What is CleverBee?
信頼できる答えを見つけるためにオンライン情報の広大な海をナビゲートすることは、圧倒されるように感じることがあります。検索結果を精査し、首尾一貫した理解をまとめようとしながら、潜在的な誤情報やAIの「ハルシネーション(幻覚)」と戦い、何時間も費やすかもしれません。ここで、構造化され、透明性の高いアプローチでAIを活用した研究を提供する CleverBee が登場します。
CleverBee は、複雑なトピックに興味を持つ人のためにオープンソースプロジェクトとして構築された、Pythonベースの研究アシスタントエージェントです。複数の大規模言語モデル(LLM)、Web自動化、および明確なインターフェースを活用して、質問を徹底的に探求するのに役立ちます。目標は、答えを得るだけでなく、情報源への明確な引用とともに、それらの答えがどのように導き出されたかを理解することです。オープンソースであるため、このツールはコミュニティの貢献から恩恵を受け、時間の経過とともに強力かつ汎用性が高まります。
主な機能:
🧠 特殊なマルチLLM戦略:CleverBee は、最適な結果を得るために、異なるタスクを個別のLLMに割り当てます。高レベルの計画と最終レポートの合成には Gemini 1.5 Pro を、研究の進捗状況の分析と次のステップの決定には Gemini 1.5 Flash を、Webコンテンツを効率的に要約するためには別の Gemini 1.5 Flash インスタンスを使用します。この作業の分担は、各段階でより高品質で、より焦点の絞られた出力を目指しています。
🌐 自動化されたWebリサーチ:Playwright を利用して、研究トピックに基づいてWebを積極的に閲覧します。関連情報を検索し、有望なページから生のHTMLコンテンツを抽出します。
📊 インテリジェントなコンテンツ処理:生のHTMLは自動的にクリーンアップされ、Markdown形式に変換されます。この構造化されたテキストは、専用のLLMによって要約され、プランニングエージェントが消化し、その後のアクションを決定しやすくなります。
🖥️ インタラクティブなユーザーインターフェース:Chainlit で構築されたWeb UIは、研究プロセスへの明確な窓を提供します。 CleverBee がアプローチを計画し、ステップを実行し、どのソースをリアルタイムで参照しているかを正確に確認できます。
🔧 拡張可能なツール統合:Model Context Protocol(MCP)をサポートし、YouTubeのトランスクリプトの取得や学術データベースの検索など、特殊なデータ収集のための外部ツールの統合を可能にします。
📈 透明性の高いコストとパフォーマンス:LLMの使用状況を監視し、コストを見積もるための統合されたトークントラッキングを備えています。また、SQLiteベースのキャッシュ(NormalizingCache)を使用して、以前のLLM呼び出しからの結果を保存し、その後の同様のクエリを高速化し、冗長なAPI費用を削減する可能性があります。
⚙️ 構成可能で適応可能:
config.yamlファイルで定義された設定に基づいて動作し、その動作を調整できます。そのモジュール式の設計は、Google Gemini、Anthropic Claude、さらにはllama-cpp-pythonを介して実行されるローカルGGUFモデル(Llama、Mistral、Deepseekなど)を含む、さまざまなLLMプロバイダーをサポートし、プライバシーの強化やオフラインでの使用を可能にします。🌍 オープンソースおよびコミュニティ主導:GitHubで無料で入手でき、コードを検査したり、改善を提案したり、開発に直接貢献したりできます。
CleverBee がどのように研究に取り組むか:実践的な例
CleverBee に「人生の意味とは何か?」のような深遠な質問をすると想像してください。
単一の、潜在的に偏った答えを与える代わりに、CleverBee は構造化された研究計画を開始します:
計画:プライマリLLMは、潜在的なソースタイプ(哲学的なテキスト、科学的な記事、専門家の意見、コミュニティディスカッション)を特定する戦略を概説します。
実行:
Playwright を使用して、関連する哲学的なリソースと評判の良いWebサイトを検索してアクセスします。
MCPツールを使用して、YouTubeで関連する専門家の講演を見つけて書き起こす場合があります。
Redditのようなフォーラムで、多様なコミュニティの視点を調べることができます。
別のMCPツールは、関連する心理学的または科学的な研究のために学術データベースを検索する場合があります。
処理:これらのソースからのコンテンツは抽出、クリーンアップ、および要約されます。
分析:「次のステップ」LLMは、収集された要約をレビューし、計画に対する進捗状況を確認し、より具体的な検索が必要かどうかを決定します。
合成:最後に、プライマリLLMは調査結果をコンパイルし、さまざまなソースからの情報をバランスの取れたレポートに合成します。
レポート:最終的な出力は、簡潔な要約を提供し、制限事項を認識し、重要なことに、参照されたすべてのソースの引用を含め、自分で情報を検証できるようにします。インターフェースは、透明性のためにトークン使用量のメトリックを表示します。
重要な考慮事項
CleverBee は、批判的思考や深い専門知識に代わるものではなく、研究を支援するように設計されたツールです。その調査結果を事実に基づいた情報源に根ざし、バイアスを最小限に抑えるように構築されていますが、(特定の指示があっても)AIモデルは依然として誤った情報(ハルシネーション)を生成する可能性があります。特に重要な決定については、提供されたソースを常に確認し、調査結果を相互参照してください。





