RAG クイックスタート

Spikuit は、本番環境にフル Brain エンジンを持ち込まなくても、自分のアプリ ケーションの検索バックエンドとして使えます。流れはこうです。

1. 作成：手元の開発機でフル spikuit を入れて Brain を作る
2. エクスポート：1 つの SQLite バンドルに書き出す
3. 配信：軽量な spikuit-core だけ入れたホストから読み出す

配信側はとても軽くて済みます。spikuit-core を素で入れるとぶら下がる依存は httpx と numpy だけ。重いエンジン依存（fsrs / networkx / aiosqlite / sqlite-vec / msgspec）は作成側のマシンに閉じ込められます。

1. インストール

# 作成側 — フルエンジン + spkt CLI
pip install spikuit

# 配信側 — 読み取り専用の検索クライアント
pip install spikuit-core

2. Brain を作る（作成側）

spkt init -p openai-compat \
  --base-url http://localhost:1234/v1 \
  --model text-embedding-nomic-embed-text-v1.5

spkt source ingest https://ja.wikipedia.org/wiki/モナド_(圏論) -d math
spkt source ingest https://ja.wikipedia.org/wiki/関手 -d math

spkt embed-all
spkt stats

3. QABot バンドルにエクスポート

spkt export qabot --output ./brain.db

出力は 1 つの SQLite ファイルで、Neuron / Source / Synapse / 埋め込みベクトル に加えて embedder のスペック（provider / model / dimension / prefix style / ヒント用 base URL）が入っています。API キーは入りません。

4. アプリから検索する

import asyncio
import os

from spikuit_core import QABot

# 配信側ホストは自分の LM Studio / OpenAI エンドポイントを指す
os.environ["SPIKUIT_EMBEDDER_BASE_URL"] = "http://localhost:1234/v1"

brain = QABot.load("brain.db")

async def main() -> None:
    hits = await brain.retrieve("モナドとは？", limit=5, domain="math")
    for h in hits:
        print(f"{h.score:.3f}  {h.content[:80]}")
        for s in h.sources:
            print(f"        ↳ {s['url']}")

asyncio.run(main())

Embedder の解決順

QABot.load は次の順番で embedder のエンドポイントを解決します。

1. 環境変数 SPIKUIT_EMBEDDER_BASE_URL / SPIKUIT_EMBEDDER_API_KEY
2. キーワード引数 base_url= / api_key=
3. バンドルに記録されているヒント（注意：到達できる保証なし）

バンドルが provider = "none" でエクスポートされている（embedder なし）場合、 QABot はキーワード検索のみのモードで動き、埋め込み API を呼びにいきません。

QABot ができること・できないこと

QABot は意図的に読み取り専用です。

機能	可否
retrieve() — セマンティック + キーワードのハイブリッド検索	✅
system_prompt() — _meta Neuron の連結	✅
domains() / stats() / neuron(id) / sources(id)	✅
Neuron や Synapse の追加・更新	❌ — オフラインで編集して再エクスポート
FSRS スケジューリング、伝播、STDP	❌ — エンジン側専用

Brain を更新したくなったら、作成側のマシンで編集して、新しいバンドルを配信 側に置き換える運用になります。