volotat/Anagnorisis

何を解決するか

Anagnorisis は、クラウドサービスに依存せずに、個人のデータ（テキスト、音声、画像、動画）を管理・フィルタリングするためのローカルでプライベートな推薦システムです。AIの無駄な出力や一般的な推薦の問題を解決し、ユーザーの個別の好みや関心に特化した個人用モデルを訓練できるようにします。

動作方法

ユーザーは、0〜10のスケールで自分のデータに評価を付けます。システムはその評価をもとにモデルをファインチューニングし、新しいデータの並べ替えやランク付けに利用できます。

発見機能には3つの検索モードがあります：

• ファイル名ベース：ファイル名のファジー一致
• コンテンツベース：埋め込みモデルを使って、ファイル自体とクエリを比較
• メタデータベース：テキスト説明（記述モデルによって自動生成された説明、ゼロショットタグ、内部メタデータ（EXIF や ID3 など））を埋め込み

技術的には、jina-embeddings-v5-omni-small モデルによりすべてのコンテンツタイプに共通のベクトル空間を実現し、自然言語によるファイル説明には専用の MiniCPM-o-4_5 記述モデルを使用しています。バックエンドは Flask と PyTorch で構築されており、フロントエンドには Bulma を使用しています。

対象ユーザー

自分のハードウェア上で完全に動作する、非常にパーソナライズされたプライベートな情報管理システムを求める個人向けです（GPU で少なくとも 8GB VRAM、CPU モードでは 16GB RAM が必要）。データ漏洩やクラウドベースの追跡を回避するためです。

特徴

• プライバシー最優先：すべてのデータ処理と保存はユーザーのコンピュータ上でローカルに行われます。
• マルチモーダル対応：画像、音楽、テキスト、動画を1つの共有ベクトル空間で扱います。
• パーソナライズされたファインチューニング：評価システムを通じて、ユーザーが「自分が好きなもの」をモデルに学習させられます。
• 拡張性のあるアーキテクチャ：YouTube や WebSearch などの新しいデータタイプに対応する外部モジュールをサポートしています。
• ローカル専用インデックス：リモートファイルは自動でダウンロードされず、検索はCPUで実行されるため、GPUリソースをバックグラウンドタスクに確保できます。