# ノートとのチャット：NoteRichにおけるローカルRAGのガイド 情報過多が当たり前の時代において、自分のノートから適切な情報を見つけることは、ウェブ全体を検索するよりも難しいことがあります。従来の検索ツールは正確なキーワードを探しますが、アイデア間の*文脈*や*関連性*を見落とすことがよくあります。 **NoteRich**は、内蔵の**ローカル知識ベースRAG（Retrieval-Augmented Generation）**によってこのパラダイムを変えます。この機能により、自分が書いた、保存した、整理した内容に基づいてAIが答えを合成することができ、データを100%プライベートでローカルに保つことができます。 ## 🧠 ローカルRAGとは何か？ RAGは**Retrieval-Augmented Generation**の略です。簡単に言えば、2段階のプロセスです： 1. **リトリーバー**：システムはローカルのノートから質問に関連する情報を検索します。 2. **ジェネレーション**：その特定のセグメントのみをAIに送信し、その文脈に基づいて一貫した答えを作成します。 クラウドベースのAIアシスタントが事実を誤って推測したり、古い公共データを使用したりするのとは異なり、NoteRichのRAGは**あなたの真実**に基づいています。単に推測するのではなく、自分の作業を参照します。 ### なぜローカルから始めるのか？ * **プライバシー**：リトリーバー段階でノートはデバイスから離れません。答えに必要な特定の匿名化された文脈のみがAIサービスに送信されます。 * **速度**：ローカルでインデックス化することで、検索結果は即時です。 * **所有権**：あなたは自分の知的財産を完全に管理できます。 --- ## 🚀 実際の仕組み NoteRichは高度な**融合検索戦略**を採用しており、何千ものノートからも最も正確な結果を得ることができます。 ```mermaid graph TD A[ユーザーの質問] --> B(ローカル前処理) B --> C{キーワード抽出} C -->|TextRankアルゴリズム| D[主要概念の識別] D --> E[候補選択] E -->|重み付けスコアリング| F[最も関連性の高いセグメント] F --> G[AI文脈の組み立て] G --> H[LLM生成] H --> I[引用付きの最終答え] style A fill:#f9f,stroke:#333,stroke-width:2px style I fill:#bbf,stroke:#333,stroke-width:2px style B fill:#e1f5fe,stroke:#01579b,stroke-width:2px ``` ### 1. インテリジェントなインデックス化 ノートを作成または編集する際、NoteRichは自動的に内容を意味のあるセグメントに分割します。多言語サポートのために`Intl.Segmenter`を使用し、中国語、英語、その他の言語が正しくトークン化され、検索の精度が向上します。 ### 2. 融合検索戦略 単一の方法に頼るのではなく、NoteRichは複数のアルゴリズムを組み合わせます： * **重み付けキーワードマッチング**：IDF（逆文書頻度）を使用して、一般的な単語よりも稀に重要な単語を優先します。 * **TextRankグラフ分析**：文の関係をマッピングして、ノート内の最も「中心的」で重要な段落を識別します。 * **カスケードフィルタリング**：大規模なライブラリの場合、まず迅速なグローバルスキャンを行い、その後、より深い意味解析を用いてトップ候補を再ランク付けします。 ### 3. スマートな文脈の組み立て データをAIに送信する前に、NoteRichはプロンプトを最適化します： * **トークン予算計算**：AIの文脈ウィンドウ内に収まるように、正確なトークン数を計算します。 * **関連性の閾値設定**：低スコアのセグメントはノイズを防ぐために除外されます。 * **特別なノートの処理**：`.prompt`または`.skill`としてマークされたファイルは高優先度の指示として扱われ、AIが特定のガイドラインに従うことが保証されます。 --- ## 🛠️ ノートとのチャットの使用 この機能を使用するのは、会話をするのと同じくらい簡単です。 ### ステップ1：RAGモードを有効にする **AIアシスタント**ダイアログを開きます（ツールバーまたは`/ai`コマンドを通じて）。**"ノートとのチャット"**のトグルボタンを探します。有効になっていると、AIは自動的に現在の作業スペースをスキャンします。 ### ステップ2：自然な質問をする 複雑な検索演算子を使用する必要はありません。以下のような質問をするだけです： * *"最後の製品会議での主な学びは何ですか？"* * *"Reactのパフォーマンス最適化に関する研究を要約してください。"* * *"'Project Alpha'に関連するすべてのノートを見つけて、保留中のタスクをリストしてください。"* ### ステップ3：確認と検証 NoteRichは**透明な引用**を提供します。AIが生成するすべての答えには、元のノートへの参照が含まれています。これらの引用をクリックすると、直接元の段落にジャンプでき、情報を常に確認できます。 --- ## 🔒 プライバシーとセキュリティのアーキテクチャ プライバシーは機能ではなく、基盤です。 * **ローカル処理**：すべてのインデックス化、キーワード抽出、初期フィルタリングは、Web Workersを使用してブラウザ内で完全に行われます。ノートの生のデータは、インデックス化のために私たちのサーバーにアップロードされることはありません。 * **サイン付きリクエスト**：文脈がAIバックエンドに送信される際、HMAC-SHA256の署名で保護されているため、改ざんが防げます。 * **永続的なストレージなし**：AIサービスは、あなたの会話履歴やノートの内容を保存しません。リクエストを処理し、すぐに忘れます。 --- ## 💡 より良い結果を得るためのプロのヒント 1. **明確なタイトルを使用する**：説明的なタイトルは、検索エンジンがノートをより効果的に分類するのに役立ちます。 2. **戦略的にタグを付ける**：RAGはセマンティックですが、一貫したタグ（例：#project-x、#idea）を使用することで、システムが関連する概念をグループ化するのに役立ちます。 3. **ノートを最新に保つ**：RAGのインデックスはリアルタイムで更新されます。ノートの情報を変更すると、AIは次の答えでその変更を反映します。 4. **特別なファイルを使用する**：`.prompt`で終わるノートを作成して、AIに永続的な指示を与えます（例：「常に簡潔な項目で答える」）。これらはすべてのクエリで優先されます。 --- ## 結論 NoteRichのローカルRAGは、静的なノートを動的でインタラクティブな知識ベースに変えます。これは単に情報を保存するだけではなく、それを**つなぐ**ことです。ローカルファーストのアーキテクチャと高度なAI検索の力を組み合わせることで、NoteRichはあなたの「第二の脳」が常により良く考えるのを助けることを保証します。 ノートの全潜在能力を引き出す準備はできましたか？今日から**ノートとのチャット**を試してみてください。 --- <div class="flex flex-wrap gap-2 mt-8 mb-12"> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">ローカルファースト</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">RAG</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">プライバシー</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">PKM</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">AIアシスタント</span> <span class="px-3 py-1 bg-[#f4f4f5] border border-[#eaeaea] rounded-full text-xs font-medium text-[#666]">知識ベース</span> </div>