録 全件一覧(0001〜0131)
- 第12章 付録(根拠対応表・コマンド)
- 第13章 社内連携と改善計画(別ノードとの比較・資産交換)
第0章 この資料の前提
0-1. 何のための資料か
2026年8月末から、社内データを外に出さずに動くAIをこの端末で作ってきました。3か月で決定記録が131件、作業履歴が360件超たまっています。それを失敗も含めて整理し、「いま業務に何が使えるか」「この先どうするか」を報告します。
0-2. これはChatGPTのコピーではありません
作っているのは、特定のAIサービスそのものではなく、モデル(AIの頭脳)を入れ替えても残る業務資産を持った基盤です。残すのは次の5つで、すべてファイルとして手元にあります。
- 知識グラフ(業務知識を事実単位でためたもの)
- 判断ルール(「率や歩掛は推測せず引く」など)
- 思考手順(文書を知識に取り込む手順など)
- モデル台帳(どの頭脳を何の役に使うかの実測記録)
- 検算・検査のコード(数字や番号を機械で突き合わせる)
AIの頭脳は毎年新しくなりますが、この5つがあれば頭脳だけ替えて乗り換えられます。これが設計の軸です(正本:design/0001)。
0-3. 使っている機械
- MacBook Pro(M1 Pro / 32GB):日常の操縦席。快適に動くのは7〜14Bまで。
- Mac Studio(M5 Max / 64GB):10月26日に追加した大きい脳。重い処理担当。
- どちらもAIをインターネットに出していません。社内データ・個人情報は端末の中だけで処理します。
0-4. 読み方
- 急ぎ:第2章+第3章+第5章。
- どんなアプリか:第3章。
- 使えるか確かめたい:第5章の成果物と第7章のスコア。
- つまずきを知りたい:第6章。
- 全部1件ずつ:第11章。
- 今後:第10章。
第1章 用語ミニ辞典
| 用語 | 意味 |
|---|---|
| ローカルLLM | 自分の機械の中だけで動くAI。クラウドに送らない。 |
| モデル(頭脳) | AIの本体。大きいほど賢いが遅い。役ごとに使い分ける。 |
| B(7B・26Bなど) | モデルの規模。大きいほど賢く重い。70B超はこの端末では不可。 |
| MoE | 大きくても一部だけ使って動く方式。大きさの割に速い。 |
| グラウンディング(根拠接地) | AIに勝手に喋らせず、手元の資料から根拠を引いて答えさせる仕組み。 |
| 知識グラフ | 業務知識を「1事実=1件」でため、関係でつないだもの。 |
| 一次資料コーパス | 青本や規程を、出典ページ付きで引ける検索庫。 |
| 青本 | 国の積算基準書の通称。率や歩掛の根拠。 |
| 率・歩掛 | 積算で使う割合や標準作業量。1円もずらせない。 |
| 検算ゲート | AIの答えの数字が根拠にあるか機械で照合し、無ければ伏せる。 |
| LibreOffice | 無料の表計算・文書ソフト。Excelの計算を代行。 |
| OCR | 画像・帳票の文字を読ませる技術。 |
| VLM | 画像を見て説明できるAI。いまは qwen2.5vl:7b。 |
| Ollama | 端末でモデルを動かす土台ソフト。 |
| MCP | AIに道具(ファイル操作やgit)を使わせる標準規格。 |
| コンテキスト窓 | 一度に読める文章量の上限。超えると黙って切られる。 |
| トークン | AIが文章を数える単位。日本語1.5〜2文字で1。 |
| tok/s | 1秒あたりの処理量。速さの指標。 |
| think | 思考型モデルに思考させるかの設定。正解がモデルごとに違う。 |
| 同時常駐 | モデルをメモリに載せたままにすること。切替待ちが消える。 |
| Tier(T0〜T3) | 自動化の許可レベル。端末内→自分の口座→社内読取→社内入力。 |
| ハルシネーション | AIがもっともらしい嘘(無い数値・無い出典)を作ること。 |
第2章 要約
何を作ったか
社内データを外に出さずに動く業務支援AIの基盤と、それを使うアプリです。会話・文書作成・画像/帳票の読取・調べ物・積算の検算まで、クラウドなしで完結します。非エンジニアの職員でも、ブラウザのチャット画面とファイルのドラッグ&ドロップで使えます。
いま業務で使えること(詳細は第5章)
- 積算:青本の率・歩掛を出典ページ付きで引く。諸経費を1円単位で検算。鋼製付属設備の積算資料を数式Excelで確定計算(返田揚水機場の実物と全項目1円一致)。
- 防災精算:有事対応シートの追加を、PDFを渡すだけで自動追記(印旛房総で納品)。
- 燃料発注:給油ブックを様式を保ったまま見直し、数式バグも発見(台風25号で納品)。
- 文書生成:特記仕様書・議事録・報告書をWord/Excel/PowerPointで下書き。日本語PDFもローカル生成。
- 運転日報・点検マニュアル・委員会資料・会議の文字起こしも成果物あり。
- 社内17業務の知識を取り込み、質問に合う節を的中率91.9〜96.4%で引く。
Mac Studioで変わったこと
MacBook単体だと快適に動くのは14Bまで。10月26日にMac Studio(64GB)を大きい脳として足し、判断役と作成役の2モデルを同時常駐(約32GB)できるようにしました。これで役割の切替待ちがゼロになります。接続はVPN→SSHトンネルで、AIの入口はインターネットに出していません。
数字で言える到達点
外部公開の「構造推論力テスト(16問160点)」を独立採点した結果です。
| 構成 | 点数(160点) |
|---|---|
| MacBook単体・素 | 80 |
| 検査の仕組みあり | 105 |
| Mac Studioの大きいモデル | 127 |
| (参考)商用ChatGPT | 128 |
| (参考)商用Gemini | 108 |
| (参考)商用Claude | 159 |
フルローカルで、商用ChatGPTに並ぶ水準です(採点方法の注意は第7章)。
できないこと
- 機構の積算Excelの一部はWindows専用マクロに依存し、この端末だけでは完結しません。
- AIが作る文章の質は商用最上位(Claude)には及びません。だから数字はコードで確定、文章は下書き、最終判断は人、の分担にしています。
- 社内システムの自動操作(申請アプリ等)は、組織の明文許可が下りるまで実装しません(設計だけ済み)。
第3章 作ってきたローカルAIアプリ(アプリの姿・使い方)
基盤(第8章)の上に、実際に日々使うアプリを作ってきました。入口は複数あり、どれも同じ脳(このMac)につながります。
3-1. 全体像
- このMac1台が脳。インターネットには出さない。
- 同じネットワークの別PC・スマホからも、ブラウザで開ける(LAN内のみ)。
- 入口は「ブラウザのチャット」「声のアシスタント」「ターミナル」「デスクトップアプリ」の4つ。
- 事業(mizu=水資源/kojin=個人/eachteach=言語事業)を選ぶと、その知識を根拠に答える。
3-2. ブラウザのチャット(いちばん使う入口)
Claude風の画面で、非エンジニアでも使えます。起動は 00_チャットを開く.command をダブルクリック、またはコマンド ai web(http://localhost:8100)。
- 返答は逐次表示。作業中は「モデル・生成中・経過秒・文字数・時刻」が出る。
- ファイルは📎やドラッグ&ドロップで読ませる:PDF・Word・Excel(.xlsm含む)・PowerPoint・旧式(.xls/.doc/.ppt)・画像/スクリーンショット(OCRで文字化)。大きい資料も可。
- 各返答の下の「⬇ 出力」から、その場で Word / Excel / PPT / PDF にできる。保存先は
生成物/<事業>/に限定(他のファイルは出さない)。 - サイドバー下の「📁 生成物」BOXに作ったファイルが並び、クリックでDL・👁でプレビュー。
- 複数人が同時に使うと「順番待ち(前にN件)」と表示(1本ずつ処理)。
- 脳の出どころを色で表示:ローカル=赤、Mac Studio=青の「武田」ハンコ。取り違えを防ぐ。
- モデルは「自動(おまかせ)」が既定。左のモデル欄で手動選択も可。
- 停止ボタンで途中で止められる(止めても次の会話は壊れない)。
- 完全ローカル。停止=LAN公開も閉じる。
3-3. 声のアシスタント(相談/会議)
話しかけて使うモード。録音→文字起こし→思考→読み上げまで全部ローカルです(0094)。
- 入口:
00_声で相談.command、00_AI音声(常駐).command。 - 相談モード(1往復)と会議モード(傍聴してため、「ねえAI」で作業実行)の2つ。
- 会議モードの自動作業は安全枠つき:原本は上書きしない、成果物は
outputs/に新規、外部送信しない、固有名詞・数値は推測せず「要確認」と言う。最後の安全弁は■停止ボタン。 - まだ実機テストは残り(マイク許可・無音しきい値など)。
3-4. ターミナル版と司令塔
キーボード派・まとめて開きたい人向け。
hanasu:対話(--topic mizuで事業指定、--groundで根拠つき、--reviewでミス検出、--make docx/xlsx/pptxで成果物化、--resumeで続きから)。center:画像生成・会話・モニターを1画面(Zellij)で開く司令塔。smart:速い受付(簡単→速い/難しい→賢い)。aic:ローカルのコーディング相棒(gpt-oss)。
