llmesh → llove → llive — FullSense 3 製品の開発履歴・設計コンセプト・差別化・普及戦略 (2026-05-17 時点)

Last updated at 2026-06-04Posted at 2026-05-17

llmesh → llove → llive — FullSense 3 製品の開発履歴・設計コンセプト・差別化・普及戦略 (2026-05-17 時点)

📚 FullSense ナレッジベースのご案内
FullSense 開発全史 60+ 記事 (4 言語版・物語ベースの読む順ガイド・かみくだき版・4 コマ漫画つき) は Qiita Team FullSense KB に集約しています (チームメンバー向け)。

著者: 古瀬和文（ぷるやん）

はじめに — なぜ 3 製品で 1 つの世界観なのか

私 (古瀬和文 / ぷるやん) は FullSense ™ という umbrella ブランドで 3 つの OSS プロジェクトを並走開発しています:

製品	役割	PyPI	GitHub
llmesh	secure LLM hub (on-prem MCP server)	`llmesh`	https://github.com/furuse-kazufumi/llmesh
llive	self-evolving modular memory LLM framework	`llmesh-llive`	https://github.com/furuse-kazufumi/llive
llove	TUI dashboard / HITL workbench	`llmesh-llove`	https://github.com/furuse-kazufumi/llove

すべて Apache-2.0 + Commercial dual-license。3 つは独立 OSS でありながら、組み合わせると「自宅 PC で動く、責任感のある、おせっかいな AI エコシステム」になります。

本記事は 3 製品の発足から本日 (2026-05-17) までの歴史、設計コンセプト、競合との差別化、多くの人に使ってもらうための工夫 をひとつにまとめたものです。

1. 開発履歴 — 3 製品の時系列

llmesh (最古参)

時期	内容
〜2026-05-09 以前	発足。secure LLM hub + 産業 IoT 連携
2026-05-09	v1.5.0 完了 — MTEngine + XbarRChart + CUSUMChart + CLI 統合
2026-05-14	llmesh-suite v0.2.0 (one-shot installer for 3 製品)
次	v1.6.0 OPC-UA + MQTT (llive と連結予定)

設計思想: 「LLM をハブとして使う」 — 複数の LLM (OpenAI / Anthropic / Ollama 等) を統合し、MCP プロトコルで配信。SPC (統計的工程管理) を埋め込み、産業 IoT に直接接続。

llove (TUI HITL ワークベンチ)

時期	内容
2026-05-09	v0.2.2 PyPI 初回公開 (llmesh-llove)
2026-05-09	F17 / F21 / F16 chess (216 PASS、未 push)
2026-05-09	F15 ブラウザ並み表示 (Markdown / SVG / Mermaid / 折り畳み)
2026-05-09	F16 マルチゲーム LLM 対局アリーナ (chess/go/mahjong/poker/...)
2026-05-10	F22 テトリスデモ (LLM × シミュレーション環境)
2026-05-10	F23 PowerShell 互換シェル / F24 Claude Code 統合
2026-05-12	F25 連携基盤 (llove ↔ llmesh ↔ llive を MCP 経由で繋ぐ shim)
2026-05-14	F25 audience demo 磨き (多言語化 + 商業価値訴求)

設計思想: 「人が AI を監督するための TUI」 — Textual ベース。SVG / Mermaid / Markdown を端末で再現、デモを多数用意して 「動きで魅せる」 ことで認知拡大。F16 アリーナは LLM 同士の対局という視覚的に派手な機能で SNS 拡散性を狙う。

llive (本日 5 日目)

時期	内容
2026-05-13	発足、v0.1.0 — Phase 1 MVR (49 tests)
2026-05-13 夜	v0.2.0 — Phase 2 Adaptive (308 tests)
2026-05-14	v0.3 → v0.4 → v0.5 — Phase 3/4/5 (444 tests)
2026-05-16	v0.6.0 — 9 axes skeleton + Apache 2.0 + FullSense umbrella (970 tests)
2026-05-17 (本日)	Brief API + 32 件要件 + 4 種ベンチ + 14 記事 (1014 tests)

設計思想: 「LLM 本体ではなく、LLM の周りに被せる認知 OS」 — 4 層メモリ + 6 stage Loop + Approval Bus + TRIZ + 10 思考因子。詳細は同日記事 09 llive 構造独自性 8 要素参照。

