メインコンテンツまでスキップ

AIエージェント

AIエージェント 画面(/agents)では、汎用の AI エージェントを作成し、 セッション単位で会話できます。会話履歴と実行記録は保存されます。

エージェントを作成・編集する​

  1. 左サイドバーの + 新規作成 を押します。
  2. エージェント設定編集 で次を設定します。
    • 名前、システムプロンプト
    • プロバイダ / モデル
    • 詳細設定(最大トークン、reasoning effort など)
    • 利用するツール
    • 既定の検索対象 Vault(対象省略の vault_search で使う範囲。既定は main のみ)
    • 委譲先エージェント
    • プロンプトテンプレート(テンプレートを追加 / 各テンプレートの 編集 / 削除)
  3. 保存する を押します。

最大トークン数を空欄にした場合、1回の LLM 呼び出しあたりの出力上限は 8,192 トークンです。個別のエージェントで値を指定すると、その上限を上書きできます。

エージェントの削除は aria-label="エージェントを削除" の操作から行います。

セッションで会話する​

左サイドバーでセッションを作成・選択・検索できます。セッションはピン留め・タイトル編集・削除ができます。会話履歴の一覧に表示されるのは Web チャットの会話だけです。Task Agent や Workflow の Agent Node が作成した会話は監査用に保存され、横断検索と日次サマリーには含まれますが、一覧には表示されません。

  • 入力欄の 送信 でメッセージを送ります。
  • キャンセル で実行中の会話を中断できます。
  • 画像を添付すると送信前にプレビューされます(aria-label="送信前の添付画像")。
  • 会話中のインライン質問(HITL)カードで、その場で回答できます。

音声で入力して送信する​

入力欄のマイクボタンを押すと録音が始まり、もう一度押すと停止します。停止すると 文字起こしが行われ、確認を挟まずにそのまま送信 されます。

  • 入力欄に下書きがあるときは、下書き + 改行 + 文字起こし を1つのメッセージとして送ります。
  • 選択中の画像・Vault ファイル参照・スキルも、そのまま一緒に送られます。
  • 録音中・文字起こし中は 送信 ボタンが無効になります。文章の入力や添付の追加は続けられます。
  • 録音中は経過時間と ✕(録音を破棄) が出ます。破棄すると送信も文字起こしも行いません。
  • 話している間に文字起こしが進み、入力欄の上に淡色で表示されます。停止すると残りの部分だけを 処理して送信するため、長く話したときほど待ち時間が短くなります。
  • ブラウザが逐次処理に対応していない場合や、途中で失敗した場合は、従来どおり録音全体を 送って文字起こしします(結果は同じように送信されます)。
  • 文字起こし中にマイクボタンをもう一度押すと、その文字起こしを中止できます(送信はされません)。
  • 録音したセッションから別のセッションへ切り替えると、録音・文字起こしは破棄され、別の会話へは送られません。
  • 録音は最大5分で自動停止します。
  • 音声の録音を始めると、再生中の読み上げは自動で止まります(スピーカーの音がマイクに入らないようにするため)。
  • 誤って変換された場合は、送信待ちのバブルの × か、実行中の キャンセル で取り消せます。
  • 録音そのものは保存されません。会話履歴に残るのは、送信したテキストだけです。
  • 既定では Mac 上のローカルモデルで文字起こしするため、音声は外部へ送られません。 管理者が stt.provider: openai_compatible を選んでいる場合に限り、録音が接続先へ送られます (設定)。
  • 文字起こしモデルは、マイクを押した時点から準備が始まります。しばらく音声入力を使っていないと モデルがメモリから解放されていますが、準備は発話と重なるため、話し終えた後の待ちは通常どおりです (数秒しか話さなかった場合だけ、最初の1回に少し待つことがあります)。
  • マイクが使えない(権限拒否・未対応ブラウザ・STT 無効)ときはエラーが表示され、 入力欄の内容は変更されません。

応答を読み上げる​

アシスタントの応答の下にある再生ボタン(▷)で、そのメッセージを音声で読み上げます。既定では Mac 上のローカルエンジン(mlx-audio + Kokoro)で生成され、外部サービスへは送信されません。