3-5. デスクトップアプリ・プロンプトライブラリ
ローカルAI.app:チャット画面を独立ウィンドウにしたネイティブ版(配布の形のテスト)。- プロンプトライブラリ:業務別の定型プロンプトを📚ボタンから差し込む(積算・設計審査・定期検査・議事録など21件)。「金額を確定させない」等の原則を各プロンプトに埋め込み済み。
3-6. 脳の選び方(ローカル⇄Studio)
- 既定はこのMacのローカル。重い処理はSSHトンネルでMac Studioの脳を借りる(
runner/studio-brain.sh)。APIは公開しない。 - 画面のハンコ色(赤=ローカル/青=Studio)で、いまどちらで考えたかが分かる。
3-7. 覚えておくと便利なコマンド
ai rate:率表をコードから引く(推測しない)。ai search:公開Webを検索して出典付き要約。ai vision 画像:画像を読む(VLM)。ai browse:自分の/公開Webページを操作・読取(RPA④の操作部分・T0/T1)。ai consult:多モデル合議(書き手→別系統の校閲→最終化)。ai recalc 計算書.xlsx:数式を再計算して確定値(LLMは数字を触らない)。tsukuru:計画→作成→検算のパイプライン。ai top:ライブモニター。ai gate:学習の関門の状況。
3-8. 直近でアプリに入った新機能(2026-11-16〜17)
- Web操作(
ai browse):自分の/公開Webページのクリック・入力・読取ができるように(RPA④の操作部分・T0/T1)。社内システム(T2/T3)は許可待ち。 - ファイル出力を全形式対応にし、日本語PDFの文字化けを根治(fpdf2+Notoフォント埋め込み)。
- 多モデル合議(
ai consult)を追加。 - 自分のGoogle(Sheets/Drive/Calendar/Gmail)を読取専用で見る土台(T1・
ai login/ai google)。送信・削除は機械的に拒否。 - 脳の構成を見直し:Studioの常駐を2体(判断役 gpt-oss:20b+点検役 gemma4:31b・計約32.7GB)に絞り、画像生成や評価と同居してもメモリが逼迫しないように。視覚役は動くVLM(qwen2.5vl:7b)に修正。
3-9. UIの開発の歩み(どう作ってきたか)
最初はターミナル(ask.py→hanasu)。設計思想が「GUIより先にCLI」なので、一度ブラウザ版モニターを作ったが要望とずれてターミナルのモニターに戻した(0022)。
- 非エンジニアにも使ってもらうため、標準ライブラリだけのローカルWebサーバでClaude風のチャットUIを作った(0027)。
.commandのダブルクリックで起動。 - 逐次表示・会話中コマンド・色を足した(0028)。
- 停止バグを直した(0037:停止時に
doneが届かずセッションが分断されていた→start通知とfinallyで修正)。このときqwen2.5:14bを採用。 - 「読めるが作れない」状態を解消(0038:読取を全形式・上限20万字、返答をWord/Excel/PPT/PDFに出力=生成物/限定DL)。
- 生成物BOX・プレビュー・順番待ち表示・作成後のFinder自動オープン(0040)。
- デスクトップアプリ化(0045:pywebviewでネイティブ窓。Finder起動でPATHが細りtesseract/soffice/ollamaが見えない→launcherで補強)。
- プロンプトライブラリ(0055:📚から差し込み)。ローカル/スタジオのハンコ色で脳の出どころを常時表示(0127)。
- つまずき:ブラウザ自動操作だとEnter送信がJSに届かない(実キーボードと送信ボタンは動く)。27Bは遅く、非エンジニア向けに軽量モデルを既定にした。
3-10. モデルの自動選択(おまかせ)
既定は「自動(おまかせ)」。左のモデル欄で手動選択もできる。
- 振り分けの既定:短い日本語→速いELYZA/業務作成→gemma系/推論・計算・レビュー→gpt-oss/長文→llama3.1。
- 受付ルーター
smart(0013:同じ質問はメモで即答、受付役が難易度で振り分け)。初回は計算問題を「易しい」と誤判定したので、「数字があれば無条件で難しい側へ」の安全網を足した。 - 根拠を問う質問は判断役(gpt-oss)へ回す(0079:最弱のELYZAに落ちていた不具合を修正。デモで薦めた聞き方がそのまま最弱に行っていた)。
- モデル名の直書きを廃しRegistry参照に統一(0072:直書きが残って静かに劣化していた。窓の判定もカタログ値でなく実効窓に統一)。
- モデルは実測で採用(0054/0059/0128/0131:model_bench・本番14kプロンプト・機械採点キー。新しいからでは入れ替えない)。
- 制約:同時に載せるのは1本(MAX_LOADED=1・熱対策)なので切替は再ロード(最大20秒)。Studioでは2体同時常駐で再ロードゼロ(0090/0127)。
3-11. コンテキスト(長い資料をどう読むか)
「ファイルをテキストにできる」と「モデルが全部読める」は別、という発見から始まった。
- 黙った切り捨て:窓の上限8192固定で、設計書(16,677字=10,278トークン)の末尾が黙って切られ、答えられなかった(0035)。→入力量に応じて窓を自動拡張(8192→16k/32k…)、RAM上限で頭打ち、超えたら警告。
- 上限は実測表に(0063:最大16倍。gemma4:26bは262,144、gpt-oss:20bは131,072)。ただし「入る」と「使える」は別=長い入力の読み込み(prefill)が壁。空測りは当てにならない。
- 1回答に入れる根拠は4つ(知識・覚書・手順書・一次資料)。重い時はここを測る。
- 入れすぎ問題:知識を全文ダンプしてsystemが全体の70%を占めていた(0075・無関係なものまで毎回)。→関係する分だけに絞り、「おはよう」が95秒→11秒に。
- 絞り込みが片方の経路にしか無く、長文生成が135分かかった→1か所(grounding.py)に統一して11.6分に(0082)。
- 小窓モデルのあふれを予算で止める(0096:45,052→13,712トークン)。
- 意味検索で質問に関係する章だけ引く(0098:bge-m3。無関係な議事録が上位だったのを是正。2回目以降0.16秒)。
- 長文はモデルが約3,500字で自己終了するので章ごとに分割(0080)、長さは「章数×条数」で指示(0083)。
- 遅さの一部は読み込み直し(0122:記憶抽出が本体を追い出していた=+7.2秒)。根拠質問の6〜7割は一次資料の読み込みで、削ると答えが変わるので正確性優先で据え置き。
第4章 これまでの経緯(時系列)
4-1. フェーズ1:立ち上げ(8月29日〜9月8日)
社内データを外に出したくないので、まず記録の正本をこの端末のテキストに一本化しました(0001)。同じフォルダがObsidianの閲覧用でありGitの履歴でもあります。Notionは共有時だけ清書する鏡に格下げです。
実装前に設計を点検しました(0003)。「32GBでは複数モデルを同時に載せられない」「監視画面を先に作っても中身が無ければ空」と分かったので、まず業務を1本通す順序にしました。最初の題材は防災精算QAです。
すぐ最初の失敗が出ました。按分計算を9Bに解かせたら、同じ回答の中で「24万」と「30万」の2つの答えを出しました(0007)。1モデルに全部やらせるのは危ない、計算は検算役を分ける、が分かりました。27Bに上げると一貫して正解しましたが、1回73.6秒と重い(0008)。コードを変えずにモデルを差し替えて比較できたので、「モデルは部品」が実証できました。
その後、機能を後から足せる仕組み(0009〜0010)、画像生成(0011、1枚約100秒)、受付ルーター(0013、挨拶5秒・再質問0秒・配賦22秒で正解)、負荷モニター(0014・0020〜0022)を作りました。速さはメモ即答と難易度振り分けで稼ぎました。
文書の取り込みで大きい失敗がありました。業務記録1.0MBを丸投げしたら、先頭0.6%しか読めておらず知識は0件(0025)。読み込みが途中で壊れていたのが原因です。分割して1つずつ取り込み名寄せする方式に直しました。あわせて「大きく重要な文書はClaudeが土台を整え、ローカルは差分を足す」の2層運用を決めました。
会社業務の本丸が0029〜0036です。
- 水資源21業務の作業仕様書を取り込み、業務名を言うだけで手順を参照しミス検出もできるように(0029)。知識は19→51件。
- 積算の検算ツールを作り、返田揚水機場の諸経費を全項目1円一致で突合(0031)。きっかけはAIが「1円一致確認済み」と嘘を言ったことです。検算はPythonの仕事に回しました。
- ピット蓋の積算資料を数式Excelで組み、LibreOfficeで計算して実物と全項目1円一致(0036)。AI単体では丸めを誤って1円ずれました。数字はテンプレの数式が計算し、AIは触りません。
