検索

Starnionは2つの検索モードを提供しています。ローカル検索はあなた自身のデータ(日記、メモ、家計記録など)を素早く見つけ、Web検索はインターネットから最新情報を取得します。どちらのモードもAIチャットで自然言語を使って利用できます。


上部検索バー

画面上部の検索バーで、入力しながらリアルタイムにデータを検索できます。

使い方

  1. 画面上部の検索アイコン(🔍)または検索入力欄をクリックします。
  2. 検索クエリを入力します。
  3. 結果がリアルタイムで表示されます。
  4. 結果をクリックすると該当アイテムに移動します。

検索のショートカット

ショートカット 動作
Ctrl+K(Windows/Linux) 検索バーを開く
Cmd+K(macOS) 検索バーを開く
ESC 検索バーを閉じる
結果をナビゲート
Enter 選択したアイテムへ移動

ローカル検索

自分自身のデータを検索します。外部のインターネット接続なしに素早く結果が表示されます。

検索対象

データの種類 検索可能なコンテンツ
日記 日付、内容、気分 「先週の日記」「悲しかった日」
メモ タイトル、内容、タグ 「Pythonのメモ」「#仕事タグ」
家計 品目名、金額、日付、カテゴリ 「焼肉」「5,000円以上の支出」
ドキュメント ファイル名、ドキュメント内容 「契約書」「2024年レポート」
チャット履歴 過去のチャット内容 「前回聞いたレシピ」

検索例

クエリ:「焼肉」
結果:
  📒 家計    2024-03-15  焼肉(友人と)  3,200円
  📒 家計    2024-02-28  深夜の焼肉屋   1,800円
  📔 日記    2024-03-15  「友人と焼肉を食べた...」

クエリ:「Python」
結果:
  📝 メモ    Python基礎まとめ  #学習 #開発
  📄 ドキュメント  Python_tutorial.pdf
  💬 チャット  「Pythonのリスト内包表記の使い方を教えて...」

Web検索

Starnionは Tavily APINaver Search API を通じてインターネットから最新情報を検索します。

Tavily Web検索

複雑な質問にも高度な関連性のある結果を提供するAIフレンドリーな検索APIです。

有効化方法: サーバー管理者が .envTAVILY_API_KEY を設定すると、websearch スキルが自動的に有効になります。

使用例:

あなた:2024年の最新AIモデルを比較して。
ボット:[Web検索中...]
      インターネット検索結果のサマリーです。

      GPT-4o(OpenAI):マルチモーダル対応、高速レスポンス...
      Gemini 1.5 Pro(Google):100万トークンのコンテキスト...
      Claude 3.5 Sonnet(Anthropic):優れたコーディングパフォーマンス...

      ソース:techcrunch.com、arxiv.org ...

韓国語コンテンツに最適化された検索です。ブログ、ニュース、ショッピング、Naver知識iN(Q&A)を検索します。

有効化方法: .envNAVER_CLIENT_IDNAVER_CLIENT_SECRET を設定し、設定 > スキルで naver_search スキルを有効にします。

対応する検索タイプ:

タイプ 説明 リクエスト例
ブログ Naverブログ検索 「美味しいキムチチゲの作り方のブログを探して」
ニュース 最新ニュース 「今日の国内経済ニュース」
ショッピング 商品・価格比較 「AirPods Proの最安値を教えて」
知識iN Q&A検索 「Naver知識iNで賃貸契約の注意点を探して」
ローカル 地域情報 「渋谷のレストランを探して」
書籍 本の検索 「Clean Codeという本を教えて」

検索履歴

最近の検索と結果を確認できます。

  • 上部検索バーで検索すると、結果が自動的に記録されます。
  • 設定 > 検索履歴 で全履歴の確認や削除ができます。
  • 検索履歴はAIチャットでも参照できます。

AIチャットで検索する

上部検索バーに加えて、チャットウィンドウで直接自然言語の検索リクエストができます。AIはローカル検索とWeb検索を適切に組み合わせて質問に答えます。

ローカルデータの検索(memoryスキル)

自分の記録を自然言語でクエリします。

あなた:先月何を食べましたか?
ボット:先月(2024年2月)の飲食費です:
      - 2月3日:ランチ(コンビニ)850円
      - 2月8日:夕食(焼き鳥)2,200円
      - 2月14日:バレンタインディナー(イタリアン)6,700円
      ...
      飲食費合計:31,240円

