ARI CLI リファレンス

ARI のコマンドライン操作の完全なリファレンスです。CLI は Web ダッシュボードと同等の機能をターミナルベースのワークフロー向けに提供します。

コマンド一覧

コマンド	説明	ダッシュボード相当
`ari run`	新しい実験を実行	New Experiment ウィザード → Launch
`ari resume`	中断された実験を再開	Experiments ページ → Resume ボタン
`ari paper`	論文のみ生成（実験をスキップ）	`POST /api/run-stage {stage: "paper"}`
`ari status`	実験ツリーとサマリーを表示	Monitor / Tree ページ
`ari viz`	Web ダッシュボードを起動	--
`ari projects`	過去のすべての実験を一覧表示	Experiments ページ
`ari show`	実行結果の詳細を表示	Results ページ
`ari delete`	チェックポイントを削除	Experiments ページ → Delete ボタン
`ari settings`	設定の表示または変更	Settings ページ
`ari skills-list`	利用可能なツールを一覧表示	Settings → MCP Skills
`ari memory ...`	Letta メモリバックエンドを管理	Settings → Memory (Letta)
`ari ear <subcmd>`	EAR キュレーション/公開/プロモーションのライフサイクル (v0.7.0)	—
`ari clone <ref>`	キュレート済み EAR バンドルを取得 (file/https/ari/gh/doi)、digest 検証 (v0.7.0)	—
`ari registry <subcmd>`	セルフホスト EAR レジストリ: `serve` / `token issue\|revoke\|list` (v0.7.0)	—
`ari migrate node-reports <checkpoint>`	旧 (v0.6.0) checkpoint に `node_report.json` を補完	—

ari migrate node-reports

v0.7.0 (task2.md) で experiments/{run_id}/{node_id}/node_report.json をノードごとに記録するようになりました。旧 checkpoint には存在しないため、ダウンストリーム (generate_ear / nodes_to_science_data / bfts.expand / GUI Tree Report タブ) はレガシーヒューリスティックにフォールバックします。旧 checkpoint に対しては一度だけ以下を実行してレポートを補完してください:

bash

ari migrate node-reports /path/to/checkpoint
ari migrate node-reports /path/to/checkpoint --overwrite   # 既存レポートも上書き

再構築されたレポートには migration_source: "auto" が付くため、ダウンストリームフィルタはやや保守的に振る舞います (例: for_code は files_changed 空でも auto レポートのノードを採用)。復元できないフィールド (original_direction, delta_vs_parent, next_steps_hints) は null になります。

ari run

実験 Markdown ファイルから新しい実験を実行します。

bash

ari run <experiment.md> [--config <config.yaml>] [--profile <profile>] \
                        [--virsci-live/--no-virsci-live] \
                        [--virsci-k N] [--virsci-team-size N] \
                        [--virsci-n-authors N] [--virsci-n-papers N]

引数	必須	説明
`experiment.md`	はい	実験 Markdown ファイルへのパス
`--config`	いいえ	カスタム設定 YAML（省略時は自動生成）
`--profile`	いいえ	環境プロファイル: `laptop`、`hpc`、または `cloud`
`--virsci-live` / `--no-virsci-live`	いいえ	アイデアスキル: 再実装の議論ループの代わりに、ライブの Semantic Scholar スナップショット上で VirSci 本物のマルチエージェントエンジン（vendor-wrap）を実行。`ARI_IDEA_VIRSCI_REAL` を設定。既定 OFF。
`--virsci-k`	いいえ	VirSci-live の議論ターン数（vendor `group_max_discuss_iteration`）。`ARI_IDEA_VIRSCI_K` を設定。既定 7。
`--virsci-team-size`	いいえ	VirSci-live のチームあたり最大メンバー数。`ARI_IDEA_VIRSCI_TEAM_SIZE` を設定。既定 3。
`--virsci-n-authors`	いいえ	VirSci-live の `select_coauthors` 用著者プールサイズ。`ARI_IDEA_VIRSCI_N_AUTHORS` を設定。既定 16。
`--virsci-n-papers`	いいえ	VirSci-live の SPECTER2 検索コーパスサイズ。`ARI_IDEA_VIRSCI_N_PAPERS` を設定。既定 800。

