社内文書のAI検索（RAG）に使えるオープンソース19件｜AIでできること

社内文書のAI検索（RAG）とは？

社内文書のAI検索（RAG）とは、社内文書をAIに答えさせたいという状態を仕組みで解消することです。ゼロから作らなくても、同じ用途で世界中に使われているオープンソースがあります。当社はそれを土台に、日本語化と自社向けの変更を加えて導入します。月額のユーザー課金は発生しません。

この分類の実測データ

実測データとは、掲載している19件について当社がGitHubの公開情報から数えた内訳のことです。日本語対応は、配布用のビルド成果物を除いた日本語ロケールの実ファイル数で判定しています。

掲載件数	19件
日本語ロケールなし	14件（74%）— 日本語化から着手します
日本語ロケールあり	4件
GitHubスター中央値	371
多いライセンス	MIT（10件）、Apache-2.0（8件）、GPL-3.0（1件）

出所: 各リポジトリのGitHub公開情報を当社で集計（2026年08月23日時点）。ライセンスは導入前に必ず個別に確認します。

社内文書のAI検索（RAG）に使えるオープンソース19件

この一覧とは、社内文書のAI検索（RAG）という用途に当てはまるオープンソースを、当てはまりの強い順に並べたもののことです。名前をクリックすると、その土台で何をどう作るかの説明に移ります。

名前	できること	日本語
KnowledgeBase-RAG-LLM-System	StreamlitとLangChainを用いた軽量なRAG学習プロジェクトです。	日本語ファイルなし
Yuxi	RAGや知識グラフ、マルチエージェント機能を備えたセルフホスト型の知能エージェントプラットフォームです。	日本語ファイルなし
layra	視覚的RAGとマルチステップ・エージェント・ワークフローを実現する基盤です。	日本語ファイルなし
MimirQ	企業向けのRAG（検索拡張生成）知識ベース構築を支援する基盤ツールです。	日本語ファイルなし
PharosRAG	チームのドキュメントライブラリを管理するローカル優先のエージェント型RAGシステムです。	日本語ファイルなし
SAG	高度な検索技術を用いたRAGのための知識ベース構築基盤です。	日本語ファイルなし
knowledge-rag	Claude Code向けのローカルRAG MCPサーバーです。	日本語ファイルなし
Langchain-Chatchat	Langchainと各種言語モデルを組み合わせたRAGおよびエージェントアプリケーションです。	日本語ファイルなし
openagent	LLM、RAG、エージェントループを活用した次世代型パーソナルAIアシスタント基盤です。	日本語ファイルなし
EnterpriseRAG-Bench	企業内文書を用いたRAGの性能を評価するためのデータセットとベンチマークです。	未調査
gamewiki	Geminiを活用したRAG機能を持つ、ゲーム向けインテリジェントWikiオーバーレイツールです。	日本語ファイルなし
enthusiast	ECサイト向けのオープンソースAIエージェント基盤です。	日本語ファイルなし
document-chat-system	ドキュメントの内容をAIと対話形式で検索・確認できるプラットフォームです。	日本語ファイルなし
ai-localbase	ローカル環境で動作するAI知識ベースシステムです。	日本語ファイルなし
GEOFlow	AIを活用したコンテンツ管理と複数サイトへの配信を行うシステムです。	日本語ファイルあり
runify	低リソースで動作する軽量なマルチエージェント・プラットフォームです。	日本語ファイルあり
OpenKB	文書からWiki形式のナレッジを構築し、エージェントが調査・回答するオープンソースの知識基盤です。	日本語文書を処理可能。管理・CLIは英語中心。
selfhost-ai	n8nやOllamaを含むAI自動化ツールをワンコマンドで構築できるプラットフォームです。	日本語ファイルなし
VidForge	短尺コマース動画制作のためのオープンソースAIパイプラインです。	日本語ファイルが一部のみ

社内文書のAI検索（RAG）は、経営のどんな課題につながっていますか？

特定の人しかできない仕事があり、その人が休むと止まる

手順と判断の根拠を文書にして検索できる状態にすると、担当が代われる仕事が増えます。退職時に知識ごと失われる状態を止められます。

同じ問い合わせに何度も答えている

過去の回答をAIに答えさせると、一次対応が人の手を離れます。人は例外だけを見ればよくなり、対応の質も揃います。

課題の出方は業種によって違います。AI導入で解決できる経営課題の一覧に、当社が名古屋の経営者から実際に相談を受ける12の言い方をまとめています。

どれを選べばよいですか？

選び方とは、機能の多さではなく、ライセンス・日本語対応・自社の業務との距離で絞ることです。一覧の「日本語」欄が「日本語ファイルなし」であれば、日本語化から着手します。当社は初日3時間の無料ヒアリングで現場を見てから、どれを土台にするかを提案します。土台選びだけを相談していただいても構いません。

社内文書のAI検索（RAG）を、まず15時間で試す

名古屋市内なら、1日3時間×5日間の計15時間・税別15万円で試せます。初日3時間のヒアリングと提案は無料です。御社のPCと御社名義のAIエージェントで目の前で開発するので、作り方ごと社内に残ります。成果物とソースコードはお客様のものです。

AI導入お試し実験を見る動くデモを先に見る（110,000円〜）社内文書のAI検索（RAG）について相談する

生成AI・AIエージェントの活用の他のできること

関連するできることとは、同じ業務領域にあり、並べて検討されることが多いテーマのことです。社内文書のAI検索（RAG）と一緒に手を付けると効果が出やすい範囲でもあります。

AIエージェントの構築AIに作業そのものを任せたい（141件）LLMの運用・切り替えAIの利用料と品質を管理できていない（78件）文章の生成・要約・校閲文章作成に時間がかかる（9件）画像の生成・編集画像素材の用意が追いつかない（7件）音声合成・文字起こし録音や読み上げを人がやっている（7件）動画の生成・編集動画制作に手が回らない（17件）ベクトル検索・類似検索言葉が違うと社内検索で見つからない（23件）全文検索の仕組み検索しても目的の資料に辿り着けない（29件）

AIでできること一覧をすべて見る

よくあるご質問

社内文書のAI検索（RAG）にオープンソースを使うと、何が違うのですか？

ゼロから作る場合と比べて、出来上がっている土台をそのまま使える分だけ短い期間で導入できます。ユーザー数に応じた月額課金も発生しません。当社が掲載している19件は、いずれも公開されているソースコードを自社サーバーに置いて動かせるものです。

日本語で使えますか？

掲載19件のうち14件（74%）は、GitHubの公開ファイルを数えた時点で日本語のロケールファイルがありませんでした。日本語で使う場合は日本語化から着手します。当社はこの作業を含めて導入します。

費用はどのくらいかかりますか？

名古屋市内であれば、1日3時間×5日間の計15時間・税別15万円のお試し導入があります。初日3時間のヒアリングと提案は無料で、進めるとお決めいただいた場合のみ費用が発生します。作るものが決まっている場合は税込110,000円からのプロトタイプ制作もあります。

どれを選べばよいかわからないのですが、相談だけでもよいですか？

構いません。初日3時間のヒアリングは無料です。現場のやり方を見せていただいたうえで、どれを土台にするか、そもそもオープンソースを使わないほうがよいかを含めて提案します。