あなた:Python関連のメモを見つけて。
ボット:Python関連のメモが3件見つかりました:
      1. 「Python基礎まとめ」(2024-01-15、#学習)
      2. 「FastAPIの使い方」(2024-02-03、#開発)
      3. 「PandasのDataFrameメモ」(2024-02-18、#学習)

あなた:以前話した天井修繕の見積もり額はいくらでしたか?
ボット:2024年1月15日の会話の中に:
      「天井修繕見積もり:250,000円」と記録されています。

Web検索(websearch / naver_searchスキル)

あなた:最近の詐欺的な賃貸契約詐欺を防ぐ方法を教えて。
ボット:[Web検索中...]
      賃貸詐欺の最新防止情報です:

      1. 入居日に必ず住民票を移し、確定日付を取得する
      2. 物件価格に対して80%以上のローン残高がある場合は注意
      3. 登記簿謄本で抵当権設定の有無を確認する
      ...

あなた:渋谷でランチにおすすめの場所を教えて。
ボット:[Naverローカルリストを検索中...]
      渋谷のレストランです:

      1. OOうどん — ブログレビュー2,400件、評価4.7
      2. XXラーメン — ランチセット1,000円、予約必要
      ...

ローカル + Web検索の組み合わせ

あなた:今月の飲食費を東京の平均と比較して。
ボット:今月の飲食費を確認し、東京の平均についてWeb検索しました。

      あなたの今月の飲食費:28,700円
      東京都在住の社会人の月平均飲食費:約35,000〜40,000円(○○調査機関出典)

      あなたの飲食費は東京平均より約20%低いです。

セマンティック検索

Starnionの検索は単純なキーワードマッチングを超えた意味ベース(セマンティック)検索をサポートしています。

セマンティック検索とは?

  • 入力した言葉が含まれていなくても、意味が近ければ結果が表示されます。
  • テキストはベクター(エンベディング)に変換されてPostgreSQL(pgvector)に保存されます。検索時に類似ベクターが取得されます。

セマンティック検索の例

クエリ:「ご飯食べたところ」
実際のマッチ:「ランチ」「夕食の外食」「焼き鳥屋」「イタリアンレストラン」
→ 正確な言葉がなくても食事関連の記録を見つける

クエリ:「お金が出たもの」
実際のマッチ:「支出」「支払い」「1,200円」「購入」
→ 正確な言葉がなくても家計記録を見つける

クエリ:「気持ちが良かった日」
実際のマッチ:「今日はとても楽しかった」「幸せな一日」「最高の気分」
→ 感情表現を理解して関連する日記エントリを見つける

セマンティック検索が適用されるデータ

データ エンベディング適用 備考
日次会話ログ 会話後に自動保存
家計項目 品目名 + カテゴリ
日記エントリ 全文エンベディング
メモ タイトル + 内容
ドキュメントセクション ドキュメントチャンクごと
ナレッジベース パターン分析結果

よくある質問

Q. ローカル検索の速度はどのくらいですか? ほとんどの検索は100ms以内に結果が返ります。セマンティックベクター検索はデータ量によって若干遅くなる場合がありますが、通常1秒以内です。

Q. 検索結果が外れている場合はどうすればいいですか? より具体的なキーワードを入力するか、AIチャットで「2024年2月に記録したランチの飲食費」のように日付や条件を指定すると、より正確な結果が得られます。

Q. Web検索の結果は保存されますか? Web検索の結果自体は保存されません。ただし、チャット履歴の一部として残ります。後でAIに「前回調べた賃貸詐欺防止のヒントを見せて」と聞くと、チャット履歴から取得してくれます。

Q. 古いデータも検索できますか? はい。すべてのデータは永続的に保存されており、検索可能です。ただし、古いデータは関連性スコアが低くなる場合があります。

Q. ファイルの中身を検索するにはどうすればいいですか? PDFやWordファイルをStarnionにアップロードすると、documentsスキルが内容を解析してベクターデータベースに保存します。その後、上部検索バーまたはAIチャットでファイルの内容を検索できます。


Copyright © 2025 StarNion. All rights reserved.  |  v0.1.2