✦ 印 ✦ ✧ ✦ 印 ✧
マルチAIオーケストレーター + 判断ログ

shirusu

shirusu が記し、KOKUIN が残る。

説明できないAI活用は、仕事では使えない。
Claude・Codex・Gemini・ローカルLLMを役割で振り分け、すべての仕事に「判断の印」を自動で残す。

$ shirusu ではじめる KOKUINの実物を見る
~/work/client-a
$ shirusu ✦ shirusu v0.8  ✓ claude  ✓ codex  ✓ antigravity  ✓ ollama› 取引先に請求書の催促メールを送りたい。先月も催促してる。柔らかめで● タスク化 請求書催促メールを make ワークフローで作成します❯ 実行する   中止   タスクを編集   draftとして保存  ▸ plan      ✔ claude/sonnet · 12s  ▸ make      ✔ claude/sonnet · 42s · ↓1.2k tokens · $0.012  ▸ review    ✔ score 85 pass  ▸ integrate ✔ → final.md + KOKUIN (判断ログ) を生成

What is shirusu

AIを賢くするのではなく、
使い方・順番・レビュー・ログを賢くする

日本語で頼むと、受付AIが要件を聞き、タスクを起案し、適したAIへ振り分け、別のAIがレビューし、不合格なら差し戻し、失敗が続けば上位モデルへ自動格上げ。最後に人間が判断すべきことだけが届く。

think

読む・調べる・整理する

資料読解、要約、論点整理。長文はGeminiが並列で捌く

make

作る・書く・整える

メール文、手順書、コード、チェックリスト。レビュー済みで届く

decide

比較して判断材料を出す

ツール選定、移行判断。結論はあなたが出す — AIは材料まで

4+接続AI (Claude/Codex/Gemini/ローカル)
100%のrunに判断ログが自動生成
$0平常時のプレミアムモデル課金 (失敗時のみ格上げ)
0件AIによる無断の外部送信 (機構的に不可能)

Before / After

ふつうのAI活用と、何が違うか

ふつうのAIチャット

  • どのモデルに頼むかは毎回の気分
  • 出力の検証は自分の目視だけ
  • 何を読ませたか、あとから分からない
  • 履歴はあるが「判断の記録」ではない
  • 「AIで作りました」に根拠を添えられない

shirusu

  • 役割・能力・リスクでAIを自動選定 (理由も記録)
  • 別のAIがレビュー、不合格は自動で差し戻し
  • 何を読ませたか (scope) を宣言し、記録に残す
  • 毎回 KOKUIN (判断ログ・承認欄) が自動生成
  • 納品・監査・稟議にそのまま添付できる

KOKUIN

すべての仕事に、判断の印

AIがした仕事のひとつひとつに軽く押される判断の印。毎回のルーチンとして自動で残り、いざという時に決定的な記録になる。実物はこんな文書。

decision-log.md — AI判断ログ (抜粋)
run_idstatusscope外部AI実測
2026-07-02_1030_invoice-mailcompletedrestrictedあり45,063 tok / $0.81

■ モデル選定

  • make: maker → claude/claude-sonnet-5 → レビュー2回不合格 → claude-opus-4-8 へ自動格上げ
  • 実績: strong_general_reasoner × claude/sonnet-5 — 37 run / 平均score 85 / リトライ率 0%

■ レビュー

  • attempt 3 / score 85 / pass — 所要 60s / ↓3.3k tokens / $0.20

■ 人間確認

  • 文面の最終確認と送信は人間が実施 (approval-required.md 参照)
宣 × 過 × 証

「なぜこのAIか」を感想で語らない

宣言 (仕事の要求能力) × 過程 (候補→除外→採用の解決ログ) × 証拠 (score・リトライ率・所要・実測コスト) から機械的に導出。モデルが更新されれば理由も勝手に最新化される — 腐る手書きコメントは存在しない

audit

月次でまとめて出せる

shirusu audit export が月間の全KOKUINを1つの監査レポートに集約。顧客報告・請求根拠・社内監査にそのまま添付できる。「AI活用の証跡付き納品」が毎日の業務から勝手に生産される

Model routing

適材適所で、品質も枠も費用も守る

モデル名ではなく「能力ロール」で設計。差し替えは設定1行、どのAIが消えても動き続ける。

ロール担当候補 (差し替え可)
lightweight_router分類・振り分けClaude HaikuGemini Flash
strong_general_reasoner分解・執筆・レビューClaude SonnetCodexローカルLLM
long_context_model長文読解・大量要約Gemini ProClaude Sonnet
coding_agent実装・差分修正CodexClaude Sonnet
premium_reasoning_model失敗時のみ自動格上げClaude Opus任意の最上位
$

