AnythingLLMに関するガイドブックの執筆に到るまで

2022年11月末にChatGPTが彗星のように出現した当時「AIを使う」とはChatGPTと対話することを意味していました。その後、Gemini、ClaudeなどのLLM（大規模言語モデル）が相次いで投入され、性能向上を競った結果、AIは予想をはるかに上回る速度で進化し、私たちユーザーは、数多くのサービスから自分にとってベストなものを使えるという贅沢な状況になりました。

私は物書きを本業としており、AIを日常的に使用しています。特に、2～3年前まで多大の時間を要していた校閲、翻訳、マーケティングなどの作業にAIを活用できるようになり、小説家本来の作業（構想から執筆まで）に集中できるようになりました。

AIを使い込んでいない人にはピンとこないかもしれませんが、各社のAI（及び各々のLLM）には個性があります。人間にも、この人はこんな活動に向いているとか、こんな能力は弱いとか、個性がありますが、各々のAI/LLMも強い個性を持っています。

2026年10月には、OpenAIの最上位LLMであるGPT-6 Astraが、解読鍵の喪失により217年間未解読だったナポレオンからマルモン元帥への軍事暗号書簡を、数時間で解読したことが話題になりました。また、Claude/GPTの最上位LLMがシステムの弱点を突くハッキング能力を発揮するに到ったことが、政治的・社会的な重要課題になってきました。

しかし、私は高度な暗号解読をするわけではないので、実際に日常的に使っているAIはGPT-6 AstraやClaude Fable 5などの高価な最上位LLM（US$50/1 million output tokenクラス）のものではなく、その10分の1以下の料金で使えるモデル、及び各社の無料サービスです。

LLMの優劣は様々な性能テストで点数化したベンチマーク（評価指標）でランキングを決めるのですが、高価なLLMが私の用途（長文のクォリティがポイント）で良い結果を出すかと聞かれれば、「全くそうではない」という答えになります。私の用途では、チャットセッションの間に、長編小説一冊分（日本語で10～20万文字、英語だと4～8万語に相当）の隅々まで完全に頭に入っているLLMでなければ使い物になりません。LLMのスペックで「context length」が1 millionの上位LLMでも、私の条件を完全に満たすものは、本日現在でGemini 2.5Pro (Gemini Notebookのエンジン）とGLM-5.2/5.3だけだというのが正直な個人的感想です。また、文章の質やトーン（これはLLMへに適切な指示をすることによって大きく変化しますが）にも個性があり、ひとつのLLMに全てを任せることはできません。

その結果、日常的にAIを使い倒す必要のある人間は、個性と能力に大きなバラエティがある幾つかのLLMを、使い分ける必要があるのです。

私の場合、主にGemini-2.5Pro、GLM-5.2、GPT-5.5、Gemini-3.1Proを使い分けていますが、頻度の高い単純作業（例：New York Timesの長文の記事を日本語2千文字に要約する）にはOllama経由でgemma4:31b-cloudをChatboxというアプリで使います。無料だからというだけではなく、ChatGPTなら10秒かかる翻訳を2～3秒で目にもとまらぬ速度で出力してくれるからです。

AIについて話し始めるとどうしても話が分岐してしまうのですが、要するに、用途によってLLMを簡単に使い分けられる環境が重要になってきたというわけです。そのような環境を構築する方法として、AnythingLLMが性能、機能性において最も優れているというのは2年ほど前からよく知られていたのですが、導入にはtech知識と手間が必要でした。ところが、素人でも簡単に導入できるWindows版AnythingLLMアプリが誕生し、使ってみたところ、「こんな機能が欲しい」と思っていた点が色々追加されていました。

本書は、AnythingLLMの導入方法から、特徴のある機能を使いこなすまでを解説するガイドブックとして執筆したものです。とにかく、完全無料の高性能・超高速ChatBotとして使ってみてから、第5章以降に詳説したAnythingLLMならではの機能へと進むことをお勧めします。

第1章：なぜ今、AnythingLLMなのか

文章を紡ぐ、長大な資料を読み解く、日々のアイデアを整理する――生成AIの登場によって、私たちの知的作業のあり方は劇的に変化しました。Webブラウザを開けばChatGPTがあり、手軽なチャットツールを使えばさまざまな言語モデル（LLM）と一瞬で対話できる時代です。

しかし、AIを日常の道具として深く使い込めば使い込むほど、多くのユーザーがある共通の「見えない壁」に突き当たります。

特に、数万文字に及ぶ長編小説の原稿を扱う作家、分厚い専門書や論文と格闘する研究者、日々の膨大な業務ログを整理したいビジネスパーソンにとって、従来のWebチャットサービスや簡易的なクライアントアプリは、決して快適な終着駅ではありませんでした。

手元のWindows PCにワンクリックで導入できるデスクトップアプリケーション「AnythingLLM」は、そうした既存ツールの制約をすべて打ち破るために誕生しました。