これらのフラグは、アイデアスキルが読み込む ARI_IDEA_VIRSCI_* 環境変数の契約を設定します（下記アイデア生成 (VirSci-live) 参照）。 --virsci-live が ON のとき、仮説生成はライブの Semantic Scholar スナップショット上で VirSci 本物の select_coauthors + generate_idea メカニズムを実行します。依存が無い場合や実行時エラーが発生した場合は、idea.json の契約が同一のまま再実装ループへ degrade します。

使用例：

bash

# 基本的な実行（設定を自動検出）
ari run experiment.md

# 環境プロファイルを指定
ari run experiment.md --profile laptop

# カスタム設定を指定
ari run experiment.md --config ari-core/config/workflow.yaml

# 環境変数でオーバーライド
ARI_MAX_NODES=10 ARI_PARALLEL=2 ari run experiment.md

# アイデア生成に VirSci 本物のマルチエージェントエンジンを使用（vendor-wrap）
ari run experiment.md --virsci-live --virsci-k 7 --virsci-team-size 3

実行される処理：

ARI がユニークなプロジェクト名を生成（LLM が生成するタイトル）
チェックポイントディレクトリを作成: ./checkpoints/<run_id>/
arXiv と Semantic Scholar で関連論文を検索
VirSci マルチエージェント議論で仮説を生成
Best-First Tree Search（BFTS）で実験を実行
LLM ピアレビューで結果を評価
図表と引用を含む LaTeX 論文を執筆
再現性を独立して検証

ari resume

チェックポイントから中断された実験を再開します。

bash

ari resume <checkpoint_dir> [--config <config.yaml>]

使用例：

bash

ari resume ./checkpoints/20260328_matrix_opt/

保存されたツリーを読み込み、保留中または失敗したノードを特定し、停止した箇所から再開します。

ari paper

実験を実行せずに論文のみを生成します。実験がすでに完了している場合に便利です。

bash

ari paper <checkpoint_dir> [--experiment <experiment.md>] [--config <config.yaml>] \
                           [--rubric <rubric_id>] \
                           [--fewshot-mode static|dynamic] \
                           [--num-reviews-ensemble N] \
                           [--num-reflections N]

# 同梱ルーブリック (16 種): neurips (既定、v2 互換)、iclr、icml、cvpr、acl、
#   sc、chi、osdi、stoc、icra、siggraph、nature、usenix_security、
#   journal_generic、workshop、generic_conference。加えて内蔵の `legacy`
#   フォールバック (v0.5 スキーマ) も利用可能。
#   ari-core/config/reviewer_rubrics/ に <id>.yaml を追加するだけで
#   新しい venue に対応できます。

使用例 — v2 互換の既定 (NeurIPS 形式、1-shot、5 reflection):

bash

ari paper ./checkpoints/20260328_matrix_opt/

使用例 — Supercomputing (SC) ルーブリックで 5 名アンサンブル + メタ査読:

bash

ari paper ./checkpoints/20260328_matrix_opt/ \
          --rubric sc --num-reviews-ensemble 5

論文パイプラインは: データ変換、図生成、論文執筆、VLM 図査読、ルーブリック駆動の論文査読 (rubric 形式 + reflection + オプションのアンサンブル + Area Chair メタ査読)、再現性チェック (ari/agent/react_driver.py 駆動の ReAct エージェント) を実行します。

