AIのロードマップ

Nibiruの野心：独自の知識で微調整されたモデルを備えた最初のPHPフレームワークとして、開発体験の一等級の一部として提供すること。このページでは、そのステップが追跡されています。

フェーズ 1 — 今日: RAG オラクル ✓

• Markdown chunker with H2/H3 boundaries.
• OpenAI embeddings (text-embedding-3-small).
• Vector index as a single JSON file.
• Astro endpoint /api/oracle calling Claude with retrieved context.
• Floating chat widget on every doc page.
• Multilingual (EN/DE/JA/ES/FR) input + output.

なぜ最初に。 RAGは訓練なしで動作し、コンテンツサイズとともに線形的に拡大し、非常に安価です。ドキュメントの編集は同じ時間で回答品質を向上させます。

フェーズ 2 — 次に: 公開コーパス + LoRAレシピ

• npm run build:corpus が main に含まれています（instructions/chat/chunks JSONL）。
• Hugging Face データセット (nibiru-framework/docs-corpus) を公開しました。
• Llama 3.1 8B の Axolotl YAML を参照してください。
• Qwen 2.5 7B と Mistral Nemo 12B のレシピを参照してください。
• 評価セット：200 問の手作業で評価された Nibiru の質問と正解が含まれています。

なぜ2番目なのか。 コーパスがドキュメントから再現できるようになると、誰でもトレーニングできます。私たちはドキュメントを真実の源とし、コーパスを派生した成果物として扱います。

フェーズ 3 — 続き：ホストされた LoRA エンドポイント

• 公開コーパスで最初のパスのLoRAを訓練する。
• /api/oracle に vLLM を通じて提供し、機能フラグを使用する。
• Claude (RAG) と LoRA (RAGなし) と LoRA + RAG の並行表示 UI。
• テレメトリ: ユーザーが質問タイプごとにどのフォームを好むか。

なぜ第三なのか。 対比表示は、LoRAが役立つ（ニブルの慣用句）場所と、長文のコンテキストや新規編集がまだ再トレーニングされていない場所を明らかにします。

フェーズ4 — 最終的には: エディターエージェント

• PHPStorm プラグイン：コントローラーをハイライトし、Oracle にそれをモジュールに変換してもらう。
• CLI エージェント：./nibiru ask "このコントローラーを JSON エンドポイントとして書き直す"。
• PR レビュー ボット：フレームワークフォークのプルリクエストで Nibiru 固有の変更点を説明する。

フェーズ 5 — 意欲的：アクティブな学習

• チャットウィジェットでのユーザーフィードバック（👍 / 👎）は、プライベートデータセットに一行を書き込みます。
• 週次のレビュー・キューは低評価の回答を人間による注釈のために表示します。
• 改善された回答は次のトレーニングサイクルでコーパスに戻ります。

どのようにお手伝いできますか

• Oracleに難しい質問をして、回答を評価します。
• GitHubリポジトリ（https://github.com/alllinux/Nibiru）で不足しているトピックの問題を開きます。
• 翻訳を貢献 — 翻訳されたドキュメントページは、並行コーパスの行としても機能します。
• 公開されたコーパスでLoRA微調整を試す — 結果を共有してください。