オンプレAIに、知見を蓄積する仕組みを作り始めました
手元で動くAIに、必要な情報を少しずつ蓄積できないか。公開資料を探して保存し、Codexが定期的に内容と学習方針を点検する仕組みの初期版を作りました。今回は、その最初の検証結果をご紹介します。
オンプレミスAIの構築を進めるなかで、モデルを動かすことに加えて、その後に知見を増やしていく仕組みも作りたくなりました。
使うたびに同じ資料を渡す手間を減らし、調べたことや確認できたことを、次の仕事にも生かしたい。さらに、学習方法そのものを調べて、次に学ぶ分野を提案できるようになったら面白そうです。
- 探索公式資料の一覧・リンクから発見
- 蓄積本文と出典を別領域へ保存
- 点検Codexが原文を照合
- 活用通常回答への接続はこれから
出典をたどれる知識を蓄積するところから
今回取り組んでいるのは、公開資料を保存し、根拠を確認した知見を後から参照できるようにする仕組みです。モデル内部の重みを書き換える追加学習は行っていません。
保存する知見は、短い要約だけでなく、出典、原文の該当箇所、取得日時、適用範囲、限界を一組にした「知見カード」として管理します。後で疑問が出たときに、元の資料へ戻って確認できることを重視しています。
資料の探索と、Codexによる定期的な補正
初期版では、指定した公式サイトの資料一覧や関連リンクから、学習テーマに関係する文書を探します。取得しただけの資料と、原文を照合して採用した知見は分けて保管します。
Codexには、内容の読み違い、古い情報、矛盾、同じ分野への偏りを定期的に点検する役割を持たせます。まずは6時間ごとのタスクを登録しました。今回の初回検証時点では、登録後の定期実行結果はまだ確認前です。
将来は、学術・技術資料、法律、医学、歴史、道徳・倫理、語学、数学、AI、IT、トレンドなども対象にします。現在の取得先と検証例はAI・IT分野から始めており、ほかの分野は公式資料の取得先を確認しながら順次広げる計画です。
初回は資料6件、原文を確認した知見3件
最初の検証では、資料一覧1件を含む公開資料6件を保存しました。このうち3件は、資料一覧のリンクから自動的に見つけて取得した文書です。
その中から原文の該当箇所を確認した3件の知見カードを登録し、保存処理とは別の処理から検索できることまで確認しました。業務用AIの通常回答でこれらの知見を使う接続は、次の段階です。
原文が更新された場合に旧知見をいったん参照対象から外すこと、根拠と一致しない引用を受け付けないことなどを含め、32項目の試験を作業PCとサーバーで実行しました。これは仕組みの動作を確認した結果で、知識の正確さや回答品質全体を保証する数字ではありません。
通信でつまずいた点も、そのまま記録する
初回、AIサーバーからWeb資料を直接取得しようとした処理は、接続待ちで停止しました。ここを「取得できた」ことにはせず、失敗として記録しています。
当面は、作業PCで公開資料を取得し、その本文を内部の接続でオンプレ側の保管庫へ渡す構成にしました。内部転送後は、本文のハッシュを照合しています。ネットワークの経路やアクセス制限は変更していません。
作業PCで行った2回の少量検証では、HTTP要求は合計9回、取得した応答本文は約215KBでした。この数字には、別に失敗したサーバーからの接続試行や、通信ヘッダーなどは含めていません。
少しずつ集め、確認できる範囲で進める
1回の収集は文書3件まで、アクセス間隔は5秒以上とし、要求回数と取得量にも上限を設けています。サイト側の巡回ルールを確認し、取得できない場所やアクセス制限に当たった場合は、その回の処理を止めます。
ログインや認証を迂回したり、非公開の領域を調べたりする仕組みにはしません。Webに書かれた命令やコードも実行しません。公開資料の収集と、社内資料を扱う処理は分けて進めます。
法律や医学では、資料の時点や適用範囲を残し、個別の法的判断や診断へ自動的に結び付けない方針です。歴史や倫理も、異なる立場や解釈を消して一つの答えにまとめないようにします。
次は、蓄積した知見が本当に役立つか
今後は、ローカルAI自身が資料を要約し、次に学ぶテーマを提案する部分を実装していきます。新しい学習手法についても調べ、役立ちそうな理由、試し方、必要な負荷や費用を添えて提案できる状態を目指します。
そして、知見を使った場合と使わなかった場合で、初めて扱う課題への回答がどう変わるかを比較します。資料やカードの数を増やすことに加え、実際の仕事で確認の手間が減るか、根拠をたどりやすくなるかを測っていきたいと考えています。
自分の環境で、調べる・蓄積する・使う・見直すという循環を少しずつ作っていく。この過程には技術的な探究心を満たしてくれる面白さがあります。うまく動いたところも、つまずいたところも、引き続き開発記録として紹介していきます。
※2026年11月19日の初回検証記録に基づく記事です。完全な自律学習、通常の業務回答への接続、回答品質の改善検証は、今後の実装・評価項目です。
開発ノート