ほかに、長い設計書が上限8192で黙って切られていたのを自動拡張に直し(0035)、Web版の停止バグ(0037)、全形式の読み書き(0038)、順番待ち表示(0040)、計画→作成→検算のパイプライン(0041)、デスクトップアプリ化(0045)まで進めました。社内システム操作(RPA)は、安全と組織許可の境界を決めたうえで保留です(0043)。
このフェーズの要点は3つです。AIの「できた」を信じず検算する。黙って起きる欠落を見つけて直す。モデルが替わっても残るのは資産(ルール・知識・手順・検算)である。
4-2. フェーズ2:根拠で正しく答える(9月11日〜10月23日)
喋れるAIを、根拠に忠実な業務AIに鍛え直した時期です。
まず会社の実務知識を取り込みました。令和8年度の研修資料47件・5,772ページ・544万字を、暗記させず出典ページ付きで引ける検索庫にしました(0050)。暗記をやめた理由は、窓に入らない・年度改定で更新できない・モデル交換可能の思想に反する、の3つです。全ページ走査でも約20msで引けます。会社PCの学習層も、文字化けを直しながら取り込める器にしました(0048・0051)。既定モデルはgemma4:26b(大きい割に速い・256K窓・商用可)に替えました(0054)。
10月中旬に現場から不満が出ました。「積算を聞いても毎回“作る手順”ばかりで青本の根拠を持ってこない」(0074)。調べると、引く仕組みは正しく動いていました(0.16秒で第21章に当たっていた)。問題は読ませる配分で、手順書を厚く・根拠を薄く入れていたのが原因です。根拠を問う質問では配分を逆にしました。
この後、黙って壊れている箇所が次々に見つかり、その都度ふさぎました。
- 知識を全部まとめて毎回読ませていた(全体の70%、無関係なものまで)→関係する分だけに絞る(0075)。「おはよう」が95秒→11秒に。
- AIの誤答(率110%)が“記憶”に保存され、次回それを根拠に再引用していた→記憶を未検証の覚書に格下げ、率や金額は自動保存しない(0076)。
- 同じ率の質問に毎回違う答え(110%→無い→160%→7%)→率表をコードで引く、設備名が決まらなければ値を返さない(0077)。後に第21章の全56表に拡張。どの表にも「潜水士」の行は無く、モデルが4回とも創作していました。
- ここでの教訓:ルールを書いても、破る経路が残っていれば破られる。方針の文書と、強制する仕組みは別物。
次は成果物の量と質です。モデルは放っておくと約3,500字で勝手に話を終えます(0080)。章ごとに分けて作らせ(0080)、長さは「章数×条数」で指示し(0083)、文書の相場は型(doctype)として資産に置きました(0084)。135分かかっていた長文生成は、絞り込みがWeb版にしか入っていなかったのを直して11.6分に(0082)。Word出力は実物の±25%に収まりました。
仕上げの品質はコードで締めました。採番の振り直しと検査(0085・0087)、章ごとの点検(0088)、出典のページ突合(0089)。ここでも「点検役は指示を足すほど悪くなる」という失敗があり(無限ループで22分を廃棄)、決定論で解けることはコードに、を裏づけました。モデルは速度では選ばず、実効窓と本番の長プロンプトで測る方針も固めました。MLX・RDMA・70Bは測って却下しています(0078)。
このフェーズの到達点は、積算(56表+製作据付の共通率+積算資料のたたき台)、防災精算(自動追記)、燃料発注(様式を保った見直し)、文書生成(特記・議事録・報告書のWord出力)、委員会資料(点数化と人の確認の分担)。方針は、AIは骨格・下書き・矛盾指摘、確定はコードと原本、最終判断は人。「分からない/要確認で空ける」が信頼の設計になりました。
4-3. フェーズ3:Studioを大きい脳に・評価・自動化(10月26日〜11月17日)
MacBook単体(32GB)は14Bまでで、モデルは1本しか載りません。そこでMac Studio(64GB)を遠隔ホストとして足しました(0093)。接続はVPN→SSH、MacBookは操縦席、Studioは頭脳です。リポジトリとモデル本体は物理的に分け、学びだけGitで本体に戻します。AIの入口はインターネットに出しません。
64GBで分かった一番の収穫は「大きい1個より、速い複数個」です(0090)。
- 70B級は載っても1.2 tok/sで実用外。メモリ上限を上げると0.9 tok/sでスワップ。
- 33B級は短文なら最速でも、本番の約14,000トークンで15分タイムアウト。
- 判断役と作成役の2体を同時常駐させ、切替の再ロードをゼロにするのが正解。
- 教訓:採否は短文の速さでなく、本番の長プロンプトで測る。
次に賢さ以前の配管を整えました。小窓モデルの文脈あふれを予算で止め(0096)、思考モデルが本文を空で返す事故をthink設定で直し(0097)、青本を意味検索で関連章だけ引くように(0098)。答えの質はコードで担保しました。回答の率・表番号・ページを根拠に照合し無ければ伏せる検算ゲート(0120)、学習に機械の関門(0121)、遅さの原因だった読み込み直しの削減(0122)です。
安全と実用の境界も決めました。過剰拒否のときだけ、人の承認付きで無検閲モデルに切り替えます(0095)。ただし無検閲モデルは架空規程に条文を捏造するので、単体では使わず必ず根拠とセットです。
11月12日、「MacBookは窓口・脳はStudio」の二段構えが完成しました(0127)。SSHトンネルでAPIを公開せず、画面には脳の出どころ(ローカル=赤/スタジオ=青)を表示。単発応答は2.3秒です。同じ日に、トークン節約の仕組み(実測ログ・注意喚起・軽作業は安いモデルへ・テーマ=1セッション)を全セッション共通に広げました(0125・0126)。
11月13日に評価で実力を測りました(0128)。外部の構造推論テストを答え非開示で独立採点し、MacBook単体は80→105(検査あり)、Studioの大きいモデルで127/160。商用ChatGPT 128に並び、Gemini 108を超えました。教訓は4つです。
- 全問いちいち修正すると逆効果(正答まで壊して89点)。直す点がある時だけ外科的に直すのが正解(144.7点)。
- 同じモデルを4回合議させても、系統的な見落としは減らない。
- 遅さの真因はthink設定(モデルごとに正解が違う)。
- 自動検査は「引用が実在するか」までしか見ない。真偽は別の目で弾く。
4-4. 直近の動き(2026-11-16〜17)
ここ2日でまとまった前進がありました。日付つきで残します。
11月16日
- Web操作を追加(
ai browse)。自分の/公開Webページのクリック・入力・読取ができるように(RPA④の操作部分・T0/T1)。社内(T2/T3)は許可待ち。 - 自分のGoogle(Sheets/Drive/Calendar/Gmail)を読取専用で見るT1を実装(0129系)。OAuthは人がブラウザで同意、送信・削除は機械的に拒否。
- ファイル出力を全形式対応にし、日本語PDFの文字化けを根治(fpdf2+Notoフォント埋め込み)。これで日本語PDFもローカルで作れる。
- 入りきる全モデルを16問160点で総当り(0091)。結論は「大きい=強い、ではない」。現行の中核(gpt-oss:20b/gemma4)が最良。
- NVIDIAの大型も実測。Bolt-74Bが141点で2位、nemotron:70bが134点だったが、どちらも数十倍遅く昇格は見送り。
- browser・画像生成・モデル評価をMacBook本体へ最終還流。
11月17日
- 多モデル合議(
ai consult)を追加。書き手の下書きを別系統の校閲が同じ根拠で点検し、過剰な断定を是正する(例:潜水士の率を「専用の率」と言い過ぎた下書きを訂正。計22.6秒、検算もok)。同時常駐なので往復は実質タダ。 - 点検役(reviewer)を gemma4:26b → gemma4:31b に昇格(評価の実測で決定)。
- 評価の採点を機械式に移行(0131)。手採点=採点者が最上位になる自作自演をやめ、正本の答えキーで全モデルを同じ物差しで測る。較正は機械132/手127。
- 構造推論テストを難版(v4)に一本化し、やさしい自作版を廃止。
- 視覚役を動くVLM(qwen2.5vl:7b)に修正(llama3.2-visionは未対応で動かなかった)。
このフェーズの軸は、測ってから決めること。却下した案(ネット公開・4体合議・自己点検・大窓への付け替え・全問一律修正・大型70B)も、理由と実測値つきで残しています。配管は完成し、残る天井はモデルの質・値のすり替え・組織許可です。
4-5. 並行:EachTeach(別アプリ)
同じ基盤の上で、個人情報を端末内で処理する学習アプリ「EachTeach」も並行で作りました(0057・0064・0099〜0117)。宿題アプリを入口に、講師紹介・信用偏差値・仲介型決済を備える構想で、Web版MVPを公開デモまで出しています。本資料の主題(水資源機構の業務)とは別テーマなので、「同じ基盤が別用途にも使える実例」として触れるだけにします。
第5章 いま業務で何ができるか(業務別・成果物つき)
凡例:[実証]=実物と突合済み/[納品]=実業務で納めた/[下書き]=たたき台まで/[要Windows]=一部は会社PCが必要。