本章では、なぜいま従来のWebチャットや簡易ツールからAnythingLLMへと移行すべきなのか、その決定的な理由を明らかにします。

1.1 Webチャットサービスの「限界」を感じていませんか？

ブラウザで動く一般的なWebチャットAI（ChatGPT、Claude、各種ポータルサイトのAI機能など）は、手軽に使える反面、長大なテキストや専門的な作業をこなそうとすると、すぐに以下の「3つの大きな壁」に阻まれることになります。

1. 「文字数・ファイルサイズ制限」の壁

大規模のテキスト（10万〜20万文字の小説原稿や、何十ページものPDF資料など）をWebチャットの入力欄に貼り付けようとすると、「入力が長すぎます」と拒絶されます。また、近年のAIは一度に読み込めるコンテキストウィンドウ（記憶容量）が広がっているとはいえ、無料プランでは厳格なファイルサイズ制限が課されていることが大半です。無理に分割して何往復もチャットを送信しているうちに、AIは最初に入力した前提や設定を忘れ去り、辻褄の合わない回答を平然と返し始めます。

2. 「無料枠の回数制限とコスト」の壁

多くの商用Webサービスでは、最新の高性能モデルを数回試しただけで「本日の利用上限に達しました。数時間後に再試行するか、有料プラン（月額20〜30ドル以上）にアップグレードしてください」という制限画面が表示されます。思考の波に乗って執筆やリサーチを進めている最中に突然作業を中断させられるストレスは、クリエイターにとって致命的です。

3. 「プライバシーと学習利用」への根深い懸念

Webチャットの無料プランの多くは、利用規約の標準設定で「ユーザーが入力したプロンプトや送信したファイルを、将来のモデルの学習データとして使用する」ことが明記されています。まだ世に出ていない未発表原稿のプロット、企業の機密資料、個人情報を含むドキュメントを外部サーバーのチャット欄に放り込む行為は、常に情報漏洩や著作権保護の観点から深刻なリスクを孕んでいます。

【補足】軽量チャットツール（Chatboxなど）が抱えていた弱点

「それなら、APIキーを使って動かすデスクトップクライアント（Chatbox等）を使えばいいのではないか？」と考える方もいるでしょう。日常の手短な翻訳やメールの要約程度であれば、そうした軽量クライアントでも十分に役立ちます。

しかし、そうしたツールの多くは「1対1の会話を右から左へ流す」単機能のチャットインターフェースに過ぎません。数十万文字に及ぶ巨大なファイルを読み込ませようとするとアプリがフリーズしたり、過去の膨大な資料から必要な記述だけを瞬時に検索して抽出する仕組み（RAG：検索拡張生成）が備わっていなかったりと、「重厚な資料をAIに記憶させて自在に操る」用途には到底耐えられないのが現実でした。

1.2 AnythingLLMが革命的である3つの理由

こうした従来のツールの限界を根本から解決するのが、AnythingLLMです。単なるチャットアプリの枠組みを遥かに超え、「オールインワンのパーソナルAI環境」と呼ばれる理由は、以下の3つの革新的な特徴に集約されます。

理由1：複数モデル（ローカル・クラウド）を1画面でシームレスに使い分け

AnythingLLMは、特定のAIモデルにあなたを縛り付けません。

外部サーバーと一切通信せずにPC内のグラフィックボードやCPUだけで動く「完全ローカルLLM（Ollama等）」
無料で利用でき、PCに負荷をかけずに高品質な知能を呼び出せる「Ollama Cloud」
業界最高峰の推論力を持つ商用API（OpenAI、Claude、GLM等）

これらすべてのプロバイダーを、同一の画面上で自由自在に切り替えることができます。「日々の翻訳や誤字脱字チェックは高速な軽量モデル」「長編原稿の精緻な伏線チェックは超大型モデル」「未公開のプロット考証はネットを切断したローカルモデル」といった使い分けが、マウス操作ひとつで完結します。

理由2：「ワークスペース」による完璧なコンテキスト分離

AnythingLLMには、チャットの履歴をただ並べるのではなく、目的ごとに独立した作業部屋を作れる「ワークスペース（Workspace）」という概念が存在します。

「日常翻訳部屋」
「長編小説_執筆考証室」
「技術論文_読解デスク」

ワークスペースごとに、参照させる資料ファイル、システムプロンプト（役割指示）、割り当てるAIモデル、パラメータ（温度感）を完全に独立して保持できます。これにより、「英語翻訳のルールが小説の執筆部屋に混ざってしまう」「仕事の資料がプライベートの会話を汚染する」といったコンテキストの混濁が完全に防がれます。

理由3：外部サービス・クラウド不要で動く「内蔵ベクトルデータベース（LanceDB）」

これがAnythingLLM最大の技術的アドバンテージです。通常、数万〜数十万文字のドキュメントからAIに必要な箇所を検索・参照させる仕組み（RAG）を構築するには、専門的なクラウドデータベース（PineconeやChromaなど）を契約し、複雑な設定を行う必要がありました。

