プログラミング研究所

AIにプロジェクトを読ませる「Project Analyzer」がExcel/Wordファイルに対応！設計書も丸ごとMarkdown化 こんにちは！以前、ChatGPTやNotebookLMなどのAIツールに、複数ファイルからなるプロジェクトをまるごと読み込ませるための自作ライブラリ 「Project Analyzer」 をNuGetで公開しました。 （前回の記事： AIにソースコードを読ませるのが超快適に！プロジェクトをMarkdown化する自作ライブラリをNuGetで初公開しました ） AIにソースコード全体とフォルダ構成を「1つのMarkdown形式」にまとめて渡せるツールとして、私自身も日々活用しているのですが、実際の開発現場で使っていると 「ソースコードだけじゃなくて、設計書も一緒に読ませたい！」 という場面が頻繁に出てきました。 そこで今回、Project Analyzerを大幅にアップデートし、 ExcelファイルやWordファイルの解析にも対応 しました！さらに、細かい不具合修正や便利なオプションも追加しています。 🚀 アップデートの目玉機能 1. Excel / Word ファイルからのテキスト抽出に対応！ これまでProject Analyzerは、主に .cs や .js などのテキストファイル（ソースコード）の読み込みに特化していました。 しかし、実際の業務では 「Excelで書かれたテーブル定義書」 や 「Wordで書かれた要件定義書」 がプロジェクトフォルダ内に混在していることも少なくありません。 今回のアップデートで、 .xlsx 、 .xls 、 .xlsm 、 .docx 形式のファイルを自動的に検知し、ファイル内のテキストをAIが読みやすい形式に変換してMarkdownに含めることができるようになりました。 Excelファイル： シートごとにデータを読み込み、AIが解釈しやすいようにカンマ区切り（CSV風）のテキストに変換し...

AIにソースコードを読ませるのが超快適に！プロジェクトをMarkdown化する自作ライブラリをNuGetで初公開しました 最近、ChatGPTやClaude、NotebookLMなどのAIツールに、自分が書いているソースコードを読み込ませて「このバグの原因は？」「この機能をリファクタリングして」とお願いすることが増えましたよね。 でも、複数のファイルにまたがるプロジェクトをAIに渡すとき、 「一つ一つのファイルを開いてコピペする」 のが地味に面倒ではありませんか？ さらに、AIにシステム全体の文脈を理解してもらうには、「ファイルの中身」だけでなく「フォルダ構成（ディレクトリツリー）」も一緒に教えたいところです。 そんな手間を自動化して、プロジェクト全体をAIが読みやすい「1つのMarkdown形式」にシュッとまとめてくれるC#ライブラリ、 「Project Analyzer」 を自作しました！ さらに今回は、このライブラリを 自身初のNuGetパッケージとして一般公開 してみたので、その機能と公開してみた感想をご紹介します。 Project Analyzer とは？ Project Analyzer は、指定されたプロジェクトフォルダやGitHubリポジトリの構造と内容を分析し、AI (LLM) のコンテキストとして利用しやすいようにMarkdownとして出力・取得できる.NET製のライブラリです。 主な機能 📁 フォルダツリーの生成： プロジェクトの階層構造をツリー形式のテキストで出力します。 📄 統合されたコンテキストの生成： プロジェクト内の全ソースファイルを、シンタックスハイライトや相対パス付きのMarkdownに集約します。 🐙 GitHubリポジトリの直接分析： ローカルフォルダだけでなく、GitHubのリポジトリURLを指定するだけで、自動でクローンして分析してくれます。 ⚙️ 柔軟な除外設定： .pr...

Open Notebook日本語化！システムプロンプトを書き換えて精度を劇的に向上させる方法 前回の記事では、LM StudioとOpen Notebookを使って、完全ローカル環境で「自分だけのNotebookLM」を構築する方法を紹介しました。 ▼前回の記事はこちら NotebookLMのローカル版「Open Notebook」をLM Studioで完全オフライン構築してみた！ 環境構築はできたものの、使っているうちに「回答が英語になりがち」「日本語のニュアンスが少し変」と感じることはありませんか？ 実は、Open Notebookの動作を司る「システムプロンプト」はデフォルトで英語で書かれています。これを日本語化することで、ローカルLLMが日本語の文脈を理解しやすくなり、回答精度や自然さが劇的に向上します。 今回は、このシステムプロンプトの日本語化手順と、具体的な書き換え内容を全ファイル分公開します。 仕組み：プロンプトはどこにある？ 実は、前回の記事で作成した時点の docker-compose.yml には、プロンプトを変更するための設定は含まれていませんでした。 そこで、Open Notebookのソースコード（GitHub）を確認してみたところ、AIの挙動を定義しているシステムプロンプト（.jinjaファイル）は、コンテナ内の /app/prompts というディレクトリにまとまっていることが分かりました。 つまり、 ローカルに日本語化したプロンプトファイルを用意し、それをコンテナの /app/prompts に上書き（マウント）してあげれば、挙動をカスタマイズできる ということです。 これを実現するために、 docker-compose.yml の volumes セクションに以下の行を追加設定します。 volumes: - ./notebo...