5-1. 積算
- 青本の率・歩掛を出典ページ付きで引く(研修資料47件5,772頁を検索庫化、意味検索で関連章だけ注入)。[実証]
- 諸経費(共通仮設費・現場管理費・設計技術費・据付間接費・一般管理費)を青本の率式で確定計算し、設計書PDFと1円単位で突合。返田揚水機場の確定版で全項目1円一致。機密値のハードコードはなく、実行時にPDFから抽出。[実証]
runner/sekisan_verify.py - ピット蓋(鋼製付属設備)の数式入りExcelを生成→LibreOfficeで確定計算し、部品費276,755・労務費228,900ほか全項目1円一致。鋼材単価を入れれば製作価格まで自動。[実証]
runner/sekisan_build.py - 第21章(点検整備)の率表56表をYAML資産化し、
ai rateでコードから引く。行が決まらなければ値を返さない。[実証・人の最終検証待ち] - 製作据付の率は第1章一般共通の共通率(間接労務費率=表-1・3 など)。第21章の率を製作据付に誤注入していたのを修正済み。[実証]
- 積算資料のたたき台をAIが起こす(骨格と根拠の枠。数値はコード/原本で確定)。[下書き] 成果物:
outputs/積算デモ_樋門ゲート_R8/ - 潜水士積算(千葉用水 水門設備点検)。[下書き] 成果物:
outputs/千葉用水_水門設備点検/ - 限界:機構の積算ExcelのWindows専用マクロ依存部分はこの端末で完結しません。特記仕様書(Word)・新規計算書(Excel)・スライド・日本語PDFは生成可。モデルは表番号は当てるがページ番号は作るので、ページは信じず原本照合。
5-2. 防災精算
- 有事対応シートの追加を、PDFを渡すだけで自動追記。数値は決定論のコードが出すので1円もずれません。[納品]
- 印旛房総 有事対応④を正式勤務表で確定(36行・総滞在296.0hがPDF計と一致、直接労務費1,227,994円)。氏名・携帯を含むので端末内で完結。[納品] 成果物:
outputs/防災精算_印旛房総/ - 数字の幾何はモデルに解かせません。PDF11枠の読取は、罫線から格子を復元する方式(LLMなし)が3msで11/11正解。8〜20Bのモデルは全て同じ列ずれで金額が静かに狂いました。
.xlsmはVBA・外部リンク・画像が壊れるのでOOXMLを直接編集。「全体K26」の式違いを警告で発見。
5-3. 燃料発注
- 台風25号の給油ブックを、様式を保ったまま拠点別3枚に分割+確認シート追加で見直し。[納品] 成果物:
outputs/台風25号 燃料給油対応_確認シート追加.xlsx - 原本の数式バグを複数発見(タンク容量超過、使用量の引き忘れ、注文日と給油日の1日ずれ、調達相手の空欄)。[実証]
- 方針:有事に人が手で回す帳票を、災害対応の最中に全面再設計してはいけない。最初に7シートへ全面再設計したものは「様式を変えすぎ」で却下。現場の様式を優先します。
5-4. 文書生成(Office・ライセンス不要)
- 特記仕様書・議事録・報告書・意見書を、実物の±25%で下書き。章数・条数・書式を型として資産化。[実証]
- Word/Excel/PowerPointをMicrosoft Office無しで生成(裏でLibreOfficeが計算・PDF化)。提出先はOffice形式のまま開けます。[実証]
- 日本語PDFをローカルで新規生成(fpdf2+Notoフォント埋め込み・11/16根治)。既存Officeの変換のみ会社PC側。[実証]
- 出典をコードで突合し、当たらない出典は「要確認」と印をつける。採番もコードで振り、コードで検査。[実証]
- AIが作るExcelは白紙から書き始めないための下書き。数式入り・1円一致はコード側が作る。
5-5. 運転日報・管理運転月報
- 手書きの運転日報PDFを読み取り、号機ごとに乙様式へ転記(印旛機場9月分を集約Excel化)。[下書き・全セル未検証] 成果物:
outputs/管理運転月報/9月/ - 運転日報の様式は機場ごとに異なる点に対応。
5-6. 点検マニュアル・業務マニュアル
- 月点検方法のPowerPoint、水位計の千葉県への閉局依頼、危険物保安監督者の選任解任、天井クレーン性能検査の受検対応など。[下書き〜実用] 成果物:
outputs/業務マニュアル/ - 長作制水門の漏電警報付ブレーカ更新検討資料、大和田機場 主ポンプ排水量演算のExcel化。[下書き]
5-7. 委員会資料・議事録
- 工事の第2回委員会資料:AIは申請書類に根拠がある公開事実だけを点数化し、内部台帳は「要確認」で空けて人が埋める。根拠画像は本文抜粋だけ切り抜くのでマスキング不要。[実証] 体裁の完全再現は未。
- 会議の録音を完全ローカルで文字起こし(22分を約1分)。[実証] 誤変換はあるので人の校正前提。
5-8. 調達起案
- ローカルAI用モバイルPC購入の起案一式(施行伺・見積徴取・仕様書、納品場所は通信機械室、積算1,337,051円税込)。14様式ブックを1セル編集で温存。参考見積の問題点(予定価格約31%超過・韓国製SSDが要件不適合・有効期限と納期の取り違え)まで指摘。[納品] 成果物:
outputs/ローカルAI用PC購入/
5-9. 画像・帳票の読取
- スクリーンショットや帳票の文字をOCR+VLM(qwen2.5vl:7b)で読み、知識化。[実証・要・原本照合]
- 限界:密な小さい文字は不得手。低解像度を高精細化しても失われた情報は戻らず、固有名詞・数値を幻覚します。最高解像度の原本を使い、必ず原本と照合。
5-10. 調べ物・Web操作(公開情報)
- 公開Webを検索し、上位ページを出典URL付きで要約。[実証] 検索語は外部送信なので機密は入れない。
- 自分の/公開Webページのクリック・入力・読取(
ai browse・11/16)。社内システムの操作(T2/T3)は組織許可待ち。
5-11. 社内17業務セット
- 会社側で業務ごとに書き直した17業務の知識・チェック表を取り込み、質問に合う節(795節)を引く。頭から切ると「はじめに」しか届かないので節単位に。[実証(文脈の正しさまで。ローカルでの回答の実地確認は未)]
- 質問種別で注入順を変える(根拠質問は節が先/作成は指示文の後/レビューはチェック表が先頭)。的中率は1,125字枠で91.9%、2,600字枠で96.4%。
第6章 失敗と学びの一覧
失敗を「どこに構造的な穴があったか」まで記録しているのが、この基盤の強みです。
6-1. 静かな事故(エラーを出さずに壊れる)
- 窓の切り捨て:設計書(16,677字=10,278トークン)が上限8192で黙って切られ、末尾に答えられなかった(0035)。
- 丸投げ読み落とし:1.0MBの記録の0.6%しか読まず知識0件(0025)。
- 計画役の切り詰め:小さいモデルに入力が入り切らず、章立て0件の壊れた計画を200 OKで返した(0081)。
- 設定の正本化が片側だけ:台帳化したのに読む側に直書きが残り静かに劣化(0072)。
- 教訓:切り捨て・劣化はエラーにならない。測るまで見えない。
6-2. AIを信じた失敗
- 「1円一致確認済み」と嘘の断定→検算はPythonの仕事に(0031)。
- 誤答110%が記憶に保存され再引用→記憶を未検証の覚書に(0076)。
- 同じ率の質問に毎回違う答え→率表をコードで引く(0077)。
- 表番号は当てるがページ番号は作る(渡していないページを出典に付ける)→出典はコードで突合(0089・0091)。
- 表に無い行(潜水士)を4回とも創作→行が決まらねば値を返さない(0077)。
- 無検閲モデルは架空規程に条文を捏造→単体では使わず必ず根拠とセット(0095)。
- 的外れな根拠の正しい引用は検算を通る(表番号「21」が砕けて日付の21を誤引用)→表番号は1語で引く(0120)。
- 教訓:ルールを書いても、破る経路を塞がなければ破られる。
6-3. 「直した」が片側だけ
- 絞り込みがWeb版にしか入っておらず、CLI経由は全文ダンプのまま→135分の生成(0082)。1か所に統一して11.6分に。
- 予算が大窓モデルでは顕在化せず潜在バグとして眠っていた(0096)。
- 無検閲フォールバックを作る過程で別経路のthink未処理バグを発見(0095→0097)。
- 教訓:「直した」は「その経路で直した」でしかない。同じ判断は1か所に。警告ログは読む(「約4分」と出ていたのに135分かけてから原因を探した)。
6-4. 現場の様式を尊重する
- 燃料ブックを7シートに全面再設計したが「様式を変えすぎ」で却下(0056)。
- 調達起案で、他人の14様式ブックは入力シートの1セルだけ編集して温存(0119)。
- 教訓:技術的な正しさより、現場が手で回せることを優先する。
6-5. 決定論で解けることはコードに
- 表の幾何:8〜20Bは全て同じ列ずれ→罫線から格子復元(0047)。
- 採番:モデルに任せたら175条が36種に重複→コードで振り、コードで検査(0085・0087)。
- 点検役は指示を足すほど悪くなる(否定の指示で無限ループ、22分を廃棄)→事実の数え上げはコードが出す(0087)。
- 点検は全体一括だと見る場所が運(10件すべて第1章)→章ごとに回す(0088)。