CLI フラグは環境変数でも設定可能: ARI_RUBRIC、ARI_FEWSHOT_MODE、 ARI_NUM_REVIEWS_ENSEMBLE、ARI_NUM_REFLECTIONS。

ari status

実験ツリーとサマリー統計を表示します。

bash

ari status <checkpoint_dir>

使用例：

bash

ari status ./checkpoints/20260328_matrix_opt/

# 出力:
# ── Experiment Tree ──
# root (success) score=153736
# ├── improve_1 (success) score=180200
# │   ├── ablation_1 (success) score=120000
# │   └── validation_1 (success) score=178500
# └── draft_2 (failed)
#
# Summary: 4 success, 1 failed, 0 running, 0 pending

ari viz

ビジュアル実験管理のための Web ダッシュボードを起動します。

bash

ari viz <checkpoint_dir> [--port <port>]

引数	デフォルト	説明
`checkpoint_dir`	（必須）	監視するチェックポイントディレクトリ
`--port`	8765	サーバーのポート番号

使用例：

bash

# ダッシュボードの起動
ari viz ./checkpoints/ --port 8765

# 特定の実行を監視
ari viz ./checkpoints/20260328_matrix_opt/ --port 9878

ブラウザで http://localhost:<port> を開いてください。ダッシュボードの使い方はクイックスタートガイドを参照してください。

ari projects

過去のすべての実験を一覧表示します。

bash

ari projects [--checkpoints <dir>]

使用例：

bash

ari projects

# 出力:
# ID                              Nodes  Status    Best Score  Modified
# 20260328_matrix_opt             28     complete  153736      2h ago
# 20260327_sorting_benchmark      12     complete  0.95        1d ago
# 20260326_benchmark_test         5      failed    --          2d ago

ari show

特定の実験の詳細な結果を表示します。

bash

ari show <checkpoint> [--checkpoints-dir <dir>]

実験ツリー、レビューレポートの概要、および成果物の一覧を表示します。

ari delete

チェックポイントディレクトリを削除します。

bash

ari delete <checkpoint> [--yes]

フラグ	説明
`-y` / `--yes`	確認プロンプトをスキップ

ari settings

ARI の設定を表示または変更します。

bash

ari settings [--config <config.yaml>] [options]

オプション	説明
`--model <name>`	LLM モデル名を設定
`--api-key <key>`	API キーを設定
`--partition <name>`	SLURM パーティション名を設定
`--cpus <count>`	CPU 数を設定
`--mem <GB>`	メモリを GB 単位で設定

使用例：

bash

# 現在の設定を表示
ari settings

# モデルを変更
ari settings --model gpt-4o

# 複数のオプションを設定
ari settings --model qwen3:32b --partition gpu --cpus 64 --mem 128

ari ear — v0.7.0

1 つの checkpoint に対する Experiment Artifact Repository のキュレーション・公開・プロモーションを行います。キュレーションは決定論的 (LLM 不使用)、公開は curated tarball をバックエンドに送って検証可能な ref を得ます。

bash

ari ear curate   <checkpoint> [--show-files] [--json]
ari ear status   <checkpoint>
ari ear publish  <checkpoint> [--backend ari-registry|local-tarball|gh|zenodo] \
                              [--visibility staged] [--dry-run]
ari ear promote  <checkpoint> [--target public|unlisted]

サブコマンド	動作
`curate`	`ear/publish.yaml` の allowlist と built-in deny list (`.env`、`secrets/`、`.pem`、`*.key`、`id_rsa`、`id_ed25519`) を適用し、`{checkpoint}/ear_published/` + `manifest.lock` (決定論的 `bundle_sha256` 入り) を書き出す。`publish.yaml` が無ければ静かにスキップ。
`status`	キュレーション manifest 概要 + `publish_record.json` を表示。
`publish`	`ear_published/` から再現可能な tarball を構築し、バックエンドへ送信。最初は常に `visibility=staged` (FR-P5)。`ARI_PUBLISH_DRYRUN=1` で `--dry-run` を強制。
`promote`	staged → `public`/`unlisted` に昇格。降格は拒否。

バックエンド: ari-registry (セルフホスト)、local-tarball (サーバ不要)、gh (GitHub release)、zenodo (DOI 採番)。