AnythingLLMは、超高速なベクトルデータベース（LanceDB）をアプリの内部に最初から丸ごと内蔵しています。外部のデータベースと契約する必要も、追加の課金も一切ありません。手元のPDFやテキストファイルをアプリにドラッグ＆ドロップするだけで、PC内部で自動的にテキストが解析・ベクトル化され、その瞬間から何十万文字もの資料を対象にした高精度な検索・質疑応答が可能になります。

1.3 本書が目指すゴール

かつて、AnythingLLMをWindows環境で動かすには、仮想化ツール（Docker）をインストールし、黒い画面に複雑な英数字のコマンド（CUI）を打ち込むという、プログラミングやインフラの専門知識が要求されました。そのため、多くの一般ユーザーやクリエイターが導入を断念してきた歴史があります。

しかし、現在のAnythingLLMは劇的な進化を遂げました。

一般的なWindows用ソフトウェアとまったく同じように、公式サイトからインストーラー（.exe）をダウンロードしてダブルクリックするだけで、誰のPCでも一瞬で立ち上がります。

本書が目指すゴールは、以下の通りです。

**専門用語・プログラミング知識ゼロからの完全導入：**黒いコマンド画面は一切使いません。マウス操作とキーボードの文字入力だけで、Windows上にプロ仕様のAI環境を完成させます。
**完全無料・安全に使い始める最短ルートの提示：**高価なGPU（グラフィックボード）を積んだゲーミングPCを持っていなくても、一般的なWindowsノートPCと「Ollama Cloud」などの無料枠を組み合わせ、1円もかけずに最高峰のモデルを動かすステップを具体的に示します。
**「日常の道具」から「10～20万文字の創作・実務エンジン」へのステップアップ：**日々の翻訳や要約をこなす快適なチャットボットとしての基本操作から、長編原稿の矛盾を洗い出すRAG検索、自律して調査を行うエージェント機能まで、すべての機能をあなたの日常の「確かな武器」へと昇華させます。

準備はよろしいでしょうか。次の第2章から、あなたの手元のPCに「誰にも邪魔されない最強のAI書斎」を構築する旅を、一歩ずつ始めていきましょう。

第2章：ワンクリックで完了！Windowsへのインストール手順

AnythingLLMの導入にあたって、プログラミングの知識や黒い画面（コマンドプロンプトやPowerShell）を操作する技術は一切必要ありません。普段使っているウェブブラウザや文書作成ソフトと同じように、インストーラーをダウンロードして実行するだけで、誰でも数分でセットアップを完了できます。

本章では、お手元のWindows PCの環境確認から、インストーラーの入手、初回起動時の画面の進め方までを、画像がなくても迷わないレベルで具体的に解説します。

2.1 動作環境の確認

まずは、AnythingLLMを動かすために必要なPCのスペックを確認しておきましょう。

「AIを動かすには数十万円もする高価なゲーミングPCが必要なのでは？」と思われがちですが、結論から言えば、一般的なビジネス用ノートPCでまったく問題ありません。

1. スペックの目安表

項目	最低動作環境（クラウドモデル主軸）	推奨環境（将来的にローカルLLMも動かす場合）
OS	Windows 10（64bit）または Windows 11	Windows 11（64bit）
CPU	Intel Core i3 / AMD Ryzen 3 以上	Intel Core i7 / AMD Ryzen 7 以上
メモリ（RAM）	8 GB	16 GB 〜 32 GB 以上
ストレージ	空き容量 5 GB 以上（SSD推奨）	空き容量 20 GB 〜 50 GB 以上（高速SSD）
グラフィック（GPU）	CPU内蔵グラフィックスで動作可能	NVIDIA GeForce RTX 3060 以上（VRAM 8GB〜）

2. なぜ普通のノートPCでも快適に動くのか？

本書でおすすめする「Ollama Cloud連携」をはじめとするクラウドモデル運用では、文章の生成や推論といった最も負荷のかかる重い計算処理はすべてクラウド側のサーバーで実行されます。

手元のWindows PCが担当するのは、以下の軽量な処理だけです。

チャット画面や設定メニューの描画
取り込んだ原稿ファイル（テキストやPDF）の文字抽出
内蔵ベクトルデータベース（LanceDB）による類似箇所の検索

これらの処理は非常に効率化されているため、数年前の薄型ビジネスノートPCであっても、ファンが激しく回ることすらなく軽快に動作します。

メモリに関する注意点： メモリが「8GB」のPCでも動作しますが、ブラウザで多数のタブを開きながら10～20万文字のテキスト解析を同時に行うと動作が緩慢になる場合があります。可能であれば16GBのメモリを搭載したPCを用意すると、重い原稿の読み込み時も極めて快適です。

2.2 公式インストーラーのダウンロードとセットアップ

それでは、実際にAnythingLLMの公式インストーラーを入手し、Windowsにインストールしていきましょう。

ステップ1：公式サイトへアクセスする

ブラウザ（Microsoft EdgeやGoogle Chromeなど）を開きます。
AnythingLLMの公式サイト（https://useanything.com/）にアクセスします。
トップページに表示されている大きな「Download for Windows」ボタン（または「Download AnythingLLM」からWindows版を選択）をクリックします。
