> **[English](../../../README.md)** | **[简体中文](../zh-CN/README.md)** | **日本語** | **[한국어](../ko/README.md)**

ATLAS TUI 動作中
_{ATLAS TUI のライブデモ（10倍速）。V3 パイプラインがファイル作成を実行中。}

A.T.L.A.S.

Adaptive Test-time Learning and Autonomous Specialization

## 🌎 ATLAS とは **ATLAS は、フロンティアモデル級の推論と検証をコンパクトなオープンモデルにもたらす、ローカルで動くコーディングエージェントです。** モデルを取り巻くシステム側（プランニング、候補生成、品質スコアリング、サンドボックスでのテスト、修復）により多くの知性を持たせることで、小さなモデルでも実際のソフトウェア開発の仕事を、ホスト型 API にもトークン課金にも頼らず、すべて自分のハードウェア上でこなせるようにします。 ## 💡 なぜ ATLAS なのか * **小さなモデルからより多くを引き出す。** ATLAS は単発の生成に依存する代わりに、プランニング、候補選択、検証、修復をモデルの周りに重ねます。 * **受け入れる前に検証する。** 生成されたコードは、分離された実行環境の中でコンパイル・テスト・修正できます。 * **計算資源を要所に集中させる。** 単純な編集は短いパスで済ませ、難しいタスクにはより多くの候補・推論・検証を割り当てます。 * **自分のモデルを動かす。** NVIDIA、AMD、Apple Silicon、Vulkan、あるいは CPU 対応ハードウェア上で、互換性のある GGUF モデルを使えます。 * **ローカルで管理する。** ATLAS は、リポジトリやプロンプトをホスト型モデルまたは ATLAS 運営サービスへ意図的にアップロードしません。サンドボックスコマンドはデフォルトで外部ネットワークへアクセスできます。無効にするには `ATLAS_SANDBOX_NET_INTERNAL=true` を設定してください。 * **スタック全体を所有する。** ATLAS はオープンソースかつセルフホストです。ホスト型モデルやサードパーティのモデルプロバイダー API キーは不要で、ローカルのインストール単位のサービストークンが ATLAS サービス間を認証します。 --- ## 📰 最新ニュース - **2026-07-06** - **[V3.1.3 "Maia" リリース](https://github.com/itigges22/ATLAS/releases/tag/v3.1.3)** - 本番プラットフォーム強化: 自動復元付きの段階的アップグレード/ロールバック、SQLite ステートストア（Redis を廃止）、署名付きアーティファクトマニフェスト、相関 ID 付き構造化ログ、対話式パーミッション、セッション再開、そして2回の敵対的バグ修正スイープ - **2026-06-17** - **[V3.1.2 "Maia" リリース](https://github.com/itigges22/ATLAS/releases/tag/v3.1.2)** - ハードウェア対応の拡大（ROCm / Metal / Vulkan）、持ち込みモデルの Lens + ASA トレーニング、自分のワークロードからのインザループ lens 再トレーニング、エージェント信頼性の強化 - **2026-05-12** - **[V3.1.0 "Maia" リリース](https://github.com/itigges22/ATLAS/releases/tag/v3.1.0)** - ネイティブ Bubbletea TUI、ワンコマンドブートストラップ、ストリーミング Lens + ASA 活性化ステアリング、AST 対応の外科的編集 - **2026-03-26** - [Hacker News フロントページ](https://news.ycombinator.com/item?id=47533297) - 489 ポイント、285 コメント - **2026-03-05** - **[V3.0 リリース](../../reports/V3_ABLATION_STUDY.md)** - 凍結された Qwen3-14B で LiveCodeBench pass@1-v(k=3) 74.6%（k=3 の生成候補 + Lens 選択 + 修復を伴う pass@1 であり、単発生成の pass@1 ではありません。[手法の詳細](../../reports/V3_ABLATION_STUDY.md)） - **2026-02-18** - **[V2.0 リリース](../../../CHANGELOG.md)** - ベンチマークインフラ、HumanEval/MBPP/LiveCodeBench/GPQA/SciCode 評価スイート ## ⭐ Star History

_{毎週月曜日に GitHub Actions で更新されます。} --- ## 🧱 ATLAS の機能 1. **[atlas-tui](../../CLI.md)** - ネイティブ Bubbletea ターミナル UI。公式チャットクライアント。任意のプロジェクトディレクトリで `atlas` と入力すれば起動します。 - [ライブパイプライン表示](../../CLI.md#panes) - V3 ステージをサイドペインで監視 - [スラッシュコマンド](../../CLI.md#slash-commands) - `/add`、`/diff`、`/commit`、`/run` でローカルファイルとシェルを操作 - [入力モード](../../CLI.md#input-modes) - チャット、`!bash`、`/slash` をヒントドロップダウン付きで切り替え 2. **[atlas-proxy](../../ARCHITECTURE.md#3-atlas-proxy-outer-layer)** - システム全体を統括する Go 製エージェントループ。 - [ツールコールルーティング](../../ARCHITECTURE.md#tools) - ファイル操作を複雑度ティアで分類 - [文法強制](../../ARCHITECTURE.md#grammar-enforcement) - GBNF スキーマで期待される JSON 形式へ強く誘導し、不正または切り詰められた出力はプロキシ側で回復 - [BiasBusters](../../ARCHITECTURE.md#tool-selection-bias-mitigations) - 構造的なコード編集でモデルを `structural_edit` へ誘導する4つの複合的な緩和策（説明文、文法禁則、システムノート、ASA ステアリング） - [安全制限](../../ARCHITECTURE.md#safety-limits) - ターン上限、トークン予算、タイムアウト 3. **[V3 パイプライン](../../ARCHITECTURE.md#4-v3-pipeline-inner-layer)** - 単一のプロンプトを検証済み候補に変換するマルチフェーズコード生成。 - [PlanSearch](../../reports/V3_ABLATION_STUDY.md#phase-1-constraint-driven-generation-124pp) - 制約駆動の構造化プランニング - [DivSampling](../../reports/V3_ABLATION_STUDY.md#phase-1-constraint-driven-generation-124pp) - 温度と戦略をまたぐ多様な候補生成 - [Budget Forcing](../../reports/V3_ABLATION_STUDY.md#phase-1-constraint-driven-generation-124pp) - フェーズごとの思考トークン割り当て - [PR-CoT Repair](../../reports/V3_ABLATION_STUDY.md#pr-cot-repair-36-rescues) - 自己生成テストによる反復修正 - [Refinement Loops](../../reports/V3_ABLATION_STUDY.md#refinement-loop-6-rescues) - サンドボックスでの検証と修正を繰り返す - [Derivation Chains](../../reports/V3_ABLATION_STUDY.md#derivation-chains-0-rescues) - 難問向けのマルチステップ推論 4. **[Geometric Lens](../../ARCHITECTURE.md#5-geometric-lens)** - モデル自身の埋め込み上で動くエネルギーベースのスコアリング。外部オラクル不要。(「[Geometric Lens とは?](../../ARCHITECTURE.md#why-geometric-lens)」) - [C(x) Cost Field](../../ARCHITECTURE.md#scoring-models) - 候補の品質をスコア化する、モデルの隠れ次元→512→128→1 の MLP - [G(x) Quality Prediction](../../ARCHITECTURE.md#scoring-models) - 選択に用いる XGBoost アンサンブル - [RAG / PageIndex V2](../../ARCHITECTURE.md#rag--pageindex-v2) - AST 対応のコード検索とプロジェクトインデキシング - [Confidence Router](../../ARCHITECTURE.md#confidence-router--pattern-cache) - Thompson Sampling で必要な候補に計算を寄せる 5. **[Sandbox](../../ARCHITECTURE.md#6-sandbox)** - ビルド検証のための分離実行環境。 - 多言語実行: Python、Rust、Go、C、Shell など - スコアリング前のコンパイルとリント - 生成テストと既存テストスイートの両方を実行 6. **[llama-server](../../CONFIGURATION.md#6-llama-server)** - 単一のコンシューマ GPU 上でのローカル LLM 推論。 - GPU 加速の量子化推論 (Q6_K / Q4_K_M) — NVIDIA CUDA、AMD ROCm、Apple Metal (macOS ハイブリッド)、Vulkan に対応。