プロジェクト

全般

プロフィール

開発 #26

完了

yfoxaiを使用したAI機能の追加

藤崎 さんが4ヶ月前に追加. 2ヶ月前に更新.

ステータス:
終了
優先度:
Normal
担当者:
開始日:
2026-07-09
期日:
2026-08-07
進捗率:

100%

予定工数:
作業時間:

説明

# yfoxai を使った画像認識・検査 + 学習(ティーチング/データ蓄積/fine-tune用データ)機能の追加

## Context

前ターンで yfoxai の推論5ブロック(`ai.ask`/`judge`/`classify`/`ocr`/`detect`)を `AiBlocks.cpp` に追加し、ローカル VLM での良否判定・分類・OCR・検出・VQA が動くようにした(E2E 確認済)。

今回はユーザー要望で **yfoxai の全機能を活用した「AIによる画像認識・検査」と「学習機能」** を実装する。yfoxai には推論以外に **4つの学習方向**が用意されているが、現状アプリからは一切使えていない:
- **① ティーチング(few-shot)** = `CAiVision::AddExample` で良品/不良品の見本を提示し判定精度を上げる
- **② fine-tune(LoRA)** = `CAiRecorder::ExportDataset` が ShareGPT JSONL 教師データを書き出し、外部 `yfoxlib/yfoxai/finetune/`(LLaMA-Factory)で学習 → 変換モデルをパスで差し替え
- **③ プロンプト/閾値調整** = `SetExtraInstructions`/`SetTemperature`/`SetMaxTokens` + 3値判定(`AiVerdict` AV_OK/AV_NG/AV_REVIEW, `reviewBelow`)
- **④ データ蓄積** = `CAiRecorder`(画像+結果+正解ラベルを SQLite へ記録、精度集計、CSV/JSONL 書き出し)

さらにユーザー追加要望で **ローカル LLM(モデル)選択機能・LLM 通信方法の選択機能・学習(準備)ツール** も加える。

**ユーザー選択(確定):**
- フル一式 / ティーチングは**見本フォルダ方式**(ok/ng サブフォルダ)/ 学習管理は**専用ペイン**。
- 接続設定は**グローバル設定 + ブロック個別上書き**(設定メニューに AI 接続設定、各ブロックで上書き可)。
- 学習ツールは**学習準備ツールを作る**(データセット書出→split→設定ステージング→`run_train.ps1` 生成。実学習は外部 GPU/LLaMA-Factory)。

**目標成果:** 通信方式とローカル LLM を選び、見本を与えて学習(ティーチング)しながら AI 検査でき、検査結果を蓄積し、正解付け・精度集計・fine-tune 用データセット書き出し・学習実行スクリプト生成までを GUI で完結できるようにする。

