Symbio：自己微調整AIループ（Show HN）

Symbio は、ユーザーの訂正を記録して自己微調整を繰り返すローカル AI エージェントです。「クラウド不要、サブスクリプション不要」を謳い、自然な会話から検出した誤りを自動的に学習データへ変換し、LoRA 微調整を通じて同じ過ちを繰り返さないようにします。GitHub で公開されており、インタラクティブなデモも提供されています。

機能としては、ローカル CLI または Telegram ボットでのチャット、Markdown ファイルによるメモや事実の保存、プロジェクトディレクトリ内でのファイル読み書き・検索・パッチ適用、サンドボックス化されたシェルコマンドや Python スニペットの実行、設定に応じた IMAP/SMTP メール確認などに対応します。すべての会話ターンは JSONL と SQLite に保存されます。

大きな特徴のひとつが MOA（Mixture of Agents）モードです。1つの大きなモデルが「ヘッドマスター」となり、タスクを小さなワーカーモデルにツール呼び出しで委任します。ワーカーが失敗した場合はヘッドマスターの指示を仰ぎ、成功すると両者にメモが保存されます。同じ誤りが閾値を超えて繰り返されると、ワーカーはタスクの実行方法を、ヘッドマスターはより効率的な委任方法を学ぶよう、両方が微調整されます。

スキル機能では、その場で新しいスキルを学習できます。スキルはステップバイステップの指示を含む Markdown メモとして始まります。エラーや訂正が蓄積すると、メモ自体を clean に保つため、隠しファイル .md.health.jsonl にログが記録されます。誤りの閾値に達すると、収集されたサンプルは LoRA 微調整に投入され、そのスキル専用のワーカーアダプターが作成されます（アダプター1つ = スキル1つ）。アダプターはホットスワップ可能で、未使用ならアーカイブできます。

訂正学習の仕組みとしては、「いいえ、私は Alice です」といった訂正フレーズや前回の質問の完全一致を検出し、元の質問・誤った回答・ユーザーの訂正・正しい回答を抽出して notes/mistakes/ に Markdown メモとして保存します。デフォルトでは誤りメモが5件貯まるとトレーニングデータに変換され、短い LoRA 更新（デフォルト25イテレーション）が実行されます。使用済みメモはアーカイブされ、アダプターが再読み込みされます。同様に、ツール呼び出しが失敗した直後に成功した場合も自動的に学習パイプラインへ取り込まれます。

微調整は Apple の MLX-LM フレームワークを用いた LoRA で実行されます。ベースモデルの重みは凍結されたまま、小さなアダプター行列のみが学習されます。設定項目には lora.rank、lora.num_layers、lora.scale、lora.dropout などがあります。また、微調整によって既存の能力が壊れていないかを確認するため、固定された「ゴールデンセット」による回帰チェックが毎回行われます。このように Symbio は、自己修正と微調整のループにより、AI が同じ間違いを繰り返さないようにすることを目指しています。