チームのメンタルモデルに git diff を生成する。
メンバーが持つ認識（目的・状況・リスク・合意・優先順位）を定期収集し、LLM が統合・乖離検出することで、見えない認知ギャップを可視化する。
5次元フレームワークで認識を構造化し、二段階LLMパイプライン（統合 → 乖離検出）で分析する。
最重要原則：偽の収束を防ぐ。 アラインメントスコアは最大 0.90 にキャップ。乖離の過検出は許容し、見逃しを最小化する。
# 依存インストール
uv sync --extra dev
# 開発サーバー起動
cp .env.example .env
# .env の ANTHROPIC_API_KEY を設定
uv run uvicorn minddiff.app:create_app --factory --port 8000 --reload
# テストデータ投入
uv run python scripts/seed.py
# テスト実行
uv run python -m pytest tests/ -vhttp://localhost:8000/login にアクセスし、seed スクリプトが出力するトークンでログイン。
| Layer | Choice |
|---|---|
| Backend | Python 3.11+ / FastAPI / SQLAlchemy |
| Frontend | Jinja2 + htmx + Tailwind CSS |
| LLM | Claude API (抽象化レイヤーで交換可能) |
| DB | SQLite (WAL mode) |
| Deploy | Fly.io (Dockerfile) |
Web UI (htmx) → FastAPI → SQLite
↕
Claude API
(Synthesis + Divergence)
モノリス。PoC の目的はアーキテクチャの検証ではなく、仮説の検証。
| # | Dimension | Signal |
|---|---|---|
| 1 | 目的理解 | 目的の乖離 |
| 2 | 状況認識 | 進捗認識の乖離 |
| 3 | リスク認知 | リスク認知の乖離 |
| 4 | 合意事項 | 合意事項の乖離 |
| 5 | 優先順位 | 優先順位の乖離 |