Intel SYCL はロードマップ - トークンレベルの文法制約デコーディング - セルフ埋め込み（レンズのための別モデルは不要）詳細ドキュメント（セットアップ、アーキテクチャ、設定、トラブルシューティング、ベンチマークレポート、各コンポーネントの[研究的背景](../../SOURCES.md)）は [docs/](../../) にあります。 --- ## 🚀 はじめにワンショットインストール: ```bash curl -fsSL https://raw.githubusercontent.com/itigges22/ATLAS/main/scripts/atlas-bootstrap.sh | bash ``` 変化し続けるスクリプトをそのまま bash にパイプしたくない場合は、同じインストーラーをより慎重に実行する方法が2つあります: ```bash # Pinned to a release: script, checkout, and images all at the signed tag curl -fsSL https://raw.githubusercontent.com/itigges22/ATLAS/v3.1.3/scripts/atlas-bootstrap.sh \ | ATLAS_BOOTSTRAP_REF=v3.1.3 bash # Review before running curl -fsSL -o atlas-bootstrap.sh https://raw.githubusercontent.com/itigges22/ATLAS/main/scripts/atlas-bootstrap.sh less atlas-bootstrap.sh bash atlas-bootstrap.sh ``` スクリプトはディストロ (Ubuntu、Debian、RHEL、Fedora、Rocky、Alma) と GPU ベンダー (NVIDIA → nvidia-container-toolkit; AMD → ROCm デバイスパススルー) を判定し、適切なランタイムをインストールし、モデル重みをダウンロードし、ASA ステアリングベクトルをビルドしてスタックを起動します。所要時間は 10〜30 分程度で、ボトルネックはモデルのダウンロードです。完了後、任意のプロジェクトディレクトリで `atlas` を実行してください。 **要件** | | | |---|---| | GPU | VRAM 16GB 以上。NVIDIA (CUDA、サポート対象 (Supported))、AMD (ROCm、コミュニティ検証済み (Community-tested))、または Apple Silicon (Metal、macOS ハイブリッド、サポート対象)。その他大半の GPU は Vulkan (プレビュー (Preview)) でカバー。プレビルドの CUDA イメージは Blackwell (RTX 50xx) を対象としており、それより古い NVIDIA GPU は一度だけのローカル再ビルドが必要です ([SETUP.md § CUDA Compute Capability](../../SETUP.md#cuda-compute-capability-dockerfilev31) を参照)。レベルの定義: [SUPPORT_MATRIX.md](../../../SUPPORT_MATRIX.md)。GPU 一覧: [SETUP.md § Supported GPUs](../../SETUP.md#supported-gpus)。特定のモデルがお使いのカードに収まるかは [What fits on my GPU?](../../TROUBLESHOOTING.md#what-fits-on-my-gpu) を参照。 | | ランタイム | Docker (NVIDIA: + nvidia-container-toolkit; AMD: 単体の Docker で十分) または Podman | | Python | 3.9 以上 | | ディスク | 約 20GB CUDA / 約 22GB ROCm (モデル重み + コンテナイメージ) | Apple Silicon は macOS ハイブリッド Metal パス（ネイティブ llama-server + 残りは Docker — **[SETUP_MACOS.md](../../SETUP_MACOS.md)** を参照）でネイティブ動作します。Intel Arc (SYCL) はロードマップ上の項目です。手動インストール手順 (Docker Compose、ベアメタル、K3s) とブートストラップフラグの一覧は **[SETUP.md](./SETUP.md)** をご参照ください。 --- ## ⚠️ 既知の制限事項 - **Linux の Docker スタック、加えてネイティブ macOS パス。** NVIDIA (サポート対象 (Supported))、AMD ROCm (コミュニティ検証済み (Community-tested))、Vulkan (プレビュー (Preview)) の Docker パスが現在存在します。Apple Silicon (サポート対象) はネイティブ macOS ハイブリッド Metal パス ([#32](https://github.com/itigges22/ATLAS/issues/32)) で動作します。