## 前提・調査で確定した重要事実

- **既定ビルドの yfoxai は REST バックエンド(WinHTTP/RawTcp)のみ**。`BK_LlamaCpp`/`BK_OpenVINO`/`COpenVinoInfer` は `YFOXAI_WITH_*` 定義時のみ実体化(未定義=非搭載)。→ 推論は**ローカル VLM サーバ(LM Studio/llama-server, 既定 127.0.0.1:1234)**へ REST。
- **fine-tune 学習自体はアプリ外**(`finetune/` は LLaMA-Factory の yaml/py/ps1 群、in-process API 無し)。アプリの役割は **JSONL 書き出し + 変換モデルのパス指定**のみ。
- `CAiRecorder` は**自前 SQLite**(`inspections` テーブル)+ 画像ファイル(`imageDir`)を持つ。既存 `CSQLite` 消費(`log.record`/`GraphStore`/`LogViewerPane`)とは別ファイルで**競合しない**(短命接続・単一ファイル・main スレッド直列)。
- yfoxai の**ビルド配線は既に全て整備済**(`ImgChkSystem.vcxproj` の include/lib/PostBuild、installer、ProjectExport)。→ **新規 lib/include エントリは不要**。追加 TU を ClCompile(NotUsing PCH)へ足すだけ。
- **yfoxai にモデル一覧取得 API は無い**(`SetModel` のみ)。→ モデル選択はサーバの OpenAI 互換 `GET /v1/models` を**自前の軽量 WinHTTP GET + nlohmann パース**で取得(隔離 TU 内)。
- **既存アプリにダイアログリソースは皆無**。設定は全て「メニュー項目 + レジストリ(`AfxGetApp()->WriteProfileInt/String`)」+ カスタム UI はペイン内でプログラム的生成(`ExecConfig.h`/`AppLog`/`CFormDesignerPane` 参照)。→ 値の保存は**ヘッダオンリー `AiConfig.h`**(`ExecConfig.h` 準拠、.cpp/vcxproj 不要)。テキスト/モデル一覧入力が要る接続設定・学習準備は**本アプリ初のダイアログ**(`CDialogEx`+`.rc` テンプレート)を隔離 TU に追加する。
- **fine-tune 学習ツールはアプリ外実行が前提**(`to_gguf.ps1`/`to_openvino.ps1`/`train_lora.yaml` は GPU 機の LLaMA-Factory/llama.cpp を呼ぶ)。アプリ内「学習準備ツール」は**データセット書出→split→設定ステージング→実行スクリプト生成**まで(GPU 学習自体は起動しない)。`model_profile.env` の 4 変数(MODEL/TEMPLATE/LORA_TARGET/MMPROJ)がモデル差替の唯一の編集点。
- ヘッダ `AiRecorder.h`/`AiPipeline.h` は `AiTypes.h`(nlohmann/json)を引き込む → **NOMINMAX 必須**。よって recorder/pane も `AiBlocks.cpp` と同様 **PCH 不使用 TU** に隔離。
- 見本画像は `CAiVision::AddExample(CDiBitmap*, caption)` = **非所有**。判定呼び出しの間だけ生存させればよい(`shared_ptr` の一時 vector で保持)。

## 実装方針(4方向の対応表)

| 方向 | 実装 | 場所 |
|---|---|---|
| ③ 調整 | 既存5ブロック + 新ブロックに `追加指示`/`温度`/`最大トークン` パラメータ。`ai.judge` を3値判定化(`reviewBelow`+要確認/判定コード出力) | `AiBlocks.cpp` 改修 |
| ① ティーチング | 新ブロック `ai.judge_teach`(見本フォルダ ok/ng を few-shot 読込 → 3値判定) | `AiBlocks.cpp` 追加 |
| ④ データ蓄積 | 新ブロック `ai.record`(`CAiRecorder` ラップ。画像+合否+確信度を記録) | `AiBlocks.cpp` 追加(`#include "AiRecorder.h"`) |
| ②+④ 管理UI | 新ペイン `CAiLearnPane`(一覧+画像+OK/NG正解付け+精度統計+CSV/JSONL書出) | 新規 `LearnPane.cpp/.h` |
| 接続選択 | グローバル AI 接続設定(通信方式/host/port/chatPath/model[一覧取得]/timeout)+ ブロック個別上書き(`useAppSettings`+`backend` 等) | `AiConfig.h`(値)+ `AiConfigUi.cpp`(ダイアログ+モデル取得)+ `AiBlocks.cpp`(参照/上書き) |
| ② 学習ツール | 学習準備ダイアログ(書出→split→設定ステージング→`run_train.ps1` 生成、プロファイル選択) | `AiConfigUi.cpp`(`CAiTrainPrepDlg`)|

