> ## Documentation Index
> Fetch the complete documentation index at: https://docs.clipsx.app/llms.txt
> Use this file to discover all available pages before exploring further.

# OllamaでローカルAIを設定

> モデルを選び、Ollamaを接続して、ClipsXの任意のAI機能を使い始めます。

ClipsXはAIなしでも使えます。**埋め込みモデル**は意味からクリップを検索し、**生成モデル**はRecallの回答や対応するAI拡張機能の文章を生成します。チャットモデルが埋め込みにも対応するとは限りません。Ollamaのインストールとモデルのダウンロードは利用者が行います。

<h2 id="starting-setup">
  開発者の構成から始める
</h2>

開発者は意味検索に **`bge-m3:latest`**、生成に **`gemma3:4b`** を使っています。具体的な出発点であり、すべての端末での性能を保証するものではありません。

<Steps>
  <Step title="Ollamaをインストールして起動">
    [公式ダウンロード](https://ollama.com/download)のOS別手順に従って起動してください。既定のローカル接続先は `http://localhost:11434` です。すでにサービスが動作している場合、二重に起動しないでください。
  </Step>

  <Step title="モデルをダウンロード">
    ClipsXと同じ端末のターミナルで実行します。

    ```shell theme={null}
    ollama pull bge-m3:latest
    ollama pull gemma3:4b
    ollama list
    ```

    一覧にモデル名があることを確認します。検索だけならGemmaは不要です。ダウンロードにはインターネットが必要ですが、ローカル推論にはインストール済みのモデルを使います。
  </Step>

  <Step title="ClipsXを接続">
    **インテリジェンス → モデル**で `http://localhost:11434` を入力し、接続します。成功すると、インストール済みモデルと対応能力が表示されます。モデルを追加したら接続情報を更新してください。
  </Step>

  <Step title="必要な機能を有効化">
    意味検索で `bge-m3:latest` を選び、有効にします。モデルの検証後、対象クリップをバックグラウンドで索引化します。Recallや対応拡張機能を使うには、ローカルテキスト生成で `gemma3:4b` を選んで有効にします。接続だけでは各機能は有効になりません。
  </Step>
</Steps>

次は[意味検索の練習](/ja/meaning-search#first-result)、[Recallの練習](/ja/recall#first-answer)、[Rewriteの変換](/ja/extensions#rewrite)を試してください。意味検索の索引作成中も通常のテキスト検索は使えます。

<h2 id="embedding-models">
  埋め込みモデルを選ぶ
</h2>

検索用のベクトルを作るモデルです。回答の文章は生成しません。ClipsXはOllamaが埋め込み対応と報告するモデルを表示し、有効化時に出力を検証します。

| 例 | 検討する理由 | 確認する点 |
| - | - | - |
| [BGE-M3](https://ollama.com/library/bge-m3) — `bge-m3:latest` | 開発者が使う多言語検索の構成 | 約1.2 GBのダウンロード。自分の言語と質問で試す |
| [EmbeddingGemma](https://ollama.com/library/embeddinggemma) — `embeddinggemma` | パラメータ数が小さい多言語候補 | Ollama 0.11.10以降が必要。検索結果を評価 |
| [Qwen3 Embedding](https://ollama.com/library/qwen3-embedding:0.6b) — `qwen3-embedding:0.6b` | 別の多言語検索候補 | 現在のサイズと索引の動作 |

代替モデルは**評価する候補**であり、ClipsXで独立した性能比較を済ませた構成ではありません。いずれかをダウンロードし、モデル一覧を更新して選びます。

```shell theme={null}
ollama pull embeddinggemma
# 別の候補を選ぶ場合:
ollama pull qwen3-embedding:0.6b
```

埋め込みモデルを変えるとベクトル空間も変わります。ClipsXは代わりの索引を作成します。作成中は既存の有効な索引が使われる場合があります。比較は置き換えが完了してから行ってください。

