Show HN: AI生成コードの存在理由を捉えるSQLiteグラフ

AIコーディングエージェント（GitHub CopilotやClaude Codeなど）はコードを迅速に生成できますが、その背後にある工学的根拠はセッションをまたぐと失われることがよくあります。ai-vprocess-opsリポジトリは、新しいアプローチを導入しています。SQLiteベースのグラフを使用して、AI生成コードの「なぜ」を捉えるのです。これは、要件、設計決定、トレース候補、テスト結果、証拠、未解決の問題、ポリシートリガー、標準リファレンス、ALMシステムへのハンドオフ根拠を保存します。この方法は、ALM前の意思決定支援レイヤーとして設計されており、人間のエンジニアリング判断や正式なコンプライアンスツールを置き換えるものではありません。

リポジトリには、依存関係のない実行可能なPythonプロトタイプが含まれており、SQLiteを使用して完全な操作パスを実証します。プロトタイプには次のモジュールが含まれています：vprocess_graph.py（グラフメモリ構築）、import_reverse_engineering.py（認定リバースエンジニアリングインポート）、policy_match.py（単一条件およびAND条件アクティビティポリシー）、impact_query.py（再帰的SQLite CTEによる影響分析）、llm_recommend.py（制限付きグラフコンテキストの構築とローカルOllamaの呼び出し）、decision_lifecycle.py（承認、却下、ドラフト、レビュー必要の状態とレビュー担当者、理由、タイムスタンプの記録）、alm_handoff_export.py（承認された決定のみのMarkdownまたはJSONエクスポート）、export_review_report.py（グラフから決定論的Markdownレポートを生成）、mcp_readonly_stub.py（JSON-RPCスタイルの読み取り専用グラフツールの公開）、benchmarks/run_sample_regression.py（架空のサンプルシナリオの検証）。クイックスタートは3つのコマンドで完了します。

このプロジェクトは、長期プロジェクトでAIエージェントを利用するエンジニア、生成されたコードの理由を復元する必要があるVibeコーダー、AI生成プルリクエストのレビュアーに特に適しています。作成者は、有用な主張は狭いと強調しています。AI支援エンジニアリングには、「何を」のより高速な生成だけでなく、「なぜ」の耐久性のあるグラフが必要です。

リポジトリのレイアウトには、AGENTS.md（AIエージェント操作手順）、docs/（コンセプト、アーキテクチャ、操作モデル、プロンプト例などを含む19のドキュメント）、schema/（最小限のSQLiteスキーマ）、examples/（架空の入力と決定論的な出力）、prototype/（Pythonプロトタイプ）、tests/（単体テスト）、tools/（セキュリティと出力チェック）、benchmarks/（回帰チェック）、templates/empty_environment/（コピー可能なプロジェクトワークスペース）が含まれます。品質ゲートには、ローカルテストに加えて、GitHub ActionsによるPythonコンパイルチェック、単体テスト、サンプル出力同期チェック、Ruff、Bandit、CodeQLなどがあります。公開ゲートは、コミットされたSQLiteデータベース、秘密鍵のような素材、トークン文字列などの一般的な公開事故を拒否します。リリース前にAGENTS.mdの全コマンドを実行する必要があります。

このプロジェクトの主な対象者は、長期プロジェクトでAIコーディングエージェントを使用するエンジニア、生成コードの理由を回復する必要があるVibeコーダー、AI生成プルリクエストのレビュアー、正式なALMシステムに入る前にトレース候補と証拠を準備するチーム、およびローカルファーストのエージェントメモリ、MCPスタイルツール、コンテキストエンジニアリング、トレーサビリティツールを構築する開発者です。その核心的な主張は、AI支援エンジニアリングには、「何を」のより高速な生成だけでなく、「なぜ」の持続可能なグラフが必要であるということです。

要約すると、ai-vprocess-opsはSQLiteベースのグラフを通じて、AI支援開発におけるエンジニアリングコンテキストの保持を実証し、チームがAI生成コードのトレーサビリティとエンジニアリングメモリを改善するための拡張可能な参照実装を提供します。