## 変更/新規ファイル

**改修:**
- `AiBlocks.cpp` — 調整パラメータ・3値判定・新ブロック2種(`ai.judge_teach`/`ai.record`)+ `ConfigVision` を `AiConfig`+`useAppSettings` 対応へ。冒頭に `#include "AiRecorder.h"`/`"AiConfig.h"`。
- `core/Blocks_Builtin.cpp:2795` 近傍 — `RegisterAiBlocks` は既存呼出のまま(新ブロックは同関数内で登録)。
- `ImgChkSystem.vcxproj` — `LearnPane.cpp` と `AiConfigUi.cpp` を ClCompile(`<PrecompiledHeader>NotUsing</PrecompiledHeader>`)追加(NetBlocks/AppLog/AiBlocks と同列)。
- `MainFrame.h`/`MainFrame.cpp` — `CAiLearnPane m_aiLearn;` メンバ + 生成/ドッキング(`MainFrame.cpp:99-105`)+ トグル/更新UIハンドラ(`OnViewLogViewer` 準拠 `:127-128`)+ `RefreshPanes()` フック。**設定メニュー**に「AI接続設定...」(`OnAiSettings`→`CAiSettingsDlg`)「学習準備ツール...」(`OnAiTrainPrep`→`CAiTrainPrepDlg`)。
- `Resource.h` — `ID_VIEW_AILEARN`・`ID_SET_AICONN`・`ID_SET_AITRAIN` + ペイン内ボタン子ID群 + ダイアログ/コントロール ID(`IDD_AI_SETTINGS`/`IDD_AI_TRAINPREP` と各コントロール)。
- `ImgChkSystem.rc` — 表示メニューへ `MENUITEM "学習データ(&L)", ID_VIEW_AILEARN`;設定メニューへ AI 接続設定/学習準備;**`IDD_AI_SETTINGS`・`IDD_AI_TRAINPREP` の DIALOGEX テンプレート**追加。
- `SelfTest.cpp`/`SelfTest.h` + `ImgChkApp.cpp` — 検証フラグ `/ailearntest`・`/aitraintest`(と `/aitest` 拡張)。
- `CLAUDE.md` / メモリ — ドキュメント更新。

**新規:**
- `AiConfig.h` — ヘッダオンリー(inline)AI 接続設定の永続化(レジストリ `HKCU\Software\YFox\ImgChkSystem\AI`)。`ExecConfig.h` 準拠 = .cpp/vcxproj 変更不要。backend/host/port/chatPath/tls/model/timeout/temperature の get/set。
- `LearnPane.h` / `LearnPane.cpp` — `CAiLearnPane`(学習データ管理ペイン)。
- `AiConfigUi.cpp`(+必要なら `.h`) — `CAiSettingsDlg`(AI接続設定ダイアログ+`AiFetchModels()` の `/v1/models` 取得)と `CAiTrainPrepDlg`(学習準備ダイアログ)。隔離 TU(`NOMINMAX`/PCH 不使用、`AiRecorder.h`+WinHTTP+nlohmann)。

## 詳細設計

### 1. 推論調整(③)+ 接続の適用 — `AiBlocks.cpp` 改修
- ヘルパ `AddTuningParams(BlockType*)`: `extra`(FilePath=自由テキスト「追加指示(ドメイン知識)」, 既定"")、`temperature`(Double, 既定0.0, 0〜2)、`maxtokens`(Int, 既定0=無制限, 0〜8192)。
- **接続の上書きパラメータ**を共通付与: `useAppSettings`(Bool, 既定 true)。既存 `host`/`port`/`model`/`timeout` に加え `backend`(Enum {WinHTTP, RawTcp}, 既定 WinHTTP)。
- `ConfigVision(v, ctx)` を **AiConfig 対応**に改修:
  - `useAppSettings==true`(既定): `AiConfig`(グローバル設定)から backend/host/port/chatPath/tls/model/timeout を反映。
  - `useAppSettings==false`: ブロック個別パラメータ(backend/host/port/model/timeout)で上書き。
  - いずれも `extra` 非空で `SetExtraInstructions`、`SetTemperature(temperature)`(ハードコード0.0置換)、`maxtokens>0` で `SetMaxTokens`。
  - chatPath/tls は現状 `CAiVision::SetEndpoint(host,port,chatPath)` オーバーロードで反映(OVMS 対応)。
- 既存5ブロック + 新2ブロックに `AddCommonParams`(改訂)+ `AddTuningParams` を付与(**後方互換**: 新パラメータは既定 no-op / `useAppSettings=true` で従来同等、旧 `.icg` は defVal にフォールバック)。