<h2 id="generation-models">
  生成モデルを選ぶ
</h2>

文章を生成するモデルです。モデルが画像やツールに対応していても、ClipsXのテキスト生成処理にその機能が追加されるわけではありません。

| 例 | このガイドでの位置づけ |
| - | - |
| [Gemma 3 4B](https://ollama.com/library/gemma3:4b) — `gemma3:4b` | 開発者の構成。約3.3 GBのダウンロード。Ollama 0.6以降が必要 |
| [Gemma 3 1B](https://ollama.com/library/gemma3:1b) — `gemma3:1b` | 小さいパラメータ数の候補。指示への応答を評価 |
| [Qwen 3.5 2B](https://ollama.com/library/qwen3.5:2b) / [4B](https://ollama.com/library/qwen3.5:4b) — `qwen3.5:2b` / `qwen3.5:4b` | 新しい世代の候補。必要な資源と出力を比較 |
| [Gemma 4 E4B](https://ollama.com/library/gemma4:e4b) — `gemma4:e4b` | 新しい候補。現在のOllamaで機能の検出を確認 |

例:

```shell theme={null}
ollama pull gemma3:1b
```

モデル一覧を更新し、ローカルテキスト生成で選んで有効化または更新します。引用付きのRecallと短いRewriteを試し、役立つ内容か、誤り、待ち時間、資源使用量を比較してください。文章が出るだけでは成功とは言えません。生成モデルの変更に意味検索の再索引化は不要です。

公式一覧の確認日: **2026年10月8日**。タグや要件は変わることがあります。各リンクでサイズ、必要なOllamaバージョン、ライセンスを確認してください。モデルのライセンスはClipsXのApache 2.0とは別です。問題報告には正確なタグと `ollama list` の識別子を添えてください。

<h2 id="resources">
  資源の使用量を理解する
</h2>

各モデルのライセンスと提供元の条件を確認してください：[BGE-M3](https://ollama.com/library/bge-m3:latest/blobs/a406579cd136), [Gemma 3](https://ollama.com/library/gemma3:4b/blobs/dd084c7d92a3), [EmbeddingGemma](https://ollama.com/library/embeddinggemma:latest/blobs/1adbfec9dcf0), [Gemma 4](https://ollama.com/library/gemma4:e4b/blobs/7339fa418c9a), [Qwen 3.5](https://ollama.com/library/qwen3.5:2b), [Qwen3 Embedding upstream](https://github.com/QwenLM/Qwen3-Embedding)。Qwenモデルは公式ページのライセンスやモデルカードへのリンクを確認します。同じOllama APIを使っていても、ライセンスは同じとは限りません。

ダウンロードサイズやパラメータ数はRAM・VRAM要件ではありません。量子化、コンテキスト、読み込んだモデル数でも使用量は変わります。CPU処理は遅くなる場合があり、長いコンテキストはメモリを多く使います。一定の端末仕様や速度は保証していません。

処理中に `ollama ps` でモデルとCPU・GPUの配置を確認できます。短い文章から試してください。負荷が大きい場合は小さいモデルを評価する、重い処理を閉じる、AIなしで通常の検索を使う、といった選択があります。

<h2 id="local-boundary">
  推論をローカルに保つ
</h2>

端末にダウンロードするタグを使います。Ollamaにはクラウドモデルもあるため、ループバック接続だけではローカル推論の証明になりません。モデルとOllama設定を確認し、端末内で処理したい場合はクラウド版を選ばないでください。モデルには各処理に必要な文章が渡されます。拡張機能には別途権限の境界があります。

<h2 id="recovery">
  復旧と無効化
</h2>

* **接続できない:** Ollamaの起動と接続先を確認し、再接続前に `ollama list` を試します。
* **対応モデルがない:** 必要な能力のモデルをダウンロードし、一覧を更新して選びます。
* **索引の失敗:** インテリジェンスの索引画面で、対象クリップと診断を確認してから再試行します。
* **生成の失敗や不適切な回答:** モデル名を確認し、入力を短くするか別のモデルを評価します。同じAPIでも能力や結果は保証されません。
* **AIを停止:** 対応するモデル欄で無効にします。保存済み索引の削除は別の[索引操作](/ja/meaning-search#manage-index)です。元のクリップは保持されます。

[トラブルシューティング](/ja/troubleshooting)と[プライバシー](/ja/privacy)も確認してください。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.