NotebookLMのローカル版「Open Notebook」をLM Studioで完全オフライン構築してみた！ Googleの「 NotebookLM 」、便利ですよね。資料をアップロードするだけで、AIが内容を理解して回答してくれたり、ポッドキャスト風に解説してくれたりするあのツールです。 「でも、社内秘のドキュメントをGoogleにアップロードするのはちょっと…」 「インターネットに繋がっていない環境でも使いたい！」 そんなニーズに応えるべく、GitHubで公開されているOSSの「 Open Notebook 」を試してみました。今回はこれを、以前の記事でも紹介した LM Studio と組み合わせて、 「完全ローカル（インターネット不要）」な環境 で動作させることに挑戦しました。 構築にあたって少しハマりポイントがあったので、その回避方法も含めて共有します。 Open Notebookとは？ Open Notebookは、Google NotebookLMのオープンソース代替を目指したプロジェクトです。PDFやWebサイトのURLをソースとして読み込ませ、その内容についてチャットを行うことができます。 公式リポジトリはこちら： https://github.com/lfnovo/open-notebook 構成：LLMは「LM Studio」を採用 Open Notebookは通常、OpenAIなどのAPIキーを設定して使いますが、今回は 完全ローカル を目指すため、バックエンドのLLMとして LM Studio を採用します。 LM Studioでサーバーを立ち上げ（ポート1234など）、Open Notebook（Dockerコンテナ）からそこに接続する構成です。 ベースとなる docker-compose.yml は以下のようになります。 ...

Metaの新型音声認識モデル「omnilingual-asr」を試してみた（1B/3B/7B比較） 最近、Metaから新しい音声認識モデル「 omnilingual-asr 」が公開されました。 多言語に対応したモデルということで、日本語の認識精度がどれほどのものか気になったので、早速手元の環境で試してみることにしました。 モデルの詳細はGitHubリポジトリで公開されています。 https://github.com/facebookresearch/omnilingual-asr 検証の概要 今回は、公開されているモデルのうち、パラメータ数の異なる以下の3種類を比較しました。 omniASR_LLM_1B omniASR_LLM_3B omniASR_LLM_7B これらのモデルに対し、手元にあった2種類の日本語のナレーション音声ファイル（ test1.mp3 , test2.mp3 ）を認識させて、その結果を比較します。 40秒制限への対応（Pythonコード） 検証を始めたところ、現在の omnilingual-asr モデルは 約40秒までの音声しか一度に処理できない という制約があることがわかりました。 そこで、長い音声ファイルでも処理できるように、Python (librosa) を使って音声を事前に分割（チャンキング）するスクリプトを用意しました。 主な処理内容は以下の通りです。 音声を30秒のチャンクに分割する。 チャンク間は5秒のオーバーラップを持たせ、認識漏れを防ぐ。 VAD（無音区間検出）を使い、できるだけ「会話の途中」で途切れないよう、無音区間を優先して分割点を設定する。 ...

LM StudioをWeb UI化して、ローカルLLMをみんなで使おう！ 【自作ツール】LM StudioをWeb UI化して、ローカルLLMをみんなで使おう！ 最近、手元のPCで大規模言語モデル（LLM）を動かすのが流行っていますね。その中でも「 LM Studio 」は、直感的なUIで誰でも簡単にローカルLLM環境を構築できる、非常に便利なツールです。 しかし、この便利なLM Studioにも、ちょっとした悩みどころがあります。 LM Studioが動いているPCでしか使えない LM Studioのチャット機能は非常に優秀ですが、利用するにはアプリケーションがインストールされているPCにログインする必要があります。これでは、家族や同じネットワーク内の同僚に「ちょっとこのAI使ってみて」と気軽に共有することができません。 ファイルアップロード機能をもっと強化したい テキストや画像のアップロードはできますが、「WordやExcelファイルの中身について質問したい」と思っても、一度テキストに手動で変換する必要があり、少し手間がかかります。 そこで、これらの課題を解決するために、ブラウザさえあれば誰でもローカルLLMと対話できる「 多機能WebチャットUI 」を開発しました。 このツールを使えば、LM StudioをバックエンドのAIサーバーとして活用し、もっと便利で開かれたローカルAI環境を構築できます。 多機能WebチャットUI 「LM Studioで動いているAIを、もっと手軽に、もっと多機能に活用したい！」という思いから、単一のHTMLファイルで動作するWebアプリケーションを開発しました。 特別なサーバー設定は不要で、ブラウザでファイルを開くだ...