### 2. `ai.judge` の3値判定化(③)
- パラメータに `reviewBelow`(Double, 既定0.75)追加。
- `JudgeOkNg` 3値オーバーロード(`AiVerdict& verdict, ..., reviewBelow`)へ切替。
- **出力は定義インデックス固定で末尾追加**(既存 .icg/edge 互換): 現行 `合否`Bool(0)/`確信度`Number(1,opt)/`不良`Bool(2,opt) はそのまま、**末尾へ** `要確認`Bool(3,opt)=`verdict==AV_REVIEW`、`判定コード`Number(4,opt)=0/1/2 を追加。`合否`(0)=`verdict==AV_OK`。
- `resultText` に verdict(OK/NG/要確認)・確信度・理由。

### 3. ティーチング判定 `ai.judge_teach`(①)— 新ブロック
- id `ai.judge_teach` / 名「AI良否判定(教示)」/ category「AI」/ `sideEffect=true`。
- inputs: `画像`Image(0)。
- params: 共通(host/port/model/timeout)+ 調整(extra/temperature/maxtokens)+ `criteria`(text)+ `teachDir`(FilePath **folder=true**「見本フォルダ(ok/ng)」)+ `reviewBelow`(0.75)+ `maxShots`(Int 既定8「各クラス最大見本数」)。
- execute:
  1. `ConfigVision(v, ctx)`。
  2. 見本読込: ヘルパ `LoadDirImages(teachDir+L"\\ok", vec, maxShots)` → 各 `v.AddExample(img, L"OK: "+name)`;同 `\\ng` → `v.AddExample(img, L"NG: "+name)`。`CFileFind` で `*.bmp;*.jpg;*.png;*.tif` 列挙、`CDiBitmap::Load` で読込、`shared_ptr` の一時 vector に保持(判定呼び出し中生存)。上限超過は打ち切り+ `log`。
  3. 3値 `JudgeOkNg` 実行。出力は `ai.judge` と同構成。
  4. `resultText` に「見本 OK×n / NG×m」+ criteria + verdict/conf/reason。見本0枚なら通常判定へフォールバック(警告表示)。
- 見本フォルダが空/無い場合も安全に動作(few-shot なしで判定)。

### 4. 検査記録 `ai.record`(④)— 新ブロック
- id `ai.record` / 名「AI検査記録」/ category「入出力」/ `alwaysRun=true`+`sideEffect=true`。
- inputs: `画像`Image(0,必須)+ `合否`Bool(1,opt)+ `確信度`Number(2,opt)。
- outputs: `画像`Image(0) パススルー + `記録ID`Number(1,opt)。
- params: `dbFolder`(FilePath folder=true「記録フォルダ」)+ `task`(text 既定"judge")+ `criteria`(text)+ `fmt`(Enum {jpg,png})+ `failOnly`(Bool)。
- 永続状態: `static std::map<int, yfoxai::CAiRecorder*> g_rec;` + `static std::map<int,CString> g_recDir;`(フォルダ変更検知で開き直し)。`log.record`/`net.recv` と同じ node-id マップ方式。
- execute:
  1. 画像パススルー(`OutputImage(0)->Copy(src)`)。
  2. `!IsLiveStep()` なら記録スキップ(設定再評価で重複蓄積を防ぐ。`log.record:53-56` と同じ)。`failOnly && pass` もスキップ。
  3. `CAiRecorder` を lazy `Open(dbFolder\inspections.db, dbFolder\images, fmt)`。
  4. `AiRecord` 構築: task/criteria、`ng = HasInput(1)? (InputBool(1)?0:1) : -1`、`confidence = HasInput(2)? InputNumber(2) : -1`、`verdict = ng==0?"ok":ng==1?"ng":""`、最小 `resultJson`(`{"judge":{"ng":..,"confidence":..}}`)。`Record(src, rec)` → id を `記録ID` 出力・resultText へ。
- 典型接続: `io.frameseq → ai.judge_teach →(合否/確信度)→ ai.record`(既存 `ai.judge→log.record` と同じエンジン経路)。