エンドツーエンドの例:

bash

# 1. 著者が論文パイプライン後にバンドルをキュレート
ari ear curate ./checkpoints/run_20260504_xy/

# 2. allow/deny ルール後の中身を確認
ari ear status ./checkpoints/run_20260504_xy/
# bundle_sha256: 0ccabb16...
# files:         42
# visibility:    staged

# 3. registry に staged で publish
ari ear publish ./checkpoints/run_20260504_xy/ --backend ari-registry

# 4. 査読 + 再現性チェック合格後に public に昇格
ari ear promote ./checkpoints/run_20260504_xy/ --target public

bundle_sha256 は finalize_paper ステージで論文の \codedigest{...} マクロに焼き付けられます。論文を持っている人なら、registry が落ちていても任意のコピーを digest で検証できます。

ari memory

v0.6.0 で追加された Letta メモリバックエンド管理用のコマンド群。各サブコマンドは --checkpoint <path> または ARI_CHECKPOINT_DIR 環境変数から対象チェックポイントを解決します。

bash

ari memory <subcommand> [options]

サブコマンド	説明
`health`	バックエンドへ ping、レイテンシ、namespace ハッシュ、サーバーバージョンを表示
`migrate`	v0.5.x の `memory_store.jsonl` (および `--react` 付与時は `memory.json`) を Letta コレクションへ一括取り込み。元ファイルは `*.migrated-<ts>` にリネーム
`backup`	Letta 上のメモリを `{ckpt}/memory_backup.jsonl.gz` (gzipped JSONL) にスナップショット保存。パイプライン段の境界とシャットダウン時に自動実行
`restore`	`backup` の逆。`--on-conflict=skip\|overwrite\|merge` (既定 `skip`)。`ari resume` 時に Letta が空なら自動実行
`start-local`	ローカル Letta サーバを起動: `--path=auto\|docker\|singularity\|pip`
`stop-local`	docker/singularity/pip Letta を停止 (best-effort)
`prune-local`	ローカル Letta の状態 (volumes / venv / `~/.letta`) を削除。`--yes` 必須
`compact-access`	ローテーション済みの `memory_access.<ts>.jsonl` を `memory_access.summary.json` に集約し原ファイルを削除

使用例:

bash

# 現在のチェックポイントで Letta 到達性をチェック
ARI_CHECKPOINT_DIR=/path/to/ckpt ari memory health

# v0.5.x チェックポイントをアップグレード
ari memory migrate --checkpoint /path/to/ckpt --react

# ポータブルなアーカイブ
ari memory backup  --checkpoint /path/to/ckpt
rsync -a /path/to/ckpt/ other-host:/home/user/ckpt/
ssh other-host "ari memory restore --checkpoint /home/user/ckpt"

# `ari setup` で Letta が起動しなかった場合
ari memory start-local --path=docker

ari skills-list

利用可能なすべての MCP ツールとその説明を一覧表示します。

bash

ari skills-list [--config <config.yaml>]

環境変数

コア設定

変数	説明	デフォルト
`ARI_BACKEND`	LLM バックエンド（`ollama` / `openai` / `anthropic` / `claude`）	`ollama`
`ARI_MODEL`	モデル名	`qwen3:8b`
`OPENAI_API_KEY`	OpenAI API キー	--
`ANTHROPIC_API_KEY`	Anthropic API キー	--
`OLLAMA_HOST`	Ollama サーバーの URL	`http://localhost:11434`
`LLM_API_BASE`	汎用 API ベース URL（フォールバック）	--

BFTS 設定

変数	説明	デフォルト
`ARI_MAX_NODES`	実験の最大総数	50
`ARI_MAX_DEPTH`	ツリーの最大深さ	5
`ARI_PARALLEL`	同時実行の実験数	4
`ARI_MAX_REACT`	ノードごとの最大 ReAct ステップ数	80
`ARI_TIMEOUT_NODE`	ノードごとのタイムアウト（秒）	7200