- 長さは字数で言っても効かず、条数で初めて効く(0083)。
6-6. 速度と正確性
- 遅さの一部は読み込み直し(記憶抽出が本体を追い出す、+7.2秒)→同モデルで抽出・keep_alive15分(0122)。
- 根拠質問の6〜7割は一次資料の読み込み時間。減らすと答えが変わりうるので正確性優先で据え置き(0122)。
- エージェントのツリー化は速くならない(4本同時1.08倍、GPUは1本で飽和)→速度目的の多段化はしない(0073)。
- 方針:速度改善は、根拠と答えるモデルを変えない手だけ採る。
6-7. セットアップのハマりどころ(些細だが再発する)
- macOSのファイル名はNFDで、NFC前提の正規表現が外れ二重登録・分類全滅(0048・0050)。
- Ollama更新で自分で足した設定だけが静かに消える→専用LaunchAgentで固定(0078)。
- 全角数字を
\dが拾い「1者応札」の1を消す→[0-9]に(0123)。 - Excelの図形の中の文字はセルを読むと0字→図形も読むよう修正(0123)。
google.pyが本物のgoogleパッケージを隠す→gworkspace.pyに(0129)。- 空取込でINDEXを73件→0件に上書き→原本複製で復旧+安全弁追加(0051)。
- 音声アシスタントのメニューバー常駐がノッチ環境で表示されず→ウィンドウ版に(0094)。
- 視覚役にllama3.2-visionを入れたら未対応で500エラー→動くqwen2.5vl:7bに(11/17)。「ある=動く」ではないので代表入力で1回通して確認する。
- Python3.14はnumpy不可→専用venv(0019)。画像生成torchは3.15不可で3.13。
- ベンチ初回が一晩をまたぎ
time.time()が壊れた→total_durationを使う(0054)。 .appはFinder起動だとPATHが細い→launcherで補強(0045)。
6-8. 測って却下した案
- MLX:半分サイズのモデルが倍サイズより遅く不採用(0078)。
- RDMA:要件がThunderbolt 5で対象外(0078)。
- 70B級:1.2 tok/s、上限を上げても0.9でスワップ(0090)。NVIDIA大型(Bolt-74B 141点・nemotron70b 134点)は点は出るが数十倍遅く昇格不可(11/16・0091追記)。
- 4体合議:見落としが減らず経費に見合わない(0128)。
- 同一モデルの自己点検:盲点を拾えず、指示を足すと悪化(0120)。
- 全問一律修正:正答を壊して逆効果(89点、0128)。
- Ollamaのネット公開:SSHトンネルで目的を達し、API公開を避けた(0127)。
- 全モデルの強化学習:端末で不可、憲法に逆行(0095)。
- 教訓:却下は理由と実測値つきで残す。記事の数字はハードが違えば当てにならない。大きい=強い、でもない。
第7章 Studioの到達点(評価スコア)
7-1. 採点方法の注意
評価は2系統あり、直接比較はできません。①自作の機械採点版(正本の答えキーで誰が回しても同じ点。0131で確立)、②外部テストv4をClaudeが独立採点した版です。②は当初、採点を手で付けており採点者(Claude)が最上位になる弱点がありました。これを認めて①の機械キーに移行済みで、保存答案での較正は機械132/手127(差は弁護できる項目のみ)。数字は「商用と戦える水準に来た」目安として読んでください。
7-2. 構造推論力テスト(自作・機械採点版、160点)
| 段階 | 点数 | 備考 |
|---|---|---|
| 素 | 36 | |
| 判断契約プロンプトのみ | 112 | 安い工夫でここまで |
| 下書き(N=3平均) | 136.7 | 商用ChatGPT 128超 |
| 全文書き直し修正 | 118.7 | 逆効果 |
| 本番ハーネス・外科的編集 | 144.7 | Claude 159に次ぐ |
7-3. 外部テスト v4(答え非開示・独立採点、160点)
| 構成 | 点数 |
|---|---|
| MacBook(gpt-oss:20b)素 | 80 |
| 全問修正 | 89(逆効果) |
| 検査の足場あり | 102 |
| ガード付き v2 | 105 |
| Studio(書き手gemma4:26b・ガードv2) | 127(+22) |
商用比較:Claude 159 > ローカル127 ≒ ChatGPT 128 > Gemini 108。伸びはすべて「察る・割り切り」に集中(Q11が0→8、Q16が4→10 など)。設計書・積算で効く判断力が、フルローカルで商用ChatGPT級に届きました。
7-4. モデルの総当り(11/16)
入りきる全モデルを16問160点で総当りした結論は「大きい=強い、ではない」。現行の中核(gpt-oss:20b/gemma4)が最良でした。NVIDIAの大型はBolt-74Bが141点で2位、nemotron:70bが134点と点は出ましたが、どちらも数十倍遅く昇格は見送り。点検役は実測で gemma4:26b→31b に昇格しました。
7-5. 配管の実測値(説明に使える数字)
- 判断役+作成役の約32GB同時常駐で再ロードゼロ(切替0.1〜0.3秒)。
- 長文生成:135分→11.6分。特記仕様書の分量を実物比198%→112%に。
- 知識注入:45,052トークン→13,712トークン。
- MacBookからトンネル越しにStudioの応答2.3秒。多モデル合議は計22.6秒。
- 残る天井:値のすり替え・盤面の誤り(検査が拾い切れない)と、一括評価をトンネル越しに回せない速度壁。
7-6. 全モデル横並び(機械採点・単体WRITER・2026-11-17)
手元の全モデルを、同じ16問・同じ採点キー(assets/bench/kozo-answer-key.yaml・決定的)で、各モデル単体(ガード・合議なし)にWRITERとして解かせた結果(N=3平均)。
| 順位 | モデル | /160 | 100換算 |
|---|---|---|---|
| 1 | gemma4:26b | 139.0 | 86.9 |
| 2 | gemma3:27b | 108.7 | 67.9 |
| 3 | gemma4:12b | 105.3 | 65.8 |
| 4 | qwen2.5:14b | 100.7 | 62.9 |
| 5 | gpt-oss:20b | 99.7 | 62.3 |
| 6 | llama3.1:8b | 86.5 | 54.1 |
| 7 | gemma2:9b | 81.0 | 50.6 |
| 8 | ELYZA-JP-8B | 80.0 | 50.0 |
読み筋:
- gemma4:26bが突出(139)。これが単体WRITERの素の最強で、ガード付きハーネスで144.7、Studio構成で127(外部採点)に上がるのと地続き。
- 大きい=強い、ではない:同じ27B級でも gemma3:27b(108.7) は gemma4:26b に30点差。gemma4:12b(105.3) が gpt-oss:20b(99.7) を上回る。サイズでなく中身。
- 差がつくのは「察る・割り切り・盤面」:Q04(繰り下げ計算)は gemma4:26b だけ9.0で他はほぼ0〜4.7、Q10(盤面)は 10 vs 低位、Q11(察る)は 8.7 で頭一つ。易しい問(Q02・Q13・Q15)は横並びで満点近く。
- この表は機械採点キー版。外部v4独立採点(7-3の127)とは採点系が違うので直接比較はしない。
7-7. オーケストレーションの実測
- 仕組み:
tsukuru=計画→作成→別モデルで検算の3段(0041)。mizu+設計書PDFなら確定検算(sekisan_verify)が自動で起動。全段 llama3.1:8b で通し実証。 - 並列の利得はほぼ無い(0073・M1 Pro):同じモデルに2本同時=1.18倍、4本同時=1.08倍(GPUは1本で飽和)。→速度目的の多段化はしない。
- 役割別モデルのツリーは切替ごとに再ロード:初回21.8秒→常駐0.8秒、別モデルへ切替7.0秒、戻すと19.9秒(18GBの載せ直し)。検証役を1つ足す=ほぼ倍待つ。
- Studio側(64GB・同時常駐):I/O律速ツールの並列実行で1.52倍、6ステップの正しいDAGを生成・parse、積算7率の表番号をツール自動選択で正答(反復2・ツール1回)。
- 結論:オーケストレーションは速度のためでなく正確さのため。計画はPlanner駆動のDAG、同時生成は2本まで、末尾に検算を自動付与。
7-8. MCPサーバー作成の失敗と対処
MCP=ローカルAIに道具(ファイル操作・git など)を使わせる標準規格。ここは作り直しが多かった。
- 最初は mcp<2(FastMCP v1)で capability を5ツールだけ手書き公開(0010:list_capabilities / knowledge_search / document_read / text_read / text_write)。
- つまずき:スキーマを手書きしていた。capabilityの契約に引数の型が無く自動生成できないため、13ある能力のうち5本しか公開できていなかった(design/0005のgap)。