### 5. 学習データ管理ペイン `CAiLearnPane`(②+④)— 新規 `LearnPane.h/.cpp`
- `CDockablePane` 派生、`CLogViewerPane` を雛形に(一覧 `CListCtrl` 上55%+下部に選択行画像を `OnPaint` でアスペクト保持描画)。**PCH 不使用 TU**(`AiRecorder.h`+`SQLite.h`+`DiBitmap.h`、`NOMINMAX`)。
- **DB 発見**: `LoadFromActiveGraph()` がアクティブグラフから `ai.record` ノードを探し `dbFolder` パラメータを取得(`LogViewerPane.cpp:82` 準拠)→ `dbFolder\inspections.db`。
- **一覧**: `CSQLite` で `SELECT id,ts,task,ng,confidence,verdict,label,image FROM inspections ORDER BY id DESC`。列: No/時刻/task/ng/確信度/判定/正解/画像。選択行の画像は `dbFolder\images\<image>` を `CDiBitmap::Load`。
- **ツールバー(`CButton`, `CFormDesignerPane` のボタン方式)**:
  - `OK正解`/`NG正解` — 選択行に `CAiRecorder::Annotate(id, "ok"/"ng")` → 一覧更新。
  - `統計` — `CAiRecorder::ComputeStats` → total/labeled/correct と正解率をペイン内ラベル or メッセージ表示。
  - `CSV書出` — ファイルダイアログ → `ExportCsv`。
  - `学習データ(JSONL)書出` — ファイルダイアログ → `ExportDataset(path, NULL, /*labeledOnly*/true)`(fine-tune 用 ShareGPT)。書出件数は `LastError()`/`Count()` で表示。
  - `学習準備...` — `CAiTrainPrepDlg` を起動(記録フォルダを引き渡し。§7)。
  - `再読込` — `LoadFromActiveGraph`。
- Annotate/Stats/Export 用に**フォルダ単位で開いた `CAiRecorder` を1つ保持**、一覧 SELECT は別の短命 `CSQLite`(同一ファイル・UIスレッド直列=安全)。
- **落とし穴対応**: `CDockablePane` 上の `CButton` は `ON_UPDATE_COMMAND_UI` が無いと自動無効化される([[imgchk-pane-button-pitfall]])→ 各ボタンID に更新ハンドラを付ける。
- **MainFrame 配線(6手順)**: メンバ `m_aiLearn` + include、`ID_VIEW_AILEARN` + 子ID、`OnCreate` で生成/ドッキング(既定非表示、`CBRS_BOTTOM` で検査ログと同帯にタブ化)、`OnViewAiLearn`/`OnUpdateViewAiLearn`(表示時 `LoadFromActiveGraph`)、`.rc` メニュー、`RefreshPanes()` で可視時のみ再読込。

### 6. ローカルLLM選択 + 通信方法選択(接続設定)— `AiConfig.h` + `CAiSettingsDlg`
- **`AiConfig.h`(ヘッダオンリー, `ExecConfig.h` 準拠)**: `HKCU\Software\YFox\ImgChkSystem\AI` に get/set。項目: `Backend`(0=WinHTTP/1=RawTcp, 既定0)、`Host`(既定"127.0.0.1")、`Port`(既定1234)、`ChatPath`(既定"/v1/chat/completions")、`UseTls`(既定0)、`Model`(既定"")、`TimeoutMs`(既定120000)、`Temperature`(既定0.0)。`WriteProfileString/Int` 使用。
- **`CAiSettingsDlg`(`IDD_AI_SETTINGS`, 隔離 TU `AiConfigUi.cpp`)**: コンボ「通信方式」(WinHTTP/RawTcp)、エディット host/port/chatPath、コンボ「モデル」+ ボタン「モデル一覧取得」、エディット timeout、温度。OK で `AiConfig` へ保存。
- **`AiFetchModels(host,port,chatPath,useTls, CStringArray& out)`**: OpenAI 互換 `GET /v1/models` を WinHTTP で叩き `data[].id` を nlohmann で抽出しコンボへ。失敗時はメッセージ表示(サーバ不在でもダイアログは動く)。隔離 TU(NOMINMAX)。
- 設定メニュー「AI接続設定...」(`ID_SET_AICONN`→`CMainFrame::OnAiSettings`→`DoModal`)。保存後、開いているドキュメントを再評価(任意)。
- **通信方法の選択** = このダイアログの「通信方式」+ 各ブロックの `useAppSettings=false`+`backend` パラメータの二段構え。
- in-process 学習・OpenVINO/llama.cpp バックエンドは**対象外**(`YFOXAI_WITH_*` 再ビルドが必要)。

