ナレッジレイヴン：Claude Codeで構築されたモデル非依存のナレッジベースプラットフォーム

Knowledge Ravenは、MCP互換のLLM（Claude、GPTなど）が企業文書を検索し、出典付きで特定のセクションを取得できるナレッジベースプラットフォームです。このプラットフォームは、AIアシスタントのための構造化された権限認識型メモリとして機能します。

プラットフォームの機能と特徴

このプラットフォームは、ドキュメントのアップロードと、Drive、Confluence、Notion、Dropbox、GitHubなど様々なソースへの接続をサポートしています。無料プランでは、50ドキュメントと3ユーザーという制限があります。

技術的アーキテクチャ

このプラットフォーム全体は、単独の創業者によってClaude Codeを使用して構築されました。技術スタックは以下の通りです：

• バックエンド：Python/FastAPI
• MCPツール層
• 親子関係検索を備えたエージェント型RAGパイプライン
• 文脈的埋め込み
• ハイブリッド検索

インスピレーションと背景

この開発は、Andrej KarpathyがLLMで個人用ナレッジベースを構築するワークフローに触発されました。彼のアプローチは、生の情報源を構造化されたウィキにまとめ、エージェントを使ってクエリを実行するというものです。Karpathyは、この方法が小規模（約100記事、約40万語）ではうまく機能するが、大規模な実装には限界があると指摘し、「ここには、場当たり的なスクリプトの寄せ集めではなく、信じられないほど素晴らしい新製品の余地があると思います」と述べています。

Knowledge Ravenは、このギャップを埋めるために、エンタープライズのニーズに合わせて拡張し、50,000ページ以上を処理し、アクセス制御とライブ同期されたソースを扱います。このプラットフォームは、実際のエージェント型RAGインフラストラクチャを実装しており、この規模では、より単純なスクリプトベースのアプローチに比べて必要不可欠となります。

技術的アプローチと哲学

開発者は、Karpathyのシステムがツールベースであり、LLMが外部ファイルを操作し、ツールとして検索エンジンを呼び出し、構造化された出力を書き出すものであると説明しています。これは、Knowledge Ravenが使用するMCPパターンと一致しています。この投稿では、ファインチューニングに関する誤解にも触れ、企業のナレッジをモデルの重みにファインチューニングすると、出典の帰属、権限、リアルタイム更新機能が失われると指摘しています。

開発者は、AIアシスタントに組織のナレッジベースへのアクセスをチーム規模で提供するという問題を解決するために、個人のワークフローを超えてエンタープライズ対応のソリューションへと移行することを目指し、Knowledge Ravenを構築しました。