3 製品が交差する場所

                    [外部 LLM 提供元]
                Qwen / Llama / Mistral / GPT / Claude / Gemini
                              ↓
                         [llmesh]
                    secure LLM hub
                  MCP / OPC-UA / MQTT
                ↗      ↓       ↘
            llive    llove    産業 IoT
        認知 OS   TUI HITL   sensor bridge
            ↓      ↓
        Brief / 4 層メモリ / Approval Bus
            ↓
          実 use case (lldesign / lltrade / 計画中の llcad/lleda/llchip)

2. 設計コンセプト — 3 製品共通の哲学

哲学 1: Local 環境こそ AI の本来の居場所

cloud LLM (GPT / Claude / Gemini / Perplexity) は便利だが、個人情報・企業機密・医療データ・家族の会話・産業 IoT センサーデータ を外部に送るのは本来あってはならない領域。FullSense 3 製品は 完全 on-prem 動作 を最優先設計。

memory ルール: feedback_llive_measurement_purity — llive ベンチは「on-prem only」「cloud と混在禁止」。

哲学 2: 責任所在を architecture level に持ち込む

llive Approval Bus — 危ない動作は必ず人間の承認を経由、SQLite ledger に永続化、replay 可
llmesh SPC — 統計的工程管理で AI の動作を可視化、異常を早期検出
llove TUI — 人間が AI の判断ループに必ず入る (HITL ワークベンチ)

3 製品いずれも「AI 任せにしない」設計。

哲学 3: 多側面の思考を構造化

llive の 10 思考因子 (構造化 / 再構成 / 閉ループ / 自己拡張 / 不確実性 / 探索 / 整合 / 来歴 / 多視点 / 現実接続) は、心理の深層 (YouTube) から抽出した人間の思考の癖。これを LLM に持たせることで、AI を「単なる文字生成器」から「思考の足場を持つ知性」に拡張。

哲学 4: TRIZ で創造を構造に持ち込む

llive 内蔵の TRIZ 40 原理 + 39×39 矛盾マトリクス + ARIZ + 9 画法 は、自己進化の mutation policy として動作。「面白い案を出す」のではなく「矛盾を発見し、原理に従って体系的に解決」する。

哲学 5: Honest disclosure を研究の核に

memory ルール: feedback_benchmark_honest_disclosure (2026-05-17 確立) — 自社が異常に速い結果が出たら、勝った気になる前に必ず内訳を疑う。失敗を消さず、教訓として残す。

哲学 6: ファミリーで作る

llmesh / llive / llove は 独立 OSS でありながら、組み合わせると 1 つの世界観。これは PyPI 単独パッケージで完結できる Wolfram Alpha や ChatGPT との根本的な違い。ユーザーは必要な部分だけ採用 できる。

3. 差別化要素 — 競合との位置づけ

vs ChatGPT / Claude / Gemini / Perplexity (cloud LLM)

軸	cloud LLM	FullSense
on-prem	❌	✅ (完全自宅 PC で動作)
個人情報保護	❌ (外部送信)	✅ (送信ゼロ)
監査ログ	❌	✅ (SQLite ledger + SHA-256 chain)
災害時	❌ (ネット切断で停止)	✅ (Local で継続動作)
月額コスト	⚠️ ($20〜200/月)	✅ (電気代のみ)
計算精度	⚠️ (LLM 任せで誤算)	✅ (内蔵電卓 + 単位次元解析)
構造化 work unit	❌	✅ (Brief API)
HITL ワークベンチ	❌	✅ (llove TUI)

vs LangChain / LlamaIndex / AutoGen / CrewAI (Agent framework)

軸	既存 Agent framework	FullSense
Agent loop	✅ (chain / multi-agent)	✅ (6 stage Loop + Multi-track Filter)
memory	✅ (vector DB)	✅ + 4 層メモリ (semantic/episodic/structural/parameter)
HITL	⚠️ (CLI prompt 程度)	✅ (llove TUI ワークベンチ)
HITL audit	❌	✅ (Approval Bus + ledger)
形式検証	❌	✅ (Z3 / Sympy 統合)
認知因子明示分解	❌	✅ (10 思考因子 + COG-FX)
TRIZ 内蔵	❌	✅ (40 原理 + ARIZ + 9 画法)
産業 IoT 接続	❌	✅ (llmesh MQTT / OPC-UA)
TUI HITL ワークベンチ	❌	✅ (llove)

vs Wolfram Alpha (数学・科学計算)