### 7. 学習準備ツール(②)— `CAiTrainPrepDlg`
- **`CAiTrainPrepDlg`(`IDD_AI_TRAINPREP`, 隔離 TU `AiConfigUi.cpp`)**。設定メニュー「学習準備ツール...」(`ID_SET_AITRAIN`)+ 学習データペインのボタンから起動。
- コントロール: 記録フォルダ(`ai.record` の dbFolder を既定表示)、出力フォルダ、モデルプロファイル コンボ(`profiles.md` の Qwen3-VL/Qwen2-VL/MiniCPM-V/InternVL2 等)、val 比率、`labeledOnly`、実行ボタン「学習セット生成」。
- 実行内容(GPU 学習は起動しない):
  1. `CAiRecorder` を記録フォルダで開き `ExportDataset(out\dataset.jsonl, NULL, labeledOnly)`(件数表示)。
  2. `yfoxlib\yfoxai\finetune\dataset_info.json` を出力フォルダへコピー。
  3. 選択プロファイルで `model_profile.env` を出力フォルダへ生成(MODEL/TEMPLATE/LORA_TARGET/MMPROJ を profiles.md 表から)。
  4. **`run_train.ps1` を生成**: `dataset.jsonl` → `finetune\split_dataset.py`(train/val 分割)→ `llamafactory-cli train (finetune\train_lora.yaml, --dataset_dir=out)` → 学習後 `finetune\to_gguf.ps1`/`to_openvino.ps1` を呼ぶコメント付きテンプレート。実 GPU 機でこの1本を流せば学習→変換まで到達。
  5. 完了メッセージに「次の手順」(GPU 機で `run_train.ps1` を実行 → 生成モデルを AI 接続設定の `model`/`CLlamaCppBackend::Load` へ)を表示。
- **アプリはスクリプト生成まで**(split/学習の自動起動はしない=環境依存を避ける)。`split_dataset.py` の CLI・`train_lora.yaml`・`to_gguf.ps1` の引数は調査済み。
- 学習フロー全体(④蓄積→②書出→split→LLaMA-Factory→変換→パス差替)を **CLAUDE.md にも明記**。

## 検証

- **`/ailearntest`(新規・VLM 不要でフル E2E)**: `CAiRecorder` は純 SQLite/ファイル操作なのでサーバ不要。
  1. グラフ `io.load → ai.record`(dbFolder=一時)を `liveStep=true` で複数回実行 → `Count()>0`。
  2. 数件を `Annotate("ok"/"ng")` → `ComputeStats` の total/labeled/correct を期待値照合。
  3. `ExportDataset` → JSONL 存在・行数==labeled・各行に `conversations/images/<image>` を含むこと。`ExportCsv` → CSV 存在。
  結果を `ailearntest_result.txt`(UTF-8 BOM)へ。
- **`/aitraintest`(新規・VLM/GPU 不要)**: 学習準備の生成物を検証。記録グラフで数件記録+一部 Annotate → 学習準備ロジック(`ExportDataset`+`dataset_info.json` コピー+`model_profile.env` 生成+`run_train.ps1` 生成)をヘッドレス実行し、各生成物の存在・`run_train.ps1` に split/llamafactory/変換の各行が含まれることを照合。`aitraintest_result.txt`。
- **`/aitest` 拡張**: 新ブロック `ai.judge_teach`/`ai.record` の登録・ポート構成確認 + 一時 ok/ng 画像で `ai.judge_teach` 実行(サーバ在=実 few-shot 判定、不在=安全失敗)。調整パラメータ(extra/temperature/maxtokens/reviewBelow)+ `useAppSettings`/`AiConfig` 既定反映の確認。`AiFetchModels` はサーバ在なら `/v1/models` 取得件数、不在なら安全失敗を記録。
- **接続設定/学習準備ダイアログ・ペイン**: `PrintWindow`(PW_RENDERFULLCONTENT)で捕捉 + `EnumChildWindows`/`GetWindowLong(GWL_STYLE)` でコントロール可視/有効を直接読む + `SendMessage(WM_COMMAND/BM_CLICK)` でボタン注入(合成マウスは届かないため。CLAUDE.md 記載の手法)。`AiConfig` の往復(保存→読込)も確認。
- **回帰**: yfoxlib は変更しない(既にビルド済)。ImgChkSystem を Release/x64 でリビルド → 既存 `/selftest`・`/contourtest`・`/paralleltest` が PASS することを確認。生成プロジェクト書き出しは AI ブロック追加済のため `/exporttest`+実 MSBuild で回帰確認。

