作ってみた

「AI時代だからこと、"思考を止めない"ためのナレッジベース — TenHub」

AGIからASI（Artificial Super Intelligence）へ — AIの進化に対する期待と不確実性が交差する今、人間のアウトプットは日々AIに置き換えられつつある。社会の歯車がAIによって指数的に加速する中だからこそ、一度立ち止まって自分に問いかける。「何が必要で、何をしたいのか」。

その問いの過程で気づいたのは、人間の本来の価値は「思考し続けること」にあるということ。情報を整理し、実証し、活用し、自分の考えを与え続ける場 — それがナレッジベースだった。今後AIを使う側にとどまらず、仕組みを理解し作る側へ。その一歩として生まれたのが TenHub。

プロジェクト概要

• Go マイクロサービス、Next.js、AI（RAG）を活用したナレッジベースです。
  学びの断片を整理し、検索・再利用できる知識資産として蓄積することを目的としています。
• 個人開発、約3週間で初期リリース、継続的に機能追加中

メイン機能

RAG / Agentモードにより、内部の記事を検索・要約できます。
また、外部検索機能も搭載しており、ナレッジベース内の情報と外部情報を組み合わせた調査・回答が可能です。

RAG + Deepseek + キーワード検索

AGENT + ローカル + キーワード検索 / Web検索

ナレッジグラフにより、記事内の関連データを可視化できます。

軽量モデルを使用しているため、抽出精度には一部ばらつきがありますが、知識同士のつながりを俯瞰する用途として活用できます。（他いい用途があれば、ぜひ教えてください）

MCPサーバとClaudeコードで連携し、内部ツールとして活用

記事の作成・取得・更新・削除といった基本的なCRUD操作に加え、記事検索ツールも利用できます。

全記事を取得

実際に記事を取得し、タイトルを変更してもらう

設計でこだわったこと

— 軽量モデルでも応答性能を上げるコンテキストチューニング

- 検索エンジン別の閾値チューニング 
1. 5種の検索エンジン（BM25/Vector/Hybrid/Graph/TF-IDF）を自前実装
2. 各エンジンのスコア分布が異なるため、閾値を個別設定
3. Vector: 0.30（意味的類似度を広く拾う）
4. Hybrid: 0.50（キーワード＋意味のバランス）
5. Graph: 15.0（強い関係性のみ通す）

閾値以下のノイズを除去してからLLMに渡すことで、軽量モデルの「迷い」を減らす

- コンテキストの質 > 量
1. 検索結果は上位5件に絞る（大量のコンテキストは小さなモデルを混乱させる）
2. 閾値を超えた記事がゼロの場合、LLMを呼ばずに定型応答を返す（トークンを無駄にしない）
3. Hybrid検索（BM25+Vector の重み付き結合）で、キーワードの正確性と意味的関連性を両立

- 差分更新による応答速度改善
1. ベクトル埋め込みをJSONに永続化し、新規・更新記事のみ再計算
2. ナレッジグラフも差分更新（記事のハッシュで変更検知）
3. サーバー再起動時のコールドスタートを最小化

- プロンプト設計の工夫
1. 言語制約の明示（日本語/英語のみ、他言語禁止）
2. 記事が見つかった場合は「必ずその内容を説明する」指示
3. 簡潔に回答する指示（生成トークンの効率化）

今後の改善

AI 機能の拡張

• マルチエージェント対応: 検索・要約・提案など、役割を分担する複数エージェントの協調動作
• API Key 認証の追加: 外部の AI エージェントやツールから TenHub のナレッジを検索可能にする
• 関連記事の自動提案: 閲覧中の記事に関連するコンテンツをナレッジグラフから自動で表示