統合と導入

4つの接続方式、貴社に合うものが必ずあります

1行のコマンドからディープ統合まで、チームの技術スタックに合わせて自由に選択

コマンドラインCLI

適した相手：運用部門の一括処理

1コマンドで前処理、チャンク分割、評価を完了。ディレクトリ一括処理、チェックポイントからの再開に対応し、既存のデータ処理フローへのスクリプト接続が可能。

HTTP API

適した相手：アプリケーションバックエンド統合

RESTfulインターフェースが前処理、ナレッジベース構築、評価の全工程をカバーし、同期/非同期、分割アップロード、SSE進捗プッシュに対応。

C動的ライブラリSDK

適した相手：C/C++/Javaのディープ統合

クロスプラットフォームの.so/.dylib/.dll + Cヘッダーファイル、マルチプラットフォーム事前コンパイル済みビルドを、貴社のサービスプロセスに埋め込み、ネットワークオーバーヘッドゼロ。

Python / LangChain

適した相手：AIアプリケーション・データチーム

依存ゼロのPython SDK + LangChainコネクタで、3行のコードで企業ナレッジベースをDocumentリストに取り込み、メタデータを透過します。

どれほど簡単か？コードをご覧ください

「ファイル」から「ナレッジベース」まで、想像より短い距離です

方式一：コマンドライン前処理（抽出→クレンジング→マスキング→圧縮、1コマンド）

# 文書前処理 uglypearai preprocess --input contract.docx --output-dir out/ --clean --desensitize --compress # ナレッジベース構築（全チェーンingest、チェックポイントからの再開に対応） uglypearai chunk --mode ingest --input report.pdf --storage-dir ./rag_store --preset legal # 評価を一巡実行 uglypearai eval run --evalset my_set --report out/report.json

方式二：Python + LangChain（AIチームに最も扱いやすい）

from uglypear_rag import UglyPearRAG from uglypear_rag.integrations.langchain_loader import UglyPearLoader client = UglyPearRAG("http://イントラネットアドレス:8080", api_key="sk-uglypear-***") loader = UglyPearLoader(client, user_tags=["dept:legal"]) docs = loader.load() # -> [Document]、chunk_id/バージョン/権限タグなどのメタデータを自動透過

方式三：HTTP API（任意の言語から呼び出し可能）

POST /v1/rag/preprocess # 文書 → 構造化JSON + マスキング済みコピー POST /v1/rag/ingest # 全チェーン登録：チャンク分割→強化→権限→ストレージ GET /v1/rag/documents # 文書と知識ポイントの照会、再登録 PATCH /v1/rag/.../validity # 鮮度管理：期限切れ/有効のマーク POST /v1/rag/eval/run # 評価をトリガーし、定量化レポートを作成 POST /v1/rag/feedback # 低評価の原因帰属、badcaseの回流

導入：Dockerから中国国産技術スタックのサーバールームまで

標準環境はワンクリック起動、特殊環境は項目別に対応

標準導入（Docker）

# サービス起動（圧縮 + RAG全チェーンを含む） docker compose up -d # またはベアメタルで実行 RAG_STORAGE_DIR=/data/rag_store PORT=8080 ./uglypear-server

OCR/レイアウト解析モデル（ONNX）はパッケージに同梱し、ローカル推論。LLM要約強化はイントラネット内の任意のOpenAI互換エンドポイントに接続（任意選択）。機能モジュールはfeature単位で取捨選択可能：圧縮のみ、前処理のみ、または全チェーンから必要なものだけを使用できます。

中国国産技術スタック環境

Kylin/UOSオペレーティングシステム、Phytium/Kunpeng CPU（arm64ビルドを完備）、DM/KingbaseESデータベースに対応し、完全オフラインインストールが可能です。複数の中国国産技術スタック互換プロジェクトで検証済み、詳細は中国国産技術スタック互換ソリューション。

貴社のAI技術スタックとの接続

本基盤は標準の構造化JSONとメタデータ付き知識ポイントを出力し、以下と接続できます：

Milvus Qdrant PGVector Elasticsearch LangChain LlamaIndex Dify 任意の自社開発RAG

SDKレイヤーではFFI動的ライブラリ（libcompressor.so + sdk.h）も提供し、C/C++/Java/Goから直接埋め込み可能です。詳細はRust圧縮SDKと開発者センター。

ゼロから通し確認まで、5ステップ

通常は「月」ではなく「日」単位です

環境準備

サーバー仕様リストを提供、Dockerイメージまたはオフラインインストールパッケージで納品

接続方式の選定

チームの技術スタックに合わせてCLI / API / SDKを選定、半日で最初のテストリクエストを実行

パイロット文書の通し確認

実際のドキュメントを全チェーンで登録し、解析品質検査レポートとクレンジングレポートを作成

戦略チューニング

ドキュメントタイプ別にチャンク分割プリセットを選択し、業界評価セットを共同構築

正式リリース

ベクトルデータベースと業務システムを接続し、評価ダッシュボードで継続監視