HPC 設定

変数	説明	デフォルト
`ARI_EXECUTOR`	実行バックエンド（`local` / `slurm` / `pbs` / `lsf`）	`local`
`ARI_SLURM_PARTITION`	SLURM パーティション名	--
`ARI_SLURM_CPUS`	SLURM ジョブの CPU 数オーバーライド	(自動検出)

検索・VLM

変数	説明	デフォルト
`ARI_RETRIEVAL_BACKEND`	論文検索: `semantic_scholar` / `alphaxiv` / `both`	`semantic_scholar`
`VLM_MODEL`	図レビュー用 VLM モデル	`openai/gpt-4o`
`ARI_ORCHESTRATOR_PORT`	orchestrator スキルの HTTP ポート	`9890`

メモリ (Letta)

変数	説明	デフォルト
`LETTA_BASE_URL`	Letta サーバエンドポイント	`http://localhost:8283`
`LETTA_API_KEY`	Letta Cloud で必須	--
`LETTA_EMBEDDING_CONFIG`	アーカイバルメモリ用の埋め込みハンドル（チャット LLM は ARI から呼び出さないため固定）	`letta-default`
`ARI_MEMORY_BOOTSTRAP_LOCAL_LETTA`	`auto` / `pip` / `docker` / `singularity` / `none`	`auto`
`ARI_MEMORY_LETTA_TIMEOUT_S`	呼び出しごとのタイムアウト	`10`
`ARI_MEMORY_LETTA_OVERFETCH`	祖先ポストフィルタ用のオーバーフェッチ K	`200`
`ARI_MEMORY_LETTA_DISABLE_SELF_EDIT`	Letta self-edit を無効化 (CoW セーフ)	`true`
`ARI_MEMORY_ACCESS_LOG`	`{checkpoint}/memory_access.jsonl` への書き込み	`on`
`ARI_MEMORY_ACCESS_LOG_MAX_MB`	ローテーション閾値	`100`
`ARI_MEMORY_AUTO_RESTORE`	`ari resume` 時にバックアップを自動復元	`true`
`ARI_MEMORY_BACKUP_INTERVAL_S`	実行中の機会的バックアップ (0 = OFF)	`0`

論文査読 (ルーブリック)

変数	説明	デフォルト
`ARI_RUBRIC`	査読に使う rubric_id (例: `neurips`、`sc`、`nature`、`generic_conference`)	`neurips`
`ARI_FEWSHOT_MODE`	`static` (内蔵 examples) / `dynamic` (OpenReview 等から取得)	`static`
`ARI_NUM_REVIEWS_ENSEMBLE`	独立査読者数 (N>1 で Area Chair メタ査読も実行)	`1`
`ARI_NUM_REFLECTIONS`	self-reflection ループ回数	`5`

フェーズごとのモデルオーバーライド

変数	フェーズ
`ARI_MODEL_IDEA`	アイデア生成
`ARI_MODEL_BFTS`	BFTS 実験
`ARI_MODEL_PAPER`	論文執筆

アイデア生成 (VirSci-live)

アイデア生成のオプトイン vendor-wrap 経路。ARI_IDEA_VIRSCI_REAL が ON のとき、アイデアスキルはライブの Semantic Scholar スナップショット上で VirSci 本物のマルチエージェント機構（select_coauthors + generate_idea）を実行します。既定の OFF では挙動は変わりません。ari run の --virsci-live / --virsci-k / --virsci-team-size / --virsci-n-authors / --virsci-n-papers フラグがこれらの変数を設定します。議論 LLM はフェーズごとの ARI_MODEL_IDEA モデルに従います。virsci pip extra が必要で、無い場合や実行時エラー時は idea.json の契約が同一のまま再実装ループへ degrade します。