軸	Wolfram Alpha	FullSense (MATH vertical)
数式の正確性	✅	✅ (Z3 + Sympy 統合)
単位次元解析	✅	✅ (SI 7 基本単位)
物理定数	✅	✅ (CODATA + NIST)
価格	有料 (cloud)	無料 (Apache 2.0)
Local 動作	❌	✅
OSS	❌	✅
LLM 統合	⚠️	✅ (BriefGrounder で自然)
監査ログ	❌	✅ (BriefLedger)

vs MemGPT / LongMem (memory framework)

軸	MemGPT / LongMem	llive
階層メモリ	✅	✅ (4 層 + phase transition + 署名 zone)
Bayesian Surprise	❌	✅ (FR-21)
形式検証 gate	❌	✅ (EVO-04 Z3)
HITL	❌	✅ (llove TUI)
産業 IoT	❌	✅ (llmesh)
TRIZ mutation policy	❌	✅

4. 多くの人に使ってもらうための工夫

工夫 1: Quick Start 30 秒

# llive
py -3.11 -m pip install llmesh-llive
llive-demo                              # 10 シナリオを順番に再生

# llove
py -3.11 -m pip install llmesh-llove
llove                                   # TUI 起動

# 3 製品まとめて
py -3.11 -m pip install llmesh-suite
llmesh-suite install                    # one-shot で全部

「面倒な設定なしで動く体験」を最優先。

工夫 2: Optional extras 設計

faiss / torch / sentence-transformers / Rust 拡張などの 重い依存は optional。基本機能は stdlib + numpy だけで動かせるため、Windows / Mac / Linux / 低スペック PC でも動作。

# 最小
pip install llmesh-llive

# torch を使いたい
pip install 'llmesh-llive[torch]'

# 全部
pip install 'llmesh-llive[all]'

工夫 3: 多言語ナレーション

llove demo は ja / en / zh / ko の 4 言語 ナレーション対応:

llove-demo --lang en      # 英語
llove-demo --lang zh      # 中国語
llove-demo --lang ko      # 韓国語

LinkedIn / Qiita / note への投稿も多言語版を用意 (本記事と同フォルダ内の LinkedIn_*_jp.md / _en.md / _zh.md / _ko.md 参照)。

工夫 4: 多側面の記事を毎日

memory ルール: feedback_daily_articles_policy — 技術設計 / 実装報告 / ベンチ / honest disclosure / 戦略 / 哲学 / 業界比較 / 認知科学 / TRIZ / エコシステム / ユーザー体験 / 未来予測 / 教訓の 13 側面から毎日記事を作る。

技術者向け (QIITA_SUMMARY.md) と非エンジニア向け (QIITA_GENERAL.md) と開発履歴 (QIITA_HISTORY.md = 本記事) を毎日並走。

工夫 5: デモを SNS 拡散性で設計

llove F16 マルチゲーム LLM 対局アリーナ (chess / go / mahjong / poker) や F22 テトリスデモは、動きで魅せる、繰り返し再生される、商業価値が伝わる ことを最優先に設計。LinkedIn / X / YouTube で拡散しやすい。

memory ルール: project_f25_demo_polish — デモは「採用ファネル先頭」「動きで魅せる」「商業価値訴求」を必須要件に。

工夫 6: 認知 OS というポジショニング

「llive は LLM ではなく LLM を内蔵する認知 OS」「FullSense は AI を使いこなす秘書エコシステム」と再フレーミング。これにより:

既存 LLM (Qwen / Llama / Mistral) との競合関係を回避
「単独で使うなら ChatGPT で十分」批判に対抗
「Qwen を Local で安全に責任を持って使うなら FullSense が最短経路」

工夫 7: dual-license で商用利用を促進

Apache-2.0 (OSS 開発者向け)
Commercial license (企業の社内利用向け、商業サポート付き)

両方提供することで、研究も商用も同じ codebase で進められる。

工夫 8: HITL ワークベンチで AI 失業の不安を緩和

llove TUI では AI が「これでいいですか?」と聞いてきて、人間が承認 / 却下 / 修正可能。完全自動ではなく、人間が必ず判断ループに入る 設計。これは AI 失業の不安を減らし、企業導入のハードルを下げる。

工夫 9: 産業 IoT との直接接続

llmesh の MQTT / OPC-UA bridge により、製造業 / 計測 / 物理 / 工学の現場で AI が現場データを直接受け取り、判断を返す 経路を提供。汎用 LLM では到達できない領域。

