playchat/CLAUDE.md

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

プロジェクト概要

Python (FastAPI) バックエンド + Vue 3 (TypeScript) フロントエンドのチャットアプリ。
LLM は LiteLLM 経由で OpenAI / Anthropic / Ollama など任意のプロバイダーを統一 API で扱い、会話履歴とメモリは SQLite に永続化する。

コマンド

バックエンド

Set-Location backend

# 依存インストール (SSL プロキシ環境では --native-tls が必要)
uv sync --native-tls

# 開発サーバー起動
uv run uvicorn app.main:app --reload

# テスト
pytest
pytest tests/test_chat.py        # 単一ファイル

フロントエンド

Set-Location frontend

# 依存インストール
npm install

# 開発サーバー起動 (port 5173)
npm run dev

# ビルド
npm run build

# 型チェック
npm run type-check

環境設定

Set-Location backend
Copy-Item .env.example .env
# .env を編集して API キーとモデル名を設定

アーキテクチャ

詳細は docs/architecture.md を参照。

frontend (Vue3 + Pinia, :5173)
    ↕ REST + SSE (Vite proxy)
backend (FastAPI, :8000)
    ├── app/api/           チャット・メモリ・ノート・ログ・設定 のルーター
    ├── app/core/          LLM ラッパー・共有ノート・設定
    │   ├── memory_kb/     コンテキスト管理（要約・蓄積知識・ローカルKB・タグ付け）
    │   ├── search/        Tavily Web 検索
    │   └── discord/       Discord Bot・定期通知
    └── app/db/            SQLAlchemy モデル・DB 接続
    ↕
SQLite (playchat.db) + LiteLLM → 任意の LLM

コンテキスト管理

LLM に渡すコンテキストは app/core/memory_kb/memory.py の get_context_messages() が毎リクエスト組み立てる。 以下の順に system メッセージを積み、最後に会話履歴を連結する（詳細は docs/architecture.md）。

1. 蓄積知識 (memory_kb/knowledge.py): 過去の Web 検索で得た knowledge_entries の見出し一覧のみ（- 「クエリ」: 一行要約）。本文と出典は含めず、必要なら read_knowledge ツールで読み出す。最新 KNOWLEDGE_CONTEXT_LIMIT（既定 15）件。セッションを横断する
2. 共有ノート (core/notes.py): タイトル一覧＋本文先頭 40 文字のプレビューのみ
3. ローカル KB (memory_kb/local_knowledge.py): backend/knowledge_base/**.md のうち、直近ユーザー発言と埋め込みコサイン類似度が高い上位 LOCAL_KB_TOP_K（既定 3）件かつ LOCAL_KB_MIN_SCORE（既定 0.75）以上を全文注入。プロンプト上は Web 検索結果より優先する扱い
4. 長期メモリ: memories の要約を全件連結。上限なし
5. 短期メモリ: セッション内の messages 全件（要約で削除された分を除く）

要約: maybe_summarize() がアシスタント応答の保存直後に走り、メッセージ数が MEMORY_SUMMARIZE_THRESHOLD（既定 20）以上になると古い半分を LLM で要約して memories に保存する。要約した元メッセージは archived_at を立ててアーカイブされる（物理削除はしない）。アーカイブ済みメッセージは get_context_messages() と要約の閾値判定の両方から除外されるため LLM には渡らないが、DB には残り、履歴表示・エクスポートからは参照できる。memory_id にどの要約に取り込まれたかを保持する。

遅延読み込み: 重い情報は目次だけ注入し、llm.stream_tool_calls()（結果だけ欲しい場合は同等のラッパー resolve_tool_calls()）が本番生成の前にツール（web_search / read_note / write_note / read_knowledge、最大 2 ラウンド）を解決する。前者は実行の開始・完了を逐次 yield し、api/chat.py がそれを SSE の tool イベントとして中継して GUI に進行状況を出す。Web 検索の結果は構造化要約にされ knowledge_entries と knowledge_base/web_search/*.md の両方に保存されるため、次回以降は層 1・層 3 として自動的に効いてくる。

付随機能: memory_kb/tagging.py が各メッセージ・要約にバックグラウンドでタグを 3 つ付ける（コンテキストには注入せず、Discord 雑談 Bot の話題選びに使う）。memory_kb/word_memory.py は Janome で抽出した名詞を deque(maxlen=200) にプロセス内保持する（DB 非永続。起動時に直近 200 件から再シード）。

変更時の注意: トークン数ベースの制御は一切なく、すべて件数・文字数ベース。またツールを使わない会話でも resolve_tool_calls() がフルコンテキストを 1 回投げるため、1 応答あたり LLM 呼び出しは最低 2 回になる。