接続先は管理者の設定(tts.provider)で切り替えられます。openai_compatible を選んでいる場合、読み上げ用に整形した本文は設定された接続先へ送られます。接続先は YAML、API キーは .env の TTS_API_KEY で設定し、Web UI からは変更できません(設定)。

  • 再生中にもう一度押すと停止します。別のメッセージの再生ボタンを押すと、前の再生は自動で止まります。
  • 録音ではなく逐次合成なので、長い応答でも文が揃ったところから鳴り始めます。
  • 再生は常に先頭からです。途中で止めた場合、次に押すとまた最初から再生します。
  • 再生中に表示される 1.5x などの表示を押すと、再生速度が 1.0x → 1.25x → 1.5x → 1.75x → 2.0x の順に切り替わります。既定の速度は 設定 で変更できます。
  • 読み上げ用に Markdown を整形してから合成します。コードブロックは「コードを省略します」、表は「表を省略します」と読み上げ、URL や画像は読みません。コードブロックだけの応答は読み上げできません。
  • 最後まで再生した応答は音声がキャッシュされ、次回はすぐに再生されます。途中で止めた応答はキャッシュされません。
  • 読み上げエンジンが停止していると、押したときにエラーが表示されます。エージェントの会話そのものは通常どおり使えます。
  • iPhone の Safari はストリーミング再生(MSE)に対応していないため、応答を最後まで取得してから再生します。長い応答では鳴り始めが遅くなります。

自動で読み上げる​

会話ヘッダーの 自動読み上げ を ON にすると、その会話の応答を文が揃うたびに読み上げます。応答の完了を待たずに話し始めるため、長い回答でも待ち時間が短くなります。設定は会話ごとに保存され、既定は OFF です。

  • 音声入力から始めた会話では、このトグルが OFF でも応答を自動で読み上げます(話しかけたら音声で返る)。
  • 自動読み上げは、その会話を開いているタブが表示中のときだけ動きます。別の会話を開いているときや、録音・文字起こし中は始まりません。
  • ほかのメッセージを再生中なら割り込みません。その場合は再生ボタンで個別に再生してください。
  • 読み上げ中はストリーミング表示の近くに 読み上げを停止 が出ます。応答の完了後は、メッセージの 再生ボタンが停止ボタンとして使えます。
  • コードブロックは読み上げません。文の区切りで順に合成するため、1文だけ失敗しても残りは再生されます。
  • iPhone の Safari は、操作なしの自動再生をブロックすることがあります。その場合はメッセージの下に その旨が表示されるので、再生ボタン(▷)を押してください。再試行は自動では行いません。
  • 読み上げる本文が無い応答(コードブロックだけなど)や、読み上げが無効なときは、自動読み上げではエラーを出さずに何もしません。
  • openai_compatible を選んでいる場合、自動読み上げでも読み上げ用に整形した本文が接続先へ送られます。既定のローカルエンジンでは外部へ送られません。

ショートカットから新しい会話を開く​

会話ヘッダーの URL を押すと、選択中エージェント専用の新規会話 URL をコピーできます。 この URL は /agents/new/<agentId> の形式で、開くたびに空の会話を1件作成し、入力欄へフォーカスします。

macOS・iPhone のショートカットでは、コピーした URL を URL を開く アクションに渡してください。iPhone では Safari の制約によりキーボードや音声入力が自動で始まるとは限りませんが、入力欄は選択状態になります。初めて使う端末では、先に Web UI を開いて API トークンを保存してください。

一時会話(履歴を残さない会話)​

会話履歴や実行記録を残したくないときは、一時会話を使います。

  • 会話履歴の + 新しい会話 の下にある 一時会話として作成 にチェックを入れて作成するか、/agents/new/<agentId>?ephemeral=1 を開きます。
  • 一時会話中はヘッダーに 一時会話 バッジが表示され、コピー URL ボタンの代わりに 終了して削除 ボタンが出ます。
  • 一時会話は一覧に表示されず、下書き・最終表示会話にも保存されません。長期メモリの候補にもなりません。
  • 会話内容を別モデルに送る自動タイトル生成も行われません(タイトルは入力文の先頭のまま残ります)。
  • 承認したカレンダー登録などの外部副作用(HITL)は残ります。ツール自体の利用は通常どおり可能です。
  • 終了し忘れた一時会話は、最終更新から 24 時間後に日次の実行ログクリーンアップで自動削除されます。