- mcp 2.x に上げたら FastMCP→MCPServer に改名+add_toolがシグネチャ推論のみになって旧コードが動かず → 契約(宣言)から型付き関数を動的生成して回避。ツールスキーマを単一ソース
tool_schemas.pyに統一し、手書きを廃止、agent_loopとMCPの両方へ自動反映、全capを自動公開に。 - 外部MCPのクラウドOAuthコネクタは意図的に取り込まない(端末外に出さない原則)。ローカルstdioのMCPのみ取り込み、既定の許可は confirm。mcp-server-git を実接続して git 14ツールを公開できた。
- 残課題:モデル主導の委譲(judge/scribe役)は定義だけで未配線。
第8章 設計の考え方(残る資産)
この基盤が特定のAIサービスに縛られないのは、価値をモデルでなくファイルの資産に置いているからです(正本:design/0001)。層は「利用者→観測CLI→統括→計画→知識グラフ/思考グラフ→能力→道具→モデル」で、モデルは一番下の交換可能な部品です。
- 知識グラフ:mizu(水資源)で80件規模。業務の1年の流れに沿って7群(積算・発注・入札・監督・災害・資料作成・AI活動)に束ねる。自動抽出は機械の関門(0121)を通し、人が見るのは食い違いだけ。
- 判断ルール:「率・歩掛は引く・推測禁止」(RULE-0003)、「ローカル優先・2回で届かねばClaude」(RULE-0004)など。
- 思考手順:文書→知識の取り込み(WF-0002)、計算書PDF→自作可能Excel(WF-0003)など。
- モデル台帳:どの頭脳を何の役に、なぜ使うかを実測つきで記録。「なぜそのモデルか」を根拠で答えられる。
- 検算・検査のコード:率・表番号・ページ・採番・出典を機械で突き合わせる。
- 成果物の型:特記仕様書20章・議事録4章などの相場。
正本はファイル、Obsidianは閲覧、知識マップは自動生成のミラー、Neo4jは検索エンジンで知識本体ではありません。頭脳を替えても、この資産がそのまま次の頭脳を動かします。コミットの本文からローカルが知識をためる仕組み(0060)もあり、コミットメッセージが学習の主信号です。
第9章 残っている制約・課題
9-1. 技術面
- 積算ExcelのWindows専用マクロ依存部分はこの端末で完結しない(既存Officeの変換・一部テンプレは要会社PC。新規の日本語PDFはローカル可)。
- 率表56表は人の最終検証待ち(unverified)。製作据付の率表の正本化も未。
- 共通仕様書(106MB)などOCR未の画像PDFが数件。
- 委員会資料・運転日報の成果物は原本との突合が未のセルがある。
- 検算は「根拠に書いてあるか」までしか見ない。的外れな根拠の正しい引用、値のすり替えは未対応。
- 長い根拠質問は60〜80秒かかる(正確性優先で据え置き)。
- 17業務セットはローカルでの回答の実地確認が未。
9-2. 組織・ガバナンス
- 社内システムの自動操作(T2/T3)は組織の明文許可待ち。境界(targets.yaml・denylist)は用意済みで、許可が下りれば1行追加で届く。
- 社内は「Copilot以外のLLM不可」が制約。Claudeが資産を書き、Copilot Studioが実行する分業を設計済み(design/0004・未着手)。会社PCを2台目ノードにする計画も整合済み(design/0003・0068)。
9-3. 運用
- 重い処理(全モデル評価・重いpull・学習)は平日NG・土日夜間のみ。
- 無検閲フォールバックは承認制+根拠とセットでしか使わない。
- 記憶ファイル(記憶/*.md)はAIの自動抽出で誤答も混ざるので根拠に使わない。
- 個人情報・社内データは端末外に出さない。外部共有時は個人情報を除いた清書を一方通行。
- MacBookとStudioは別々に開発(Studioの実験をMacBookのmainに混ぜない)。
第10章 現在地と今後
10-1. 現在地(2026年11月17日)
- MacBook(窓口)+Mac Studio(大きい脳)の二段構えが完成。Studioの常駐は2体(gpt-oss:20b+gemma4:31b・約32.7GB)。
- フルローカルで商用ChatGPT級の構造推論力(127/160)を実証。評価も機械採点の正本キーに移行。
- 水資源機構の主要業務(積算・防災精算・燃料・文書生成・委員会・17業務)で、実際の成果物を作れる段階。
- アプリは、ブラウザ・音声・ターミナル・デスクトップの4入口。直近でWeb操作・日本語PDF・多モデル合議・自分のGoogle読取を追加。
- 配管(根拠接地・検算・検査・自動化の骨格)は完成。残る天井はモデルの質・値のすり替え・組織許可。
- 直近:多モデル合議(ai consult)を
feat/consult-pipelineで実装(main未統合)。
10-2. 今後やること
(A) すぐ進める(組織許可不要)
- 率表56表の人による検証、OCR未資料の取り込み。
- 全モデルの構造推論テスト(機械採点)を週末バッチで実測し横並び表を確定(0131)。
- 多モデル合議のmain統合と、より強い校閲モデルの差し替え。
- 検査の門を値のすり替え・盤面の誤りまで広げる。
- 運転日報・委員会資料の原本突合を進め、[下書き]を[実証]へ。
(B) 会社PC・社内で確かめる
- 機構の積算Excel(Windowsマクロ依存)を会社PCで実機検証。
- 会社PCを2台目ノードにする移行。
(C) 組織の許可が下りたら
- 自動化T2(社内読取)・T3(社内入力)へ、境界ファイルに1行足して拡張。
- Copilot Studio+M365ブリッジで、会社が許す枠内に資産を活かす。
(D) 続ける
- モデルは測ってから採用(本番14kプロンプト・機械採点キーで横並び)。新しいからでは入れ替えない。
- 失敗は毎回「構造的な穴」まで記録し資産に戻す。
第11章 決定記録 全件一覧(0001〜0131)
1件ずつ「決めた/作った・成功・失敗や却下・業務価値」を圧縮して全件載せます。原文は docs/decisions/<番号>-*.md。EachTeach(学習アプリ)は別テーマなので簡略です。
A. フェーズ1:立ち上げ(0001〜0045)
- 0001 保存先:正本をローカルMarkdown+Git+Obsidianに一本化。Notionは一方通行の清書。
- 0002 Notion役割:現アカから先に読み、後で別アカへ。MCPは同時1アカのみ。
- 0003 設計評価と順序:3リスク(グラフは保つのが難しい/32GBで複数常駐不可/空の監視画面)を挙げ、縦切り優先に。
- 0004 トークン規律:CLAUDE.md→INDEX順に読む/大量調査はsubagent/決めたら記録。
- 0005 資産スキーマ:docs(人)とassets(AI正本)を分離。1件1事実・出典と鮮度必須。
- 0006 モデル安全ポリシー:安全>性能。出所・挙動・ライセンスで判断。
- 0007 Phase1縦切り:防災精算QAを通す。9Bが按分で自己矛盾=1モデル全役の危うさ。
- 0008 モデル更新:既定を27Bへ。コード不変で差替え=「部品」思想の実証。73.6秒と重い。
- 0009 Capabilityプラグイン:1ファイル置けば自動登録。
- 0010 機能実装とvenv:document/imagegen/gsheets実装、MCP公開。「資産に無い」拒否。
- 0011 画像生成:ComfyUI+SDXL、1枚約100秒。画像内の日本語文字は描けない。
- 0012 モデル陣容:5モデルを実測し役割割当。本家クラウドAPIは不採用。
- 0013 smartルーター:メモ即答+難易度振り分け。誤判定を「数字は難しい側」で修正。
- 0014 Observatory:「なぜそのモデルか」を根拠付きで説明。
- 0015 ペルソナ:本人の文体を資産化(--style)。
- 0016 司令塔:centerで3ペイン。
- 0017 KG自動生成:ai graph/kg_build。
- 0018 事業別切替:eachteach/mizu/kojinを--topicで。
- 0019 コーディング相棒:Aider+gpt-oss(aic)。Python3.14でnumpy不可→専用venv。
- 0020 ライブモニター:CPU/メモリ/GPUの折れ線。
- 0021 タスクETA:過去平均で「あと約〇秒」。
- 0022 ターミナルモニター:要望に合わせTUIに。
- 0023 auto-learn:会話から裏で知識を自動保存。
- 0024 Browser/Web/Search:全文検索・URL取得・ヘッドレスChromium。
- 0025 文書→知識:丸投げは0.6%しか読まず0ノード→分割+名寄せ。大文書はClaudeが土台。
- 0026 過去チャット:1スレッド1JSON、直近16通のみ送信。
- 0027 Web UI:標準ライブラリだけのローカルサーバ。ダブルクリック起動。
- 0028 ターミナルチャット改善:逐次表示・会話中コマンド・色。
- 0029 水資源21業務:作業仕様書を取込、業務名で手順注入・ミス検出。KG 19→51件。
