源内AI
经 AI Skill Hub 精选评估，源内AI 获评「强烈推荐」。这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
源内AI 依赖 TypeScript 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 TypeScript 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 源内AI 的版本更新，及时通知重要功能变化。
📋 工具概览
源内AI 是一款基于 TypeScript 开发的开源工具，专注于 AI、TypeScript、Keycloak 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
源内AI 是一款基于 TypeScript 开发的开源工具，专注于 AI、TypeScript、Keycloak 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：npm 全局安装 npm install -g open-genai # 方式二：npx 直接运行（无需安装） npx open-genai --help # 方式三：项目依赖安装 npm install open-genai # 方式四：从源码运行 git clone https://github.com/hirokawaguchi/open-genai cd open-genai npm install npm start
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
open-genai --help
# 基本用法
open-genai [options] <input>
# Node.js 代码中使用
const open_genai = require('open-genai');
const result = await open_genai.run(options);
console.log(result);
# open-genai 配置说明 # 查看配置选项 open-genai --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export OPEN_GENAI_CONFIG="/path/to/config.yml"
Open GENAI
デジタル庁がオープンソースで公開したガバメント AI「源内（GENAI）」を、 完全ローカル環境 × ローカル LLM（OpenAI 互換 API） で動かすためのプロジェクトです。
バージョン: 現在 v0.9.0（提案実装 第3弾：Markdown エディタ＋オプションの各種文書作成。調達仕様書・セキュリティポリシー/実施手順・業務マニュアル・アクションプラン等を AI 対話で作成でき、生成 API はプラガブル＝契約は OSS 公開・生成ロジックは非公開アプリに閉じ込め可能。いずれもオプション profile）。v0.8.0 = 提案実装 第2弾：オンラインフォーム（patchform）／手続き（申請束）・申請受付／マイ手続き（docmaker）／手続き MCP、v0.7.0 = 提案実装（書類読取とチェック・日程調整・様式 Excel 文書生成）、v0.6.0 = 添付・ナレッジの個人情報検知／ナレッジ専用ページ／チャット大容量添付の mapreduce／Dify エラー分類、v0.5.0 = 本番静的ビルド/デプロイ整備・複数LLM/埋め込み/画像モデルの差し替え・SAML/認証堅牢化、v0.4.0 = 構造化 RAG・ナレッジ MCP・Dify 連携事例・マイナンバー検査、v0.3.x = 出典表示・画像生成一本化等、v0.2.x = 自治体・閉域向け拡張、v0.1.0 = ローカル源内化の第一段階。 変更履歴は CHANGELOG.md を参照。
免責 / Disclaimer: 本リポジトリは有志による非公式フォークです。デジタル庁とは一切関係がなく、 同庁による承認・支援を受けたものではありません。genai-web/はデジタル庁の digital-go-jp/genai-web（MIT ライセンス）を ローカル動作向けに改変して同梱しています（原 LICENSE はgenai-web/LICENSEに保持）。 デジタル庁オリジナルのgenai-ai-apiは本リポジトリには含めていません（必要な場合は digital-go-jp/genai-ai-api を別途取得してください）。
ホスト OS / ハードウェアは特定環境に依存しません。macOS (Apple Silicon) でも、 Linux + NVIDIA GPU 機（例: NVIDIA DGX Spark）でも動作します。
源内はもともと AWS / Azure / Google Cloud などのクラウド前提 （Amazon Cognito 認証・Lambda・Bedrock 等）で作られているため、そのままでは ローカルで動きません。本プロジェクトは以下を行うことでローカル完結させます。
- 認証（SAML）を ローカル完結（
backendを SAML SP、Keycloakを SAML IdP として実装） - LLM 呼び出しを OpenAI 互換 API 経由で行う（既定は Ollama の
/v1。vLLM / LM Studio / OpenAI など任意の OpenAI 互換サーバに切替可） - クラウド API（チャット履歴・推論ストリーム）を ローカルバックエンド（FastAPI） で代替
[ブラウザ] ──▶ proxy (nginx :80) ──▶ web (源内 Web / Vite)
│ REST + ストリーミング
├──▶ backend (FastAPI) ──▶ OpenAI 互換 LLM（Ollama 等）
└──▶ keycloak (/kc) SAML IdP本番は docker-compose.prod.yml で TLS(443) 終端。閉域検証は HTTP(80) のみ（docker-compose.verify.yml）。SeaweedFS（8333）は本番 compose ではホスト非公開で、成果物のダウンロードは S3_PUBLIC_ENDPOINT 経由のリバースプロキシを別途用意します（詳細は「成果物ファイル」節）。
