veyliss/ai-localbase

解決する課題

AI LocalBase はローカルファーストの RAG（Retrieval‑Augmented Generation）システムで、個人や小規模チームがプライベートなナレッジベースをすばやく構築できるよう設計されています。ローカルドキュメントをベクトル検索プロセスと大規模言語モデル（LLM）に接続し、会話形式の Q&A を実現することで、データを自己ホスト環境内に留めます。

仕組み

バックエンドは Go、フロントエンドは React で構成されています。アップロードされたドキュメント（TXT、Markdown、PDF、xlsx、csv）を埋め込みモデルでベクトル化し、Qdrant ベクトルデータベースに保存します。ユーザーが質問すると、システムは関連するドキュメントチャンクを取得し、LLM のコンテキストに注入します。Ollama との統合により完全ローカル実行が可能で、OpenAI 互換 API を利用すればクラウドモデルとも連携できます。

想定ユーザー

• プライベートでローカルな個人ナレッジベースを求める個人。
• 自己ホスト型の社内ドキュメント Q&A システムが必要な小規模チーム。
• RAG プロトタイプをテストしたり、さまざまな検索戦略を試したい開発者。
• AI エージェント（Cursor や Claude Desktop など）を利用し、組み込み MCP サーバー経由でローカルナレッジベースに接続したいユーザー。

ハイライト

• ローカルファーストアーキテクチャ：Docker Compose で完全自己ホストデプロイ、チャット履歴は SQLite に保存、設定は JSON 形式。
• 高度な検索機能：自動テキスト分割、MMR 冗長除去、ハイブリッド検索、セマンティック再ランク、クエリリライトを搭載。
• MCP サーバー統合：組み込み Model Context Protocol（MCP）サーバーにより、外部 AI エージェントがナレッジベースとセッション機能にアクセス可能。
• 幅広いドキュメント対応：PDF、Excel、CSV など多様なファイル形式をサポート。
• RAG 評価：既存ナレッジベースドキュメントから評価データセットを生成し、検索品質を検証できる。