メインコンテンツまでスキップ

ローカルの大量のファイルからコンテンツを検索する

Copyright © 2026GotoAI株式会社gooseプロジェクトに基く

検証環境

本ページの手順は、以下の環境で動作を確認しています。

  • Kari: バージョン 0.5.0 Beta macOS
  • AI プロバイダー: スタンドアローン OumiGo (バージョン 0.3.0)
  • GPU モデル: RTX A6000
  • LLM: Meta Muse-Glimmer-30B (GotoAI により量子化済み、Hugging Face リポジトリ: GotoAI-Inc/Muse-Glimmer-30B-W8A16)

Kari を活用し、AI によりローカルフォルダーにある大量のファイルの中身を読み取り、条件に合うコンテンツを検索・リストアップすることができます。ファイル名やキーワードによる検索ではなく、「発言者の感情が激しい文」のような意味による検索ができます。AI 検索を高速化するため、複数のサブエージェントを活用します。

インプット情報を確認​

  • モーラバランス型日本語コーパス「ROHAN4600」の GitHub リポジトリを開きます。「Code」ボタンから「Download ZIP」でダウンロードして展開するか、git clone でローカルフォルダーへ複製します。
    URL: https://github.com/mmorise/rohan4600

  • リポジトリには、4,600 文の日本語コーパスが収められており、同じ内容が複数の形式で提供されています。本ページの手順では、このうち HTML、PDF、Word の3形式のファイルを検索対象にします。

    • 朗読者用_html: HTML 形式
    • 朗読者用_PDF_h、朗読者用_PDF_v: PDF 形式（横書き・縦書き）
    • 朗読者用_Word_h、朗読者用_Word_v: Word 形式（横書き・縦書き）
    • Rohan4600_transcript_utf8.txt: 全文のテキスト

  • Kari の「エクスプローラー」から展開したフォルダー「rohan4600」へ移動し、フォルダーを開いて中身を確認します。

ROHAN4600 のフォルダーをエクスプローラーで確認

AI に作業を指示​

  • 発言者の感情が激しいと思われる文を検索します。以下のように AI に作業内容を指示します。
AI への指示
フォルダー「rohan4600」の配下で、HTML、PDF、ワード形式のファイルを検索し、要件にコンテンツが該当するセンテンスを特定して必要な情報を出力してください

1. 入力情報
(1) ローカルフォルダー「rohan4600」の配下ファイル。

2. 検索要件
(1) 検索対象は、フォルダー「rohan4600」の配下の全ての HTML、PDF、ワード形式のファイルです。
(2) 検索条件は、ファイルに含まれたセンテンスで、発言者の感情が激しいと思われるものです。
(3) 最大10個までサブエージェントを使っても良いです。

3. 出力情報には二つの部分があります。
(1) 検索概要：「ファイルタイプ」「ファイル検索数」「ファイル該当数」「センテンス検索数」「センテンス該当数」の5列、「HTML」「PDF」「ワード」の3行の集計表を出力してください。
(2) 該当センテンス一覧：「該当センテンス」「判定理由」「該当ファイルパス」の3列の一覧表を出力してください。

AI にフォルダー内の検索を指示する

AI の作業結果を確認​

  • AI はフォルダー配下のファイルを形式ごとに読み取り、文単位で要件に照らして判定します。対象ファイルが多いため、作業には時間がかかります。進捗はセッションウィンドウに表示されます。

  • 作業が終わると、検索概要の集計表と該当センテンスの一覧表がセッションウィンドウに表示されます。まず集計表で、3形式それぞれのファイル検索数がフォルダー内のファイル数と一致していること、センテンス検索数が形式間でおおむね揃っていることを確認します。

AI が出力した検索概要の集計表

AI が出力した該当センテンスの一覧表

  • 一覧の「該当ファイルパス」をいくつか選び、Kari の「エクスプローラー」からそのファイルを開いて、該当センテンスが実際に含まれていることと、判定理由が文の内容に合っていることを確認します。
注意

「感情が激しい」のような意味による判定は、使用するLLMにより結果が変わります。同じ文でも該当・非該当が分かれることがあるため、件数は目安として扱い、重要な判断には一覧の文を直接確認してください。また、ファイル数が多い場合、LLMによっては一部のファイルしか読まないことがあります。集計表のファイル検索数を実際のファイル数と照らし合わせてください。

参考資料​

本ページの手順では、例示のために以下の公開コーパスを利用しています。AI が出力した集計表や一覧は、GotoAI が Kari の動作例として生成したものであり、コーパスの作成者が作成・公表したものではありません。

  • 資料名: ROHAN4600（ROHAN: モーラバランス型日本語コーパス）
  • 提供元: 森勢将雅氏（GitHub リポジトリ mmorise/rohan4600）
  • URL: https://github.com/mmorise/rohan4600
  • 閲覧日: 2026年9月8日
  • 利用条件: CC0 1.0（パブリックドメイン）。リポジトリの README では、利用時に次の文献を引用することが求められています。
    M. Morise: ROHAN: A mora-balanced Japanese text corpus for text-to-speech synthesis, The Journal of the Acoustical Society of Japan, vol. 79, no. 1, pp. 9-17, Jan. 2023.
免責事項
  • 本サイトで引用した外部の情報は、Kari の利用例を説明するためのものです。それらの情報の正確性や最新性について、本サイトは保証しません。引用元の内容は予告なく変更・削除されることがあります。
  • 本サイトで示した AI の出力は、記載の検証環境で実際に得られたものです。ただし、その出力の正確性や有用性について、本サイトは保証しません。AI の出力は、使用する LLM や設定、実行のたびに変わることがあります。
  • AI の出力を業務に用いる場合は、必ず元の資料と照合し、利用者ご自身の責任でご判断ください。
  • 画面キャプチャは、掲載時点のバージョンの Kari で取得したものです。お使いのバージョンでは表示が異なる場合があります。
  • 引用元の各機関・団体は、本サイトおよび Kari と提携・推奨関係にはありません。
に最終更新