Intel Arc / SYCL はロードマップ (Roadmap) です。レベルの定義: [SUPPORT_MATRIX.md](../../../SUPPORT_MATRIX.md)。 - **現行のレジストリモデルはまだ正式にベンチマークされていません。** 公式の 74.6% LiveCodeBench スコアは凍結された 14B リファレンスビルドのものです。モデル別の新しい数値は [#28](https://github.com/itigges22/ATLAS/issues/28) で追跡しています。リファレンスの手法とアブレーションは [`docs/reports/V3_ABLATION_STUDY.md`](../../reports/V3_ABLATION_STUDY.md) に、生トレースは [HuggingFace](https://huggingface.co/datasets/itigges22/ATLAS) に公開しています。 - **複雑な機能追加は不安定なことがあります。** コンパクトなモデルは、コードを書き始める前に不慣れなコードベースの探索にエージェントターンを費やすことがあります。信頼性は V3.1.2 のエージェント信頼性強化で改善しています。モデル別の最新の数値は [#28](https://github.com/itigges22/ATLAS/issues/28) で追跡しています。 - **文法制約デコーディングは遅め。** llama-server で約 51 tok/s。 --- ## 🗺️ ロードマップ **V3.1.3 "Maia"** - 現在のリリース。V3.1.2 の上に本番プラットフォーム強化を実施: 自動復元付きの段階的な `atlas upgrade`/`rollback`、Redis を置き換える SQLite ステートストア ([ADR 0007](../../adr/0007-sqlite-state-store.md))、署名付きアーティファクトマニフェスト、サービス横断の相関 ID を持つ構造化 JSON ログ、対話式パーミッションプロンプト、セッション再開、型付き設定のバリデーション/マイグレーション、2回の敵対的バグ修正スイープ（確認済み修正 33 件）。 **V3.1.2 "Maia"** - V3.1.0 の基盤（TUI、ワンコマンドインストール、ストリーミング Lens + ASA）の上に、ハードウェア対応の拡大、持ち込みモデルのトレーニング、エージェント信頼性の強化を実施。 - ハードウェア対応: llama.cpp 経由の AMD ROCm — RDNA4 / RX 9070 (gfx1200/gfx1201) を含む ([#26](https://github.com/itigges22/ATLAS/issues/26))。Apple Silicon のネイティブ macOS ハイブリッド Metal パス ([#32](https://github.com/itigges22/ATLAS/issues/32)、[SETUP_MACOS.md](../../SETUP_MACOS.md) を参照)。AMD / Intel / Snapdragon / MoltenVK 経由の Apple / CPU をカバーする Vulkan ユニバーサルフォールバック ([#114](https://github.com/itigges22/ATLAS/issues/114))。 - 持ち込みモデル: ローカル Lens トレーニングパイプライン (`atlas lens build` / `retrain`、[#100](https://github.com/itigges22/ATLAS/issues/100)) と ASA のモデル別キャリブレーション同等化 (`atlas asa check/build/publish`、[#113](https://github.com/itigges22/ATLAS/issues/113)) — 追加の GGUF 向けに Lens + ASA アーティファクトをトレーニングし、lens に同梱されるモデル別の動作閾値付きで出荷。 - インザループ lens トレーニング: TUI でパスを評価 (`/good` · `/bad` · `/review` · `/deny`) → 収集・重み付けされたサンプル → 自分のワークロードで `atlas lens retrain`。 - エージェント信頼性: ツール結果の可視性修正、読み取り重複排除、トレースバック → 指向的編集、`move_file`、pip インストール / 大文字小文字不一致のステア、サンドボックスシェルポリシー + ホストサイズの cgroup 制限。 - 構造的な呼び出しグラフ推論 ([#39](https://github.com/itigges22/ATLAS/issues/39) / [#125](https://github.com/itigges22/ATLAS/pull/125)、[@yogthos](https://github.com/yogthos) に感謝)。ARCHITECTURE.md の zh-CN / ja / ko 翻訳 ([#25](https://github.com/itigges22/ATLAS/issues/25))。 **V3.2** - 次のマイルストーン: より深いコード推論とプランニング。 - アーキテクチャ優先のプランニングフェーズ — RPG スタイルのプラン先行・後埋め: モジュールスコープでプランを立ててから関数スコープで実装 ([#120](https://github.com/itigges22/ATLAS/issues/120)、PR [#124](https://github.com/itigges22/ATLAS/pull/124))。 - 構造的コード推論（残り） — ソルバー支援の到達可能性に加え、「どのファイルが重要か」を多解像度で検索する構文非依存のウェーブレット分解 ([#39](https://github.com/itigges22/ATLAS/issues/39))。 - サンプリングを用いた推論 — 効率と品質の向上 ([#9](https://github.com/itigges22/ATLAS/issues/9))。 - 先送りしたインフラ: 自動化された HuggingFace 投稿パイプライン ([#102](https://github.com/itigges22/ATLAS/issues/102))。K3s / Kubernetes 上の ROCm。レジストリモデルの正式ベンチマーク — LiveCodeBench、GPQA Diamond、SciCode ([#28](https://github.com/itigges22/ATLAS/issues/28))。 **バックログ / 協力者募集** - ハードウェア: ARM64 マルチアーキテクチャビルド ([#115](https://github.com/itigges22/ATLAS/issues/115))、大規模モデル向けのマルチ GPU ([#34](https://github.com/itigges22/ATLAS/issues/34))、Intel oneAPI / SYCL ([#27](https://github.com/itigges22/ATLAS/issues/27))。 - ツール: VS Code / JetBrains 拡張機能 ([#35](https://github.com/itigges22/ATLAS/issues/35))。 - サンドボックス言語: Java / Kotlin ([#29](https://github.com/itigges22/ATLAS/issues/29))、Ruby / PHP ([#30](https://github.com/itigges22/ATLAS/issues/30))。 - アーキテクチャ: モデル非依存プラットフォーム ([#66](https://github.com/itigges22/ATLAS/issues/66))。 --- ## ❤️ ATLAS を支援する ATLAS は、一人の大学生が自由時間に、1枚のコンシューマ GPU の上で開発しています（[ATLAS の背景ストーリー](../../STORY.md)）。このプロジェクトが役に立っていて、持続可能な形で続いてほしいと思っていただけたら、ぜひ **[GitHub でのスポンサー](https://github.com/sponsors/itigges22)** をご検討ください。スポンサーシップは以下に直接充てられます: - **計算資源とハードウェア** - ベンチマークの反復を速めるための GPU 追加、メンテナーが自費では手の届かないアーキテクチャ（AMD ROCm、より大容量の VRAM カード、大規模モデル実験のためのクラウドレンタル）へのアクセス。 - **コントリビューターへの報奨金** - 実のある PR に本気で時間を割いてくれる外部コントリビューターへの相応の報酬。ATLAS が一人分のペースを超えて成長できるように。 - **研究** - このアーキテクチャを巡る継続的な学術活動。今後のワークショップ・学会への投稿から、アプローチを検証し拡張する論文執筆や共同研究まで。 - **コミュニティ** - ATLAS が動作するコミュニティとプラットフォームへの継続的なサポート。ドキュメント、ユーザー向けチャンネル、より多くの開発者に ATLAS を届け、既存ユーザーにより良く役立つための教育コンテンツを含みます。すべてのスポンサーは、支援いただいたバージョンのリリースノートにクレジットされます。 --- ## 🤝 コントリビュート ATLAS はオープンに開発されており、コントリビューターとコアメンテナーを歓迎します。バグ修正、アクセラレータサポート、より大きなサブシステムの作業、いずれも歓迎です。バグを見つけた、あるいは行き詰まった? **[Issue を作成してください](https://github.com/itigges22/ATLAS/issues)** — 修正の提出は必須ではありません。バグ報告とフィードバックはコードと同じくらい役に立ちます。ガイドラインは **[CONTRIBUTING.md](../../../CONTRIBUTING.md)** を、コードベースのレイアウトの概要は[リポジトリマップ](../../MAP.md)をご覧ください。 --- ## 📄 ライセンス [GNU Affero General Public License v3.0 (AGPL-3.0)](../../../LICENSE) の下でライセンスされています。