共有ノート

ユーザーと AI が共同編集するノート。note_pages テーブルに 1 ページ 1 行で保存し、UI ではタブとして切り替える。

• モデルから見える範囲: システムプロンプトに入るのはページのタイトル一覧（と本文の先頭 40 文字程度のプレビュー）だけ。本文全体は含めない
• モデルによる読み書き: read_note / write_note ツール（app/core/notes.py）で行う。write_note は存在しないタイトルを指定するとページを新規作成し、mode が append（既定）なら追記、replace なら全置換
• ツール実行の流れ: llm.resolve_tool_calls() が本番の応答生成前にツール呼び出しを解決する。web_search と共通の仕組みで、ノート系ツールは db が渡されたときだけモデルに提示される
• UI への反映: AI がノートを書き換えた場合、SSE で notes_updated を送ってフロント側のノートパネルを再読み込みさせる
• 編集の衝突回避: フロントは未保存の編集があるページ（dirtyIds）をサーバーの値で上書きしない
• セクションによるグルーピング: note_pages.section にセクション名を持たせ、同じセクションのページは position 上で常に連続させる（core/notes.set_section() が割り当て時に並べ替える）。タブバーは position 順に描画し、隣接して同じ section が続く区間を1グループとして表示する。get_notes_context() はセクションごとに ## セクション名 の見出しを付けてタイトル一覧を出す。セクション名の一括変更は POST /api/notes/sections/rename（core/notes.rename_section()）

SSE ストリーミング

POST /chat/stream が SSE を返す。イベント種別: session_id（新規セッション ID）/ chunk（テキスト断片）/ tool（ツール実行の開始・完了）/ sources（Web 検索の出典）/ notes_updated（AI が共有ノートを更新）/ done（完了）/ error（エラー）。
フロントは src/api/client.ts の streamChat() で fetch + ReadableStream により受信し、messages.value[msgIdx] を reactive proxy 経由で更新する。

Markdown レンダリング

アシスタントメッセージは marked + DOMPurify でレンダリング。ストリーミング中の未閉じコードフェンスは自動補完してから描画する（MarkdownContent.vue）。

モデル切替

.env の DEFAULT_MODEL またはリクエストの model フィールドで指定。
ローカル Ollama は ollama/llama3 形式、OLLAMA_API_BASE でエンドポイントを設定。
DEBUG=true で LiteLLM の詳細ログが有効になる。

ローカル開発環境メモ

• このマシンでは PostgreSQL がポート 8080 で起動している（本アプリの DATABASE_URL には使用していないが、ポート競合時は確認すること）
• このマシンには TLS 監視プロキシらしき設定があり、環境変数 SSLKEYLOGFILE が名前付きパイプ（nllMonFltProxy）を指している。これが原因で litellm（OpenSSL を直接ロード）や pyright（内部で Node.js サブプロセスを起動）が OPENSSL_Uplink エラーでクラッシュすることがある。発生した場合は当該コマンド実行時のみ SSLKEYLOGFILE を unset すると回避できる

  Remove-Item Env:\SSLKEYLOGFILE
  uv run pyright
  

環境変数（backend/.env）

変数	デフォルト	説明
DEFAULT_MODEL	gpt-4o	デフォルト LLM モデル（.env.example では gpt-5.4）
DATABASE_URL	sqlite:///./playchat.db	DB 接続先
MEMORY_SUMMARIZE_THRESHOLD	20	長期メモリ化するメッセージ数の閾値
KNOWLEDGE_CONTEXT_LIMIT	15	蓄積知識をシステムプロンプトに注入する最大件数
TAVILY_API_KEY	—	Tavily Web 検索の API キー（未設定なら web_search は空を返す）
SEARCH_SUMMARY_MODEL	—	Web 検索結果の要約に使うモデル（未設定なら DEFAULT_MODEL）
TAGGING_MODEL	—	メッセージの自動タグ付けに使うモデル（未設定なら DEFAULT_MODEL）
LOCAL_KB_DIR	knowledge_base	ローカル Markdown ナレッジベースのディレクトリ
LOCAL_KB_EMBEDDING_MODEL	text-embedding-3-small	ローカル KB の埋め込みモデル（GUI 設定画面から実行時変更可）
LOCAL_KB_TOP_K	3	ローカル KB から注入する最大ファイル数
LOCAL_KB_MIN_SCORE	0.75	ローカル KB を注入するコサイン類似度の下限
CORS_ORIGINS	http://localhost:5173	許可する CORS オリジン
DEBUG	false	LiteLLM デバッグログの有効化
OPENAI_API_KEY	—	OpenAI API キー
ANTHROPIC_API_KEY	—	Anthropic API キー
OLLAMA_API_BASE	http://localhost:11434	Ollama エンドポイント
NOTES_TOOL_CONTENT_LIMIT	4000	read_note が 1 回に返す本文の最大文字数
KNOWLEDGE_TOOL_CONTENT_LIMIT	4000	read_knowledge が 1 回に返す本文の最大文字数
SITE_PASSWORD	—	サイト全体を保護する共有パスワード（未設定なら無認証）
SESSION_SECRET_KEY	起動毎に自動生成	ログインセッション Cookie の署名鍵