URL に ?prompt=... を付けると、その文面が入力欄にあらかじめ入ります(自動送信はしません)。 例: /agents/new/<agentId>?prompt=明日の予定を教えて。既存会話にも /agents?session_id=<id>&prompt=... の形式で使えます。 入力済みテキストや保存済み下書きがある場合は上書きせず、反映後は URL から prompt を取り除きます。

Vault ファイルをコンテキストに追加する​

入力欄で @ を打つか、+ → Vault ファイル を選ぶと、Vault の Markdown ノートを選択できます。 ピッカー上部の Vault 選択で対象 Vault を切り替えて、Vault をまたいで添付できます。 選択したファイルは [vault_id] パス のチップとして表示され、送信時に全文がサーバー側で読み取られて会話の文脈に含まれます。

  • ファイル名・パスでの即時検索、本文での検索、ディレクトリツリーからの選択が同じ画面でできます。
  • 対象は Markdown(.md)のみ、1メッセージあたり最大5件です。他 Vault の一ファイル添付は、その Vault 全体を検索対象に加えません。
  • 参照したファイルはメッセージにもチップ表示されます。会話中は毎回 Vault から読み直すため、 ノートを編集した後の追質問にも最新の内容が反映されます。
  • 送信後にファイルが削除・移動された場合は、実行は継続し「見つかりません」と注記されます。

ツールとスキル​

  • エージェントには許可するツールを選択して付与します。
  • /(スラッシュ)コマンドで会話中にスキルやテンプレートのコマンドパレットを呼び出せます。
  • 使用バックエンド(OpenCode ACP など)はコーディング側と共通の実行基盤を利用します。

Vault への書き込み(vault_write_file)​

vault_write_file を付与したエージェントは、指定 Vault に UTF-8 テキストを直接書き込めます。

  • 入力は vault_id(対象 Vault。省略時は primary Vault)、relative_path(Vault からの相対パス、必須)、 content(書き込む本文、必須)、overwrite(既存ファイルの上書き。既定 false)です。
  • blog / ai(ai_access: write)への通常 Agent の書込みは無承認で実行されます。 main への汎用書込みは常に拒否されます。Task Agent・ワークフロー経由の書込みは従来どおり承認(plan_required)が必要です。
  • 絶対パスや ..、Vault 外へ逃げるシンボリックリンクは拒否されます。
  • 存在するファイルへの書き込みは、overwrite を明示的に true にしない限り失敗し、ファイルは変更されません。
  • 存在しない親ディレクトリは自動作成され、書き込みは一時ファイル経由で原子的に行われます。

画像生成(image_generate)​

image_generate を付与したエージェントは、プロンプトから画像を生成して保存し、 会話画面にインライン表示・ダウンロードできます。既定は低品質・小サイズです。 応答本文に ![説明](/api/v1/media/{media_id}) と書かれている画像も、その場に インライン表示されます。 保存先やモデル、既定サイズ・品質は config/config.yml の image_generation で設定します。 詳細は 画像生成 を参照してください。

送信キーの挙動

Enter の挙動は 設定 画面(/settings)の「チャット入力の送信方法」で切り替えられます。

保存されるもの​

  • 会話履歴、セッション、実行記録が SQLite に保存されます。
  • Task Agent・Workflow の Agent Node の会話も監査用に保存され、横断検索と日次サマリーに含まれます。AIエージェント画面の履歴一覧には表示されません。
  • セッションごとのプロンプト下書きはブラウザの sessionStorage に保存されます(秘密情報は保存されません)。
  • Webチャットの会話は、週次処理で長期メモリの候補抽出元になります。候補になるのはユーザー自身の発話だけで、 エージェントの返答は候補になりません(根拠の検証で保証されます)。Task Agent・ワークフローのセッションは対象外です。
  • メッセージがなく、タイトルが 新しい会話 の Web chat セッションは、作成日の翌日以降に日次の実行ログクリーンアップで削除されます。

関連する機能​

次に読む​