工夫 10: 多人数開発を想定した認知 OS

10 思考因子 + Multi-track Filter + Six Hats (CREAT-04) は、個人開発でも複数の視点を保つ ための仕組み。「architect / critic / executor / auditor」の 4 ロールが内蔵されているので、1 人開発でも認知の偏りを防げる。

5. これからの展望 (3 製品共通)

短期 (~3 ヶ月)

llive: MATH-02 形式検証 / CABT-01 forward hook
llmesh: v1.6.0 OPC-UA + MQTT
llove: F25 完成 (E2E 連携) + Creative Workbench

中期 (~1 年)

llive: ORG-FX Stage B (LoRA で llive 専用 adapter) → Stage C (qwen2.5:14b → llive-7b 蒸留)
llmesh: v2.0 P2P mesh (金子勇 EDLA + Winny の局所学習則を技術導入)
llove: F18 Rust 移植 (ratatui 並走 → 完全 Rust)

長期 (~3 年)

llive: Stage D/E (Transformer 以外 / Surprise-native pretraining) → 論文化
FullSense umbrella: v1.0.0 で PyPI rename (fullsense-* シリーズ)
3 製品統合 SaaS / 商用サポート提供

6. まとめ

FullSense ™ = llmesh + llive + llove の 3 製品で、以下を同時に提供:

✅ 完全 on-prem (cloud LLM では到達できないプライバシー領域)
✅ 構造化 work unit (Brief API で曖昧な依頼を排除)
✅ 10 思考因子内蔵 (認知 OS としての設計)
✅ TRIZ 創造性エンジン (40 原理 + 矛盾マトリクス)
✅ Approval Bus + Ledger (責任所在の永続化)
✅ 計算は決定論的 (LLM 任せの誤算を排除)
✅ 形式検証 gate (Z3 + Sympy で数式幻覚を止める)
✅ HITL ワークベンチ (llove TUI で人間が判断ループに)
✅ 産業 IoT 接続 (MQTT / OPC-UA で現場データ直結)
✅ 多言語対応 (ja / en / zh / ko)
✅ Apache-2.0 + Commercial dual (OSS + 商用両立)

これらは個別 OSS でも価値があるが、組み合わせると「LLM の周辺すべてが揃った認知 OS エコシステム」 になります。

質問・コラボ・商用利用は GitHub Issues または Twitter / X (@puruyan) までお気軽に。

llmesh → llove → llive — FullSense 3 製品の開発履歴・設計コンセプト・差別化・普及戦略 (2026-05-17 時点)

llmesh → llove → llive — FullSense 3 製品の開発履歴・設計コンセプト・差別化・普及戦略 (2026-05-17 時点)

はじめに — なぜ 3 製品で 1 つの世界観なのか

1. 開発履歴 — 3 製品の時系列

llmesh (最古参)

llove (TUI HITL ワークベンチ)

llive (本日 5 日目)

3 製品が交差する場所

2. 設計コンセプト — 3 製品共通の哲学

哲学 1: Local 環境こそ AI の本来の居場所

哲学 2: 責任所在を architecture level に持ち込む

哲学 3: 多側面の思考を構造化

哲学 4: TRIZ で創造を構造に持ち込む

哲学 5: Honest disclosure を研究の核に

哲学 6: ファミリーで作る

3. 差別化要素 — 競合との位置づけ

vs ChatGPT / Claude / Gemini / Perplexity (cloud LLM)

vs LangChain / LlamaIndex / AutoGen / CrewAI (Agent framework)

vs Wolfram Alpha (数学・科学計算)

vs MemGPT / LongMem (memory framework)

4. 多くの人に使ってもらうための工夫

工夫 1: Quick Start 30 秒

工夫 2: Optional extras 設計

工夫 3: 多言語ナレーション

工夫 4: 多側面の記事を毎日

工夫 5: デモを SNS 拡散性で設計

工夫 6: 認知 OS というポジショニング

工夫 7: dual-license で商用利用を促進

工夫 8: HITL ワークベンチで AI 失業の不安を緩和

工夫 9: 産業 IoT との直接接続

工夫 10: 多人数開発を想定した認知 OS

5. これからの展望 (3 製品共通)

短期 (~3 ヶ月)

中期 (~1 年)

長期 (~3 年)

6. まとめ

関連リンク

同日記事 (2026-05-17)

LinkedIn 投稿用 (本記事と同フォルダ、多言語版)