koma/ jiku

Three-Driver オーケストレーション設計

NOTE

Jiku（jikud および jiku）は komawm/jiku で提供される任意の独立デスクトップ自動化デーモンです。Jiku を導入しなくても、Koma コンポジタ単体で完全に動作します。

藍染楮和紙に描かれた Jiku 15x15 組子格子と音響波紋

コア設計：3 つの専門モデルドライバ

Jiku は高速な閉集合視覚判定、段階的タスク計画、任意のリアルタイム音声対話を 3 つの疎結合ドライバへ分離しています。

ドライバ 役割 既定エンドポイント・契約
DecisionsDriver ミリ秒単位の UI 判定、grid_225 座標特定、安全ゲート、~/JikuBox 分類 gemini-decision-1（POST /v1beta/decisions、total_output_tokens == 0、EmulatedStructuredTextModel JSON Schema へ自動フォールバック）
TurnModelDriver 多段階プランニング、低信頼時（< 0.85）の System-2 介入、スキル合成 OpenCode Go deepseek-v4.1-flash（thinking = false）、OpenAI / Google AI Studio / Anthropic 互換
LiveSessionDriver 任意の全二重音声および AvatarCue セッション転送 Gemini BidiGenerateContent WebSocket（既定無効、PipeWire 実音声 I/O は v0.1.0 目標）

ワークスペース・クレート構成（#![forbid(unsafe_code)]）

Jiku の全 4 クレート（jikud、jiku、jiku-memory、jiku-tts）は #![forbid(unsafe_code)] を強制し、生 FFI や mmap を一切持ちません。

クレート 種別 責務
jikud ライブラリ＋バイナリ $XDG_RUNTIME_DIR/jiku.sock RPC デーモン、3 ドライバ、DecisionCompiler、Phodopus Lua ポリシー、KomaIpcClient（安全な File::from(fd) による memfd 読取）
jiku バイナリ CLI コントローラおよび MCP サーバ（status、validate-config、decide、plan、run、box classify、memory search、skills、mcp）
jiku-memory ライブラリ L0 知覚 dHash リング、L1 アプリ特性、L2 SQLite WAL + FTS5 BM25、staged_skills 承認ストア
jiku-tts ライブラリ 任意の TtsProvider（VOICEVOX、OpenAI speech、noop）と AvatarCue パケット

Observe → Decide → Plan → Koma Action ループ

  1. Observe：スコープ限定 CapabilityToken で koma-agent.sock に接続し、capture.frame（保護サーフェスは黒塗り済み）と現在 Epoch を取得します。
  2. Decide：DecisionsDriver が 15 項目の二値 Noul 安全チェックと Choice（NONE_OR_OTHER 必須）および 15×15 grid_225 セル確率を評価します。
  3. Plan：信頼度 < 0.85 または自由入力が必要な場合、[roles.planner]（deepseek-v4.1-flash 等）へエスカレーションします。
  4. Act：expected_epoch 付きで vseat.* / macro.exec を送信し、4090 / 4091 / 4032 受信時は即座に停止または再観測します。

CLI クイックツアー

jikud --daemon --config ~/.config/jiku/config.toml --policy ~/.config/jiku/init.lua
jiku status --json
jiku decide --image shot.png "Is a terminal window visible?"
jiku plan "Summarize the active workspace"
jiku box classify ~/JikuBox
jiku mcp --print-tools