- 0030 LAN公開・自動選択:別PC/スマホから。レビューは精度優先。
- 0031 積算検算ツール:設計書PDF→率式で確定計算→1円突合。返田で全項目一致。
- 0032 Obsidianミラー:YAML正本+MD自動生成。
- 0033 メモ→知識:メモ受信箱+ai learn。
- 0034 Office生成:python-docx等+LibreOfficeで計算・変換。数字は数式が計算。
- 0035 窓の自動拡張:8192固定で設計書が黙って切られていた→入力量で自動。
- 0036 積算ビルダー(ピット蓋):数式Excel+LibreOfficeで全項目1円一致。AI単体は丸め誤り。
- 0037 Web版 停止バグ:done未達でsid未設定→finally/start通知で修正。qwen2.5:14b採用。
- 0038 Web版 ファイルI/O:全形式読取、上限200k字、Word/Excel/PPT/PDF出力。
- 0039 メモリ・発熱:MAX_LOADED=1、熱表示、同時稼働警告。
- 0040 生成物BOX・順番待ち:クリックDL・プレビュー・作成後Finder自動オープン。
- 0041 オーケストレーション:計画→作成→検算(tsukuru)。積算は確定検算が自動起動。
- 0042 個人別エージェント:assets/agents/*.yaml(事業×文体×役割)。
- 0043 RPAアドオン:社内操作は設計のみ・組織許可待ち。境界5条件。
- 0044 Vision Phase0:超解像→VLM→KG。低解像度は幻覚、原本照合前提。
- 0045 デスクトップアプリ化:pywebviewでネイティブ窓。PATH細りをlauncherで補強。
B. フェーズ2:根拠付き回答と文書生成(0046〜0092)
- 0046 公開Web検索:ai search、読むだけ・出典付き。検索語は外部送信。
- 0047 防災精算 自動追記:決定論コードと判断JSONに分離。罫線格子復元で11/11。.xlsmはOOXML直編集。
- 0048 会社PC取込:zipの文字化けを復元。学習層だけ・既存は消さない。NFD問題を修正。
- 0049 見る場所はObsidian1つ:HTMLグラフ廃止。同じ事実を2か所に置くと腐る。
- 0050 一次資料コーパス:R8研修47件5,772頁を出典付き検索に。暗記却下。全走査20ms。
- 0051 知識を群で束ねる:7群に。被リンク50→13。空取込でINDEX 0件上書き→復旧+安全弁。
- 0052 資産ルートガード:コードと資産の場所を分離。worktreeの静かな事故を防止。
- 0053 並行レーン棚卸し:未マージ6本・採番衝突を整理。
- 0054 Gemma4採用:既定を26b(大きい割に速い・256K・商用可)へ。ベンチのスリープ混入を修正。
- 0055 プロンプトライブラリ:業務別21件をYAML資産化、Web UIに。
- 0056 台風25号 燃料ブック:様式を保って分割+確認シート。全面再設計は却下。原本バグ発見。
- 0057 EachTeach顧客データ:99人を端末内で集計。個人情報は集計値のみ。(別テーマ)
- 0058 Obsidian自動ミラー:Stopフックで再生成。
- 0059 作業振り分けとローカル昇格:軸はデータ境界と検証可能性。Claudeが正解→ベンチ→合格でローカル。
- 0060 コミット時学習:post-commitで全コミットをローカル抽出。メッセージが主信号。
- 0061 やり残し宣言:ai deferで宣言→空き枠で無人消化。
- 0062 自動化Tier:T1(自分の口座)とT2/T3(社内・組織許可)を分離。
- 0063 文脈窓を実測で:粗い3段をやめ実測表に。「入る」と「使える」は別(prefillが壁)。
- 0064 EachTeachサイト試作:React+Vite+Supabase。(別テーマ)
- 0065 Downloads整理:取込済みをゴミ箱へ。完全一致の重複だけ自動。
- 0066 生成物をFinderで開く:ai open。
- 0067 自動ノードは草稿:無審査コミット禁止、配布物の本籍は生成物/。(後に0121へ)
- 0068 会社PC v2.0整合:2台目ノードとして整合。正本はassets、索引は再生成可。
- 0069 Orca役割分担:判断=Claude/発散公開=agy/機密実装=aic。
- 0070 移行ブートストラップ:正本コピー→setup.sh→手動4点。
- 0071 AIのExcelは下書き:全セル文字列・書式ゼロを改善。数式入りはコード側。
- 0072 自動選定はRegistry参照:直書きを除去。実効窓で判定(カタログ値で誤判定していた)。
- 0073 ツリー化で速くならない:4本同時1.08倍、GPUは1本飽和。速度目的の多段化はしない。
- 0074 根拠を厚く:手順書の復唱が原因は注入配分。根拠質問では根拠を厚く。
- 0075 関係する分だけ注入:system 70%が知識全文ダンプ→上位だけ本文。95秒→11秒。
- 0076 記憶は未検証の覚書:誤答110%が保存され再引用。率・金額は自動記憶しない。
- 0077 率表をコードで引く:毎回違う率→YAML+ai rate。全56表を機械検査。潜水士の行は無くモデルが創作。
- 0078 Ollama更新・MLX却下:gpt-oss 23%高速。MLX・RDMA・70Bは測って却下。
- 0079 根拠質問は判断役へ:最弱に落ちていた不具合を修正。ベンチ20/20。
- 0080 長文は自己終了が天井:約3,500字でstop。writerは26b。章分割する。
- 0081 計画役は実効窓で選ぶ:小モデルが入力を黙って切り詰め章立て0件→gpt-ossへ。
- 0082 絞り込みがwebchatだけ:135分の正体は読み込み。grounding.pyに統一して11.6分。
- 0083 長さは章数×条数:字数は効かず条数で効く。6,560→38,139字・空章0。
- 0084 doctype登録:型を資産に。優先は依頼明示>型>既定。4型とも実物±25%。
- 0085 docx出力を実物で:18章20,198字。章跨ぎで連番が狂う不具合を修正。
- 0086 章ごとに一次資料:出典4→132件。範囲を切らないと他事業の歩掛を条文に混ぜる危険→reference_groups。
- 0087 採番検査もコード:点検役の誤指摘。否定の指示で無限ループ(22分廃棄)。_facts()でコードが数える。
- 0088 章ごとに点検:全体一括は10件すべて第1章→章ごとで全20章。
- 0089 出典もコードで突合:モデルは渡していないページを出典に付ける→照合、当たらねば要確認。
- 0090 Studioへ移植:機密652MBをrsync、第21章8頁を出典付き注入し120秒未満で幻覚なし。
- 0091 積算たたき台と率の罠:骨格と根拠は起こせる。製作据付の率は第1章共通。誤注入をis_tenkenで修正。(11/16にモデル総当り・NVIDIA大型実測を追記)
- 0092 委員会資料:AIは公開事実だけ点数化、内部台帳は要確認で人が埋める。議事録はローカル文字起こし。
C. フェーズ3:Studio頭脳化・評価・自動化(0093〜0131)
- 0093 Studioをホストに:Tailscale→SSH→Orca。repoとLLM本体を物理分離、学びだけgit一方向。API非公開。
- 0094 声のアシスタント:全ローカル。相談/会議の2モード。自動作業は安全枠+■停止。未テスト。
- 0095 無検閲フォールバック:過剰拒否時だけ承認制で。無検閲は捏造するので根拠とセット必須。
- 0096 知識注入に予算:45K→13,712トークン。大窓モデルでは眠っていた潜在バグ。
- 0097 chatにthink:思考モデルの空応答を塞ぐ。gpt-oss=low/非思考=False。
- 0098 知識を意味検索:bge-m3で関連章だけ。2回目0.16秒。
- 0099〜0117 EachTeach:学習アプリを別アプリとして並行開発。Web版MVPを公開デモ。(主題外のため一括)
- 0118 印旛房総 有事④確定:正式勤務表で36行・296h一致。
- 0119 ローカルAI用PC起案:施行伺・見積徴取・仕様書一式。14様式を1セル編集で温存。見積の3問題を指摘。
- 0120 検算ゲート:率・表番号・ページを根拠照合→外れたら1回書き直し→残れば伏せ字。👎をベンチに積む。
- 0121 学習の機械関門:逐語照合・数値照合・重複排除を通ればverified:auto。人に回すのは食い違いだけ。
- 0122 遅さは読み込み直し:記憶抽出が本体を追い出す(+7.2秒)→同モデルで抽出・keep_alive15分。
- 0123 17業務セット取込:156ファイル44MB。節で引く。的中91.9→96.4%。
- 0124 事業選択中の雑談:事実質問の時だけ資産を使う条件付きに緩和。
- 0125 トークン節約の型とフック:実測ログ・注意喚起・安いモデルへ・テーマ1セッション。
- 0126 フックを全セッションに:全体設定に冪等追記+自己修復。最大のトークン源はセッション再読。