変更履歴: CHANGELOG.md（v0.9.0 = 提案実装 第3弾：Markdown エディタ＋オプションの各種文書作成（生成 API はプラガブル・契約は OSS 公開）、v0.8.0 = 提案実装 第2弾：オンラインフォーム（patchform）・手続き（申請束）・申請受付・マイ手続き（docmaker）・手続き MCP、v0.7.0 = 提案実装：書類読取とチェック・日程調整・様式 Excel 文書生成、v0.6.0 = PII 検知・ナレッジ専用ページ・大容量添付 mapreduce 等、v0.5.0 = 本番静的ビルド/デプロイ整備・複数LLM/埋め込み/画像モデル差し替え・SAML/認証堅牢化、v0.4.0 = 構造化 RAG・ナレッジ MCP・Dify 連携事例・マイナンバー検査、それ以前は CHANGELOG 参照）
.env に PII_INSTALL_NER=1 を設定してから再ビルド（またはコマンド先頭で渡す）
PII_INSTALL_NER=1 docker compose up -d --build backend rag-app
.env.prod に PII_INSTALL_NER=1 を設定してから:
PII_INSTALL_NER=1 docker compose -f docker-compose.prod.yml --env-file .env.prod \ up -d --build backend rag-app
.env.prod に以下を設定（.env.prod.example の「ruri-v3-310m を使う場合」の例を参照）
proxy/certs/fullchain.pem, privkey.pem を配置
ホストシェルの PUBLIC_URL 等が .env.prod を上書きしないよう
embed サイドカーを含めて起動（COMPOSE_PROFILES=embed を .env.prod に入れれば --profile 省略可）
docker compose -f docker-compose.prod.yml --env-file .env.prod --profile embed up -d --build embed rag-app ```
embedを起動しない運用ではEMBED_BASE_URLを外部の埋め込み API に向けても構いません（サイドカー不要）。- 開発・検証環境では
embedは不要です（docker-compose.yml/docker-compose.verify.ymlは既定 mxbai のまま）。 - 初回起動時にモデルを HuggingFace から取得し
embed_dataボリュームへキャッシュします（数百 MB〜。閉域では事前取得が必要）。
EMBED_API_KEY=-
RAG Retrieval API（機械向け）
人間向け Q&A は POST /invoke（源内 exApp）。Dify 等から節／チャンクを取り出すときは POST /retrieve など機械向け API を使います（開発時ホスト :8001）。
詳細・curl 事例（タグ横断／source 指定／サンプル登録）は docs/knowledge-api.md を参照。
最短疎通:
curl -s -X POST http://127.0.0.1:8001/retrieve \
-H "x-api-key: local-rag-key" -H "Content-Type: application/json" \
-d '{"question":"管理者は誰ですか","mode":"auto","top_k":4,"scope":"00000000-0000-0000-0000-000000000000","tags":["規程"]}'- 埋め込み: Ollama
mxbai-embed-large/ ベクトル: Qdrant / メタ: SQLite - E2E:
scripts/e2e-tree-rag.sh
UX 方針（源内組み込み vs exApp）
クラウド版源内には組み込みの「文字起こし」（/transcribe）と「画像を生成」（/image）があります。 Open GENAI では 機能ごとに入口を分けています（どちらもローカルで動作するよう置き換え済み）。
| 機能 | Open GENAI での入口 | 理由（UX） |
|---|---|---|
| **画像生成** | 源内オリジナル **/image** + ホスト **Stable Diffusion** | チャット連携・利用履歴・詳細設定など、源内組み込み UX を活かす。初期の SD 専用 exApp は重複のため廃止 |
| **文字起こし** | **exApp**（whisper-app） | 源内 /transcribe は Amazon Transcribe + S3 前提のためメニューから除外。ローカル Whisper を exApp として提供 |
文字起こしで exApp を選んだ理由
- 源内
/transcribeの主な差分は 話者分離（diarization） だが、ローカルの faster-whisper では Transcribe 相当の話者認識は提供していない。あえて外し、言語指定・タイムスタンプ付き出力・exApp 利用履歴に寄せた - 音声は exApp 実行時にコンテナ内で処理され、クラウドへ送信されない（源内
/transcribeのコードはリポジトリに残るが、Open GENAI では/apps/.../whisperから利用する）
高质量的开源AI项目，支持本地部署
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：open-genai 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：源内AI 的核心功能完整，质量优秀。对于AI 技术爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | open-genai |
| 原始描述 | 开源AI工具：デジタル庁のガバメントAI「源内(GENAI)」を完全ローカル(ローカルLLM/OpenAI互換)で動かす非公式プロジェクト。SAML認証(Keycloak)・。⭐119 · TypeScript |
| Topics | AITypeScriptKeycloak |
| GitHub | https://github.com/hirokawaguchi/open-genai |
| License | NOASSERTION |
| 语言 | TypeScript |
收录时间：2026-07-07 · 更新时间：2026-07-07 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。