一度の解答を、再利用できるスキルへ。
a2 は、データ変換を解き、結果を外部で検査し、受け入れられた解答をバージョン付きの実行可能なスキルとして再利用する方法を研究する小さな Python エージェントです。ソース、処理の流れ、デモ、評価記録をまとめました。
なぜ a2 か
一度タスクを解くことと、別の入力でその解答を安全に再利用することは別の問題です。a2 は、内部を確認できる小さなエージェントループで、その差を研究します。最初の対象は、レコードの正規化、情報源の照合、矛盾の検出、項目の選択といった、範囲を定められるデータ変換です。
- まず処理の契約を定める。
- 入力、出力、規則を明示します。出力の形式が正しいことは、答えが正しいことを意味しません。
- 解いた後に独立して検査する。
- 成功した解答から得たスキル候補は、保存する前に、別の入力とモデルの会話から隔離された期待結果で検証します。
- 再利用にも境界がある。
- 契約とスキルのバージョンが一致する必要があります。確認済みプランのコードが変われば、別の版へ黙って差し替えません。
タスクの流れ
小さな核を支える四つの役割
Base + Trace
目的、過去の記録、ツールの観測結果で文脈を組み立て、ステップ数と予算の範囲で行動を選びます。
Gate
汎用エージェントの危険性のある操作を承認に回します。承認は OS レベルの隔離ではありません。
Auditor
形式の検査と、独立した期待結果との正しさの検査を分けます。参照結果のない schema_only は正しさの証明ではありません。
Skills
契約、由来、バージョン、コードハッシュ、検証記録を保持し、再検査、無効化、ロールバックを提供します。
タスクから確認できる記録へ
契約と独立した期待結果
データの意味と、どの結果を受け入れるかを作業の責任者が決めます。
解答とスキル候補
実際の学習経路ではモデルが課題を解き、受け入れられた解答から候補を生成します。デモでは人が書いたスキルを使います。
別の入力で検証
保存には少なくとも二つの異なる利用者側の検査が必要です。組み込みのデータ学習器は三つの別々の検証課題を使います。
バージョンを固定して再利用
スキルを直接、または明示的なプランで実行します。モデルの提案は自動実行されず、版の不一致で停止します。
出力と評価の記録
品質、呼び出し数、遅延、観測トークン数を別々に報告し、未完了の評価を成功扱いしません。
これは利用経路の地図です。すべての実行が全段階を通るわけではありません。オフラインデモとスキルの直接利用はモデルを呼ばず、学習とモデルによるプラン提案は別の経路です。
三つの具体例
- 二つのシステムの顧客一覧
- 共通の一意なコードを完全一致で照合し、CRM と ERP の CSV を突き合わせます。二日分の合成データで一致と要確認の記録を示します。実システムへの接続はありません。
- 同じ規則で翌日のファイルを処理
- 検証済みの項目選択や照合スキルを新しい入力に適用します。契約が合わなければモデルへ自動で戻らず停止し、期待結果があれば別途照合します。
- 確認済みプランのスキルが変わったら
- 新しいプランはスキル ID とコードハッシュを固定します。版が変わるか使えなくなると、最初のステップの前に停止します。
最初の実行
最初はモデル不要の CRM/ERP デモを試します。自分のローカル作業領域にソースを取得してください。以下は Linux または macOS、Python 3.11 以上向けです。このページ上ではコマンドを実行しません。
v0.1.0a1 のソースタグを取得し、仮想環境を作ってパッケージをインストールします。
新しい出力ディレクトリに合成顧客デモを実行します。API キーもモデル呼び出しも不要です。
runs/customer-demo/report.html を開き、プラン、一致、問題、スキルの版変更の検査を確認します。
タグからローカルにセットアップ
git clone --branch v0.1.0a1 --single-branch https://github.com/omasim/a2.git
cd a2
python -m venv .venv
source .venv/bin/activate