高いモデルは保険

レビュー2回不合格のときだけOpus級へ。平常時は課金されない。実測コストは毎回記録

%

サブスク枠の分散

長文はGemini、実装はCodexへ。1社のレート制限に集中しない — マルチAIならではの芸当

×2

重要タスクは多数決

--best-of 2 で複数案から採点選抜。--review-votes 2 でレビュー合議

Recipes

場面別レシピ

✉

メール・文面を作る

条件を先に言うほど一発で決まる。

› 経理宛に支払期日リマインドを。角が立たないように
↺

さっきの成果物を直す

直前の成果物が自動で引き継がれる。-c で前回の続き。

› さっきのメール、締めの一文を足して
⇄

比較・選定

調査→比較表→リスク→レビュー。結論は自分で。

› NASのクラウド移行、判断材料をまとめて
⌘

プロジェクトを読ませる

/scope public の宣言で、cdした場所を読み取り専用で参照。

$ shirusu --scope public
⛨

機密データを扱う

--scope private で外部AIを機構的に遮断。ローカルLLMで処理。

$ shirusu --scope private
◈

ナレッジを育てる

文体・署名・案件ルールが毎回のタスクに自動で効く。履歴も自動蓄積。

knowledge/ に .md を置くだけ

Data boundary

何を読ませるかは、あなたが決める

scope外部AI意味
public可プロジェクト全体を読ませてよい
restricted (既定)可明示的に渡したものだけが外部AIに渡る
private禁止外部送信なし。mock / ローカルLLMのみ
local-only禁止private と同様 (ローカルLLM用)
実行の境界ではなく、確定の境界を人間に残す — 承認済みの write mode では AI が作業ディレクトリを直接変更できる (git チェックポイント + 変更ファイルの証跡が KOKUIN に自動記録)。一方でコミット・送信・投稿・決済・本番反映といった確定は人間の手に残す。シークレットのマスクはどのログ設定でも常時有効で、無効化するスイッチは存在しない。

New in v0.5 – v0.7

実行する普通のAIに。証跡は、もっと固く

  • write mode
    「ファイルを修正して」で AI が実際に手を動かす。git チェックポイント・変更一覧・巻き戻し方法まで KOKUIN に自動記録。確認は一発、プロジェクト単位で信頼登録も。
  • 「GUIを開いて」
    対話モードから自然言語で Web GUI を起動 (/gui でも)。GUI API はセッショントークン + Origin チェックで保護。
  • 検証できる証拠
    どのルール・どの定義で判断したかを run ごとにハッシュで記録 (provenance)。実績はサンプル数で格付けし (evidence)、人間の承認/修正/却下を AI スコアより強い証拠として扱う。
  • 粘りが見える画面 (v0.7)
    score の攻防 (86→94)、交差レビューの宣言 (⚔ codex が claude の成果物を審査)、格上げの瞬間 (⤴)、完走ダイジェスト。裏側のドラマを、事実のまま画面に翻訳する。
  • depth — 粘りの工程 (v0.6)
    --depth deep で 勝利条件→生成→破壊レビュー (別プロバイダ)→修正→採点基準で審査、まで粘らせる。どう粘らせたかも KOKUIN に残る。「普通のAIは、答える。shirusuは、考えさせて、壊させて、仕上げさせて、記録する。」
  • shirusu drill
    もし明日、そのAIが使えなくなったら? drill --without claude で、どのロールがどこへ落ち、何を人間が確認すべきかを事前に確認。モデルは代替可能に、判断は記録に、業務は止めない。

Get started

5分で始める

setup
# 初回のみ
npm install -g shirusu

cd <あなたのプロジェクト>
shirusu init             # サンプルタスクと .gitignore 設定を用意
shirusu list runners     # 使えるAIを確認 (無くても mock で動く)
shirusu                  # あとは話しかけるだけ
cheatsheet
shirusu                 # 対話モード (基本これだけ)
shirusu -c              # 前回の会話の続き
shirusu --scope public  # プロジェクトのファイルを読ませる宣言
shirusu --scope private # 外部AI遮断 (mock/ローカルLLMのみ)
shirusu serve           # GUI (http://127.0.0.1:3777)
shirusu stats           # モデル実績 (score/リトライ率/所要/コスト)
shirusu audit export    # 月次KOKUINレポート

# 対話中
/trace 判断ログ · /audit 確認事項 · /feedback 承認記録 · /scope · /help

FAQ

よくある質問

1回のチャットより遅くない?

遅いです (数分)。計画→生成→レビュー→統合を複数のAIで回すためで、品質と記録の代価です。軽い質問は受付係が即答します。「記録に値する仕事」だけをshirusuに任せる使い分けを推奨。並列実行と短縮ワークフローを開発中です。

料金はどうなる?

shirusu本体は 1.0.0 に向けた検証期間中で、現在はすべて無料です。1.0.0 以降は業務利用 (法人・チーム) の有料化を予定していますが、個人の評価・学習利用は無料の方針で、配布済みの 0.x 系が後から有料になることもありません。AI利用はあなたのCLI契約 (Claude / Codex 等) を使います。実測コスト (API換算) は毎回KOKUINに記録されます。

意見・要望はどこに送る?

検証期間中のいまが一番反映されやすい時期です。フィードバックフォームからお願いします。「判定の意味が分からなかった」「業務の邪魔になった」という声が一番価値があります。

機密情報が外部AIに送られない?

既定 (restricted) では明示的に渡したものしか送られません。--scope private なら外部AIを機構的に遮断し、ローカルLLMだけで処理。何をどのAIに渡したかは毎回記録されます。

特定のAIが使えなくなったら?

モデルは「能力ロール」で抽象化され、候補が使えなければ自動フォールバック。どのAIも使えない環境でもmockモードで動作検証できます。特定モデルへの依存はありません。

ひとりで使っても意味ある?

あります。品質レビューの自動化と実績データの蓄積は個人でも効きますし、KOKUINを納品物に添えれば「AI活用の証跡付き納品」として仕事の信頼につながります。