マークダウンノートがAIで検索できる知識管理システムIWE

マークダウンメモが知識グラフになる仕組み
AIと組み合わせた検索と文書変換
複雑な質問にも答えるアジェンティックRAG
セットアップと使い方
フリーランスへの影響
まとめ

マークダウンメモが知識グラフになる仕組み

IWEは、普段マークダウン形式で書いているメモやドキュメントを、自動的に知識グラフとして扱えるようにするシステムです。ウィキリンク形式（[[リンク]]）やマークダウンのリンク、ハッシュタグを解析して、ドキュメント間の関係性を把握します。

たとえば、プロジェクトの設計書に「認証システム」「データベース設計」「API設計」といった複数のメモがあるとします。それぞれのメモに関連するキーワードやリンクがあれば、IWEはそれらを自動的につなげて、どのドキュメントがどのドキュメントと関連しているかを可視化してくれます。

Rust製で動作が軽く、VS Code、Neovim、Zed、HelixといったエディタにLSP（Language Server Protocol）経由で対応しています。エディタ上で直接、関連ドキュメントの検索や階層表示ができるため、作業の流れを止めずに情報を探せます。

AIと組み合わせた検索と文書変換

IWEの特徴は、OpenAI APIと連携することで、単なる検索以上のことができる点です。主な機能は以下の通りです。

まず、ファジー検索機能の「find」。キーワードの一部だけで関連するドキュメントを探せます。次に「retrieve」は、コンテキストを理解した上で検索するため、単語の一致だけでなく、意味的に近い情報も拾い上げます。

「tree」機能は、ドキュメントの階層構造を表示します。たとえば「プロジェクトのインデックスページから、どの技術ドキュメントにリンクが張られているか」を視覚的に確認できます。「squash」は複数のドキュメントを統合する機能で、関連する情報をまとめたいときに使えます。

AI変換機能も便利です。「rewrite」はテキストを読みやすく改善し、「summarize」は要約を箇条書きで生成します。「expand」は技術的な詳細を追加し、「extract_todos」はアクション項目を抽出します。「generate_links」は、関連するトピックを提案してくれます。

たとえば、プロジェクトの進行中に「パフォーマンステストの結果」というメモを書いたとします。IWEに「このメモに関連する技術トピックを提案して」と指示すれば、「キャッシング戦略」や「データベース設計」といった既存のドキュメントへのリンクを自動生成してくれます。

複雑な質問にも答えるアジェンティックRAG

IWEの目玉機能が「アジェンティックRAG」です。これは、AIが知識グラフを自動的にナビゲートして、複数のドキュメントから情報を統合し、複雑な質問に答える仕組みです。

たとえば「このプロジェクトのフロントエンドとバックエンドの技術スタックを教えて」と聞くと、AIは「frontend-stack」と「database-design」の2つのドキュメントを自動的に探し出し、内容を統合して回答します。これをマルチホップ推論と呼びます。

チュートリアルでは、開発プロジェクト用の知識ベースとして8つのドキュメント（認証システム、データベース設計、API設計、フロントエンドスタック、デプロイメント、キャッシング戦略、パフォーマンスノート）を例に挙げています。AIエージェントは、これらのドキュメントをまたいで情報を探し、一貫性のある答えを返してくれます。

さらに、知識ギャップ分析機能もあります。既存の知識ベースを分析して「この情報が足りない」と判断すると、AIが新しいメモの草稿を自動生成し、既存の構造に統合してくれます。プロジェクトの進行中に「セキュリティポリシー」のドキュメントが不足していることに気づいたら、IWEがその草稿を作ってくれるイメージです。

セットアップと使い方

IWEはGitHubで公開されており、クイックスタートガイドも用意されています。チュートリアルはGoogle Colab環境で実行できるため、ローカル環境を汚さずに試せます。

Pythonで実装されており、依存ライブラリは「openai」と「graphviz」です。LLMモデルはデフォルトで「gpt-4o-mini」を使用しますが、他のモデルに変更することも可能です。ただし、OpenAI APIを使用するため、利用には料金がかかります。

チュートリアルの構成は7つのセクションに分かれています。最初にKnowledgeGraphクラスを定義し、次に8つのドキュメントを読み込みます。その後、全グラフ操作（find、tree、stats、retrieve、squash、export dot）を実演し、AI変換機能を試します。最後にアジェンティックRAGを実装し、マルチホップ推論のデモンストレーションまで行います。

実際に使うには、まず自分のマークダウンメモをIWE形式に整理する必要があります。ウィキリンクやハッシュタグを使って関連性を明示しておくと、より効果的です。その後、IWEをエディタにセットアップし、OpenAI APIキーを設定すれば、検索やAI変換が使えるようになります。

フリーランスへの影響

フリーランスのエンジニアやライターにとって、IWEは「情報の整理と検索」を効率化できるツールです。特に、複数のプロジェクトを並行して進めている場合、過去のメモや設計書を探す時間は意外とかかります。IWEを使えば、キーワードの一部だけで関連情報を引き出せるため、調べ物の時間を短縮できます。

ただし、導入にはそれなりの手間がかかります。既存のメモをマークダウン形式に整理し、リンクやタグを追加する作業が必要です。また、OpenAI APIの利用料金も考慮しなければなりません。頻繁にドキュメントを参照する方や、知識ベースの規模が大きい方には向いていますが、メモの量が少ない方には過剰かもしれません。

AI変換機能は、文書の要約や改善に役立ちます。たとえば、クライアント向けの提案書を書く際、過去のプロジェクトメモから関連情報を抽出し、要約してもらうといった使い方ができます。知識ギャップ分析は、プロジェクトの抜け漏れをチェックする際に便利です。

収益への直接的な影響は限定的ですが、情報整理にかかる時間を減らせれば、その分、実作業に集中できます。特に、技術ドキュメントの作成や保守を請け負っている方には、作業効率の向上が期待できます。