python -m pip install -e .API 不要の紹介デモ
python -m a2.customer_demo --output runs/customer-demo --compact同じターミナルでソースのフォルダから実行してください。再実行には新しい出力ディレクトリを選びます。同じ二つの検証済み・人手作成スキルを二組の合成データで再利用するデモで、モデル学習や実顧客での検証ではありません。保存されたスキルを見るには README の data init --with-demo-skills を参照してください。
関連記事
再試行の前に何が変わったか
a2から、もう一度試す理由を見える形にするための作業ノート。
計画はなぜ実行を拒むのか
a2デモでスキルの版が変わると実行前に止まる仕組みと、コードの同一性と正しさの区別。
同じ仕事、翌日は別のファイル
二日分の合成CRM/ERPデモから、同じスキルの再利用、コードの完全一致、独立した結果確認を考える。
a2の最初の技術プレビュー
0.1.0a1の公開。検査できるデータ処理、再利用可能なスキル、技術プレビューの明示的な限界。
a2でたどる仕事の道のり
二つのレコードの例から、契約、実行経路、出力の確認、最後に残る記録をたどる。
エージェントはいつ止まるべきか
a2から考える完了、繰り返し、共有予算、不確かな処理、権限の境界。次の一歩の前に何を知る必要があるのか。
アイデアが動く道具になるまで
a2を通して考える、検証された解決策、再利用できるスキル、完了した仕事の間の距離。
資料とリンク
現状と限界
2026年10月22日の確認時点で、ソースは MIT ライセンスで公開され、v0.1.0a1 タグにアクセスできます。直近の CI は成功しています。GitHub Releases に個別のリリース記録はなく、ダウンロードはタグのソース ZIP にリンクします。技術プレビューは正式版の受け入れ完了を意味しません。
資料には、範囲を限った実学習で独立検証された四つのスキル群が記録されています。小規模で未完了の開発パイロットでは効率面の優位は示されていません。固定した複数 seed の完全評価と実利用者による検証は未完了です。制限付きの実行ワーカーは、任意の悪意ある Python 用の OS サンドボックスではありません。
合成データのデモ ≠ モデル学習。形式検査 ≠ 意味の正しさ。CI 成功 ≠ 利用者検証やリリース受け入れの完了。
このポータルは v0.1.0a1 と同じコミットにある公開 README、設計、スキル、評価、公開資料に基づきます。新しいモデル実験や有料 API 呼び出しは行っていません。資料は主に英語で、デモの手引きと一部の告知はトルコ語です。
既存のプロジェクト本文と日付付き情報源
以下の編集可能なプロジェクト記録は、2026年10月13日の旧概要を保持します。公開前の記述は当時の状況で、現在のソースの状態は上に示しています。
問い
成功した解答を、別の課題で再利用できるスキルに変えられるか。a2 は、データ変換の課題でこの問いを研究しています。
動作する部分
小さな Python エージェントに、道具、共有メモリ、出力検査、実行可能なスキルを組み合わせています。対象はレコードの正規化、情報源の照合、競合の検出、項目の選択です。スキル候補は保存前に独立した入力による外部検査を受けます。
評価
学習済みスキルを固定し、別の課題で履歴なしの解答、成功例を含む文脈、人が書いたスキル、無関係なスキルと比較します。品質、遅延、モデルと道具の呼び出し、観測されたトークン使用量を分けて記録します。
状態と限界
2026年10月13日に確認した資料では開発アルファ版です。オフラインのデモは人が書いたスキルの検証と再利用を示し、モデル学習の証拠ではありません。限定的な実学習の試行では検証済みスキルが記録されていますが、未完了の開発パイロットで効率の優位性は示されていません。複数 seed による固定評価と実利用者による検証は未完了です。このページの公開はソフトウェアの一般リリースを意味しません。
資料
a2 の README、設計、評価資料を2026年10月13日に確認した要約です。新しい実験は実行していません。