- 0127 MacBook窓口・Studio脳(方式B):SSHトンネルでAPI非公開。ハンコ色で脳の出どころ表示。2.3秒応答。
- 0128 ガード付きハーネスで127点:MacBook 80→105、Studio 26bで127。全問修正は逆効果89。真因はthink。
- 0129 自動化T1(Google readonly):targets.yamlで境界、OAuthは人が同意、送信・削除はdenylistで拒否。
- 0131 評価を機械採点キーに:手採点=自作自演を廃し、正本YAMLキー+採点器+全モデルランナーに。較正は機械132/手127。
- (周辺・11/16〜17):Web操作
ai browse(RPA④操作部分・T0/T1)、日本語PDFのローカル生成(fpdf2+Noto)、全モデル160点総当り(bigger≠better)、NVIDIA大型の実測(遅くて昇格不可)、点検役を gemma4:31b に昇格、視覚役を qwen2.5vl:7b に修正、多モデル合議ai consult(feat/consult-pipeline・main未統合)。
第12章 付録
12-1. 根拠対応表(テーマ→主な決定記録)
| テーマ | 主な決定記録 |
|---|---|
| 設計思想・資産 | design/0001・0005/decisions 0001・0003・0005・0049・0051・0052・0059・0060・0067・0068・0121 |
| アプリ(UI・入口) | 0016・0027・0028・0037・0038・0040・0045・0055・0094・0127 |
| モデル選定・評価 | 0006・0008・0012・0054・0063・0078・0090・0128・0131 |
| 根拠接地 | 0074・0075・0076・0077・0079・0096・0098・0120・0121・0124 |
| 積算 | 0031・0036・0050・0077・0091/成果物 outputs/積算デモ・千葉用水 |
| 防災精算 | 0047・0118/成果物 outputs/防災精算_印旛房総 |
| 燃料発注 | 0056/成果物 outputs/台風25号 |
| 文書生成(Office・PDF) | 0034・0071・0080〜0089 |
| 画像・帳票・音声 | 0044・0092・0094 |
| Mac Studio | 0090・0093・0127・0128/design 0005・0006 |
| 自動化・Tier・Web操作 | 0043・0062・0129/design 0002・0004 |
| 17業務セット | 0123 |
| 調達起案 | 0119/成果物 outputs/ローカルAI用PC購入 |
| 運用・トークン | 0004・0125・0126 |
| EachTeach(別アプリ) | 0057・0064・0099〜0117 |
12-2. 使うコマンド(抜粋)
hanasu --topic mizu --ground "質問":事業を指定し資産を根拠に答えるhanasu --topic mizu --review --file 資料.pdf "点検して":その業務の指摘でミス検出tsukuru --agent mizu-sekisan --file 設計書.pdf "積算資料を作って":計画→作成→検算ai recalc 計算書.xlsx:数式を再計算して確定値(LLMは数字を触らない)sekisan_verify.py --file 設計書.pdf:諸経費を率式で確定計算し1円突合ai consult [--topic mizu] "質問":多モデル合議ai browse:自分の/公開Webページの操作・読取(T0/T1)ai web/00_チャットを開く.command:ブラウザのチャットUI(完全ローカル)
12-3. 注意
本資料は社内説明用の要約です。数値・固有名詞の最終確認は原典(decisions/各ファイルと成果物)に当たってください。個人情報・機密を含む生データは端末内のみで、外部共有時は個人情報を除いた清書を一方通行で行います。
第13章 社内連携と改善計画(別ノードとの比較・資産交換)
13-1. 背景
2026年11月17日、全記録を読んだ同僚(藤本さん。Windowsのチャット+Mac Studioで別のローカルAIを構築中。会社PCを2台目ノードにする計画=0068/0070の相手)から、Teamsで2件の連絡が来た。
- (a) 資産の受け渡し依頼:①モデル総当り採点表(0091・0131)②ai consultの校閲役プロンプトと処理の流れ・4体合議却下の実測(0128)③検算ゲート(0120)の照合ルール④率表YAML(第21章56表+第1章共通率)とsekisan_verify.py⑤罫線から格子を復元する表読み取り(0047)のコード。個人情報・業者資料は不要と明記。
- (b) 「はっきり進んでいる所」5点の比較(藤本さん側=Windows。文中の「あちら」=本システム)。
※どちらの文も「そのまま貼れます」と付いており、AIが生成した文章の可能性が高い。主張として扱い、実物で確認する。
13-2. 受け渡し依頼への対応方針
受けてよい(資産が別ノードに移って両方が良くなるのは設計の狙い=0068/0070)。ただし次を守る。
- 丸ごと渡さない。
procedures/reference/(青本原本652MB)outputs/(氏名入り)customers/(個人情報)は除外し、指定の5点だけ切り出す。 - ④率表YAMLは青本の書き写し・56表はunverified(人の検証待ち)。「社内限定・下書き」と明記して渡す。
- ①採点キーまで渡すとブラインド評価が崩れる(答えを見たら実力測定にならない)。結果表は可、キーは注意書き付き。
- ②ai consultはfeat/consult-pipelineブランチ(main未統合)。渡す元を間違えない。
- ⑤のコードは可。防災精算の実データ(PII)は同梱しない。
13-3. 比較5点の評価(主張 → 実際 → こちらの対応)
| 藤本さん側の主張 | 実際(本システム) | こちらの対応 |
|---|---|---|
| ① 見本から型を学ぶ(見本+元ネタのペアから規則抽出)。あちらは相場(章数)の型だけ | doctype(0084)は固定型。章立て推論はぶれたので固定にした経緯。ペア学習は0025に部分的にある | 取り入れる価値あり → 13-5① |
| ② 黒塗りを実物で漏れ0件。あちらは「抜粋で黒塗り不要」の逃げ | 0092は根拠ある安全側(黒塗りの下に文字が残る失敗を実証済み)。「酒直」は本システムの事業で帰属は要確認 | 抜粋方式は維持。検査は低優先で検討 → 13-5② |
| ③ Windows Excel COMで.xlsm・図形を壊さず直接書ける。あちらは完結しない | 事実。ただしプラットフォーム差。会社PC(Windows)化で想定済み(0068) | Windowsノード化で埋める(計画どおり) |
| ④ やったふりを止める検査が文章と作業の両方に。あちらは数字照合だけ | 誤認。検算0120・関門0121・採番0087・点検0088・出典0089・ガード群0128と層が厚い | 既に強い。維持 |
| ⑤ 成果物が工事/年度/種別のファイル体系に入る。あちらは生成物/<事業>/だけ | outputs/<事業>/・INDEX・命名規則・Downloads整理はあるが、工事台帳の階層は簡素 | 取り入れる価値あり → 13-5⑤ |
13-4. 結論
- 優劣で競う話ではない。相互交換が得。 本当に差があるのは③(Windows Excel=プラットフォームの差で、元からWindowsノード化で想定・0068)。①⑤は取り入れる価値、②④は本システムが既に強い。
- 主張でなく実物で測る。 中立の物差し=機械採点の構造推論テスト(0131)がある。両システムを同じテスト・同じ業務成果物で突き合わせれば、散文の優劣論は要らない。藤本さん側にも同じキーで走ってもらう。
13-5. 取り入れる改善(ロードマップ)
- ① 見本ペア学習:見本+元ネタの組から型・規則を抽出する capability を試作(既存の doctype 0084 と crude比較学習 0025 の延長)。黒塗りの「どの種類を隠すか」も見本差分から学べる形にする。※モデルを使うので実測は土日/夜間、かつ走行中テストの後。
- ⑤ 工事/年度/種別のファイル体系:outputs/ を工事台帳の階層に沿って整理し、命名規則・索引・表記ゆれ辞書・作業ログを足す。※モデル不要の軽作業で先行できる。
- ② 黒塗りの検査(漏れ・隠しすぎ判定):本システムは抜粋方式が基本だが、黒塗りを使う場面用に検査だけ足せる(低優先)。
- ③ Windows Excel COM:Macでは不可。会社PC(Windowsノード)化の計画で埋める。
13-6. 進め方
今日(平日・走行中テストあり)は本章の記録と⑤の軽い準備まで。モデルを動かす①の試作と実測は、走行テスト終了後の土日/夜間に回す。改善を入れたら同じ機械採点(0131)で前後を測り、効果を数字で残す。
この資料は docs/全記録_ローカルAI基盤と水資源機構での活用_2026-11.md(正本)と、同名の .html(閲覧用)で保存しています。