変数	説明	デフォルト
`ARI_IDEA_VIRSCI_REAL`	real vendor-wrap 経路の切り替え	(未設定/OFF)
`ARI_IDEA_VIRSCI_K`	議論ターン数（vendor `group_max_discuss_iteration`）	7
`ARI_IDEA_VIRSCI_TEAM_SIZE`	最大チームメンバー数（vendor `max_teammember`）	3
`ARI_IDEA_VIRSCI_N_AUTHORS`	`select_coauthors` 用著者プール	16
`ARI_IDEA_VIRSCI_N_PAPERS`	SPECTER2 検索コーパスサイズ	800
`ARI_IDEA_VIRSCI_MAX_TEAMS`	`generate_idea` に通すチーム数の上限	=`n_ideas`
`ARI_IDEA_VIRSCI_SPECTER2_MODEL`	ローカルのクエリ埋め込みモデル	`allenai/specter2_base`

.env ファイル

ARI は .env ファイルを自動的に読み込みます（以下の順序で確認）：

<checkpoint_dir>/.env（最優先）
<project_root>/.env
<project_root>/ari-core/.env
~/.env（最低優先）

形式: KEY=VALUE（# で始まる行は無視されます）。

HPC（SLURM）での実行

bash

# エグゼキューターを設定
export ARI_EXECUTOR=slurm
export ARI_SLURM_PARTITION=your_partition

# SLURM ジョブとして投入
sbatch << 'EOF'
#!/bin/bash
#SBATCH --job-name=ari
#SBATCH --partition=your_partition
#SBATCH --nodes=1
#SBATCH --cpus-per-task=32
#SBATCH --time=04:00:00
#SBATCH --output=ari_%j.out

# GPU ノードで Ollama を使用する場合:
ollama serve &
sleep 10

export ARI_BACKEND=ollama
export ARI_MODEL=qwen3:32b

cd /path/to/ARI
ari run /path/to/experiment.md --profile hpc
EOF

重要なルール：

常に絶対パスを使用してください（~ や相対パスは使わない）
SLURM スクリプト内で標準出力をリダイレクトしないでください（SLURM が --output で自動キャプチャします）
クラスターで必要とされない限り、--account や -A フラグを追加しないでください

`ari clone <ref> [<dest>]` — v0.7.0+

curated な EAR bundle を「取得 + digest 検証 + 展開」する。 コード実行は伴わない。論文を再現する読者の「1 行 install」経路を提供する。

対応スキーム (PR ごとに段階展開)

スキーム	resolver
`file://<path>`	ローカル file/dir
`https://<url>`	tarball ダウンロード
`ari://<id>`	ari-registry
`gh:<user>/<repo>`	GitHub repo or release
`doi:<doi>`	Zenodo deposition

フラグ

--expect-sha256 <hex>   bundle digest を強制検証。不一致は hard fail。
--no-extract            tarball のみ取得 (展開なし)。
--registry <name>       ari:// resolver を registries.yaml の特定 registry に限定。
                        `$ARI_REGISTRIES_FILE` env var、または
                        `$ARI_CHECKPOINT_DIR/.ari/registries.yaml` を設定すること。
                        レガシーの `$HOME/.ari/registries.yaml` は v0.5.0 で
                        廃止され DeprecationWarning を出す（v1.0 でフォールバック削除）。
--token <env-or-value>  bearer token (環境変数名 → 値の順で解決)。

検証モデル

resolver が artifact を一時 dir に展開
orchestrator が sibling 一時 dir に展開
各ファイルの sha256 を再計算し manifest.lock と照合
正規化 files-only manifest から bundle digest を再計算し manifest.lock.bundle_sha256 と照合
--expect-sha256 指定時はそれが再計算 digest と一致しなければ hard fail
全工程成功時のみ dest に rename。失敗時は dest を残さない (atomic)

`ari registry` — v0.7.0+

キュレート済み EAR バンドルをホスティングするセルフホスト HTTP レジストリ。ari ear publish と ari clone の ari:// resolver のデフォルト backend です。サーバ無しで運用したいなら local-tarball で問題ありませんし、学術的恒久性なら Zenodo / GitHub release を推奨します。

bash

ari registry serve   [--host 0.0.0.0] [--port 8290] [--data-dir <dir>]
ari registry token issue  <user>          # 平文は1度のみ表示
ari registry token revoke <token-id>
ari registry token list