## スコープ外(明示)

- yfoxai 内での in-process 学習(LoRA 訓練は外部 GPU + LLaMA-Factory)。
- `BK_LlamaCpp`/`BK_OpenVINO`/`COpenVinoInfer`(`YFOXAI_WITH_*` 再ビルド前提)。
- ペインでの見本(ティーチング画像)対話収集 UI(今回は**見本フォルダ方式**を採用)。

## 主要参照(再利用パターン)

- 記録ブロック雛形: `LogBlocks.cpp`(`MakeLogRecord` の alwaysRun+sideEffect+IsLiveStep スキップ+node-id 連番+CSQLite insert)。
- ペイン雛形: `LogViewerPane.cpp/.h`(一覧+画像+`LoadFromActiveGraph` によるグラフ経由 DB 発見)。
- 多入力/任意入力: `analysis.matching`(`core/Blocks_Builtin.cpp:1140`)。
- 永続状態: `NetBlocks.cpp:44-80`(`std::map<int,T*>`)。
- SQLite: `core/GraphStore.cpp`(prepared stmt idiom)、`yfoxbase/SQLite.h`。
- 設定の永続化: `ExecConfig.h`(ヘッダオンリー registry inline)、`AppLog`/`OnLogLevel`(設定メニュー方式)。
- yfoxai 学習 API: `CAiVision::AddExample/SetExtraInstructions/SetTemperature/SetMaxTokens/SetEndpoint(host,port,chatPath)/JudgeOkNg(3値, reviewBelow)`、`CAiRecorder`(全メソッド)。
- 学習ツールキット(外部): `finetune/split_dataset.py`(`--val-ratio`/`--seed`)、`train_lora.yaml`(`llamafactory-cli train`)、`model_profile.env`(MODEL/TEMPLATE/LORA_TARGET/MMPROJ)、`to_gguf.ps1`/`to_openvino.ps1`、`profiles.md`(モデル別プロファイル表)。

藤崎 さんが4ヶ月前に更新

藤崎 さんが4ヶ月前に更新

  • 期日 を 2026-07-11 から 2026-07-25 に変更
  • 進捗率 を 0 から 50 に変更

藤崎 さんが4ヶ月前に更新

  • ステータス を New から 進行中 に変更
  • 進捗率 を 50 から 50 に変更
  • 担当者 を 藤崎 から 藤崎 に変更

藤崎 さんが4ヶ月前に更新

  • 期日 を 2026-07-25 から 2026-07-31 に変更

藤崎 さんが4ヶ月前に更新

  • 期日 を 2026-07-31 から 2026-08-07 に変更

藤崎 さんが4ヶ月前に更新

  • 進捗率 を 50 から 70 に変更

藤崎 さんが2ヶ月前に更新

  • 進捗率 を 70 から 100 に変更

藤崎 さんが2ヶ月前に更新

  • ステータス を 進行中 から 終了 に変更

他の形式にエクスポート: Atom PDF

Redmine Appliance - Powered by TurnKey Linux