セットアップ:

bash

# 1. サーバ依存の追加インストール (デフォルトでは含めない)
./setup.sh --with-registry        # または pip install fastapi uvicorn[standard] python-multipart

# 2. データディレクトリを指定して起動 (デフォルトポート 8290)
#    NOTE: `$HOME/.ari/registry-data` は v0.5.0 でデフォルトから削除されました。
#    $ARI_REGISTRY_DATA を明示設定すること（レガシーフォールバックは v1.0 で削除）。
export ARI_REGISTRY_DATA="$PWD/.ari_registry"
./scripts/registry/start_local.sh

# 3. ユーザに token を発行
ari registry token issue alice
# 平文は 1 度のみ表示 — 安全に保管

項目	内容
エンドポイント	`POST /artifact`、`GET\|HEAD /artifact/<id>`、`GET /artifact/<id>/manifest.lock`、`POST /artifact/<id>/promote`、`DELETE /artifact/<id>`、`/healthz`、`/version`
認証	bearer token (sqlite ハッシュ保管)。upload/delete/promote は所有者 token 必須
可視性	`staged` (所有者のみ) → `unlisted` (id 知っている者のみ) / `public` (公開)。降格は拒否
Artifact id	`sha256(bundle.tar.gz)[:16]` のコンテンツアドレス
ストレージ	`${ARI_REGISTRY_DATA}/artifacts/<id>/{bundle.tar.gz, manifest.lock, meta.json}`

デプロイモード (詳細は docs/reference/registry.md):

scripts/registry/start_local.sh — uvicorn + sqlite、シングルプロセス。Laptop / dev。
scripts/registry/docker-compose.yml — nginx + uvicorn + sqlite-on-volume。Production。
scripts/registry/start_singularity.sh — Apptainer / Singularity SIF。HPC。

クライアント設定の registries.yaml を以下のいずれかに配置: $ARI_REGISTRIES_FILE env override、$ARI_CHECKPOINT_DIR/.ari/registries.yaml、または ./.ari/registries.yaml。$HOME/.ari/registries.yaml は v0.5.0 で廃止され、フォールバックは v1.0 で削除されます。

yaml

registries:
  - name: default
    url: http://127.0.0.1:8290
    token: $ARI_REGISTRY_TOKEN

そのうえで export ARI_REGISTRY_TOKEN=ari_<発行された値> し、ari clone ari://<id> や ari ear publish --backend ari-registry を使います。

ARI CLI リファレンス ​

コマンド一覧 ​

ari migrate node-reports ​

ari run ​

ari resume ​

ari paper ​

ari status ​

ari viz ​

ari projects ​

ari show ​

ari delete ​

ari settings ​

ari ear — v0.7.0 ​

ari memory ​

ari skills-list ​

環境変数 ​

コア設定 ​

BFTS 設定 ​

HPC 設定 ​

検索・VLM ​

メモリ (Letta) ​

論文査読 (ルーブリック) ​

フェーズごとのモデルオーバーライド ​

アイデア生成 (VirSci-live) ​

.env ファイル ​

HPC（SLURM）での実行 ​

ari clone <ref> [<dest>] — v0.7.0+ ​

対応スキーム (PR ごとに段階展開) ​

フラグ ​

検証モデル ​

ari registry — v0.7.0+ ​

ARI CLI リファレンス

コマンド一覧

ari migrate node-reports

ari run

ari resume

ari paper

ari status

ari viz

ari projects

ari show

ari delete

ari settings

ari ear — v0.7.0

ari memory

ari skills-list

環境変数

コア設定

BFTS 設定

HPC 設定

検索・VLM

メモリ (Letta)

論文査読 (ルーブリック)

フェーズごとのモデルオーバーライド

アイデア生成 (VirSci-live)

.env ファイル

HPC（SLURM）での実行

`ari clone <ref> [<dest>]` — v0.7.0+

対応スキーム (PR ごとに段階展開)

フラグ

検証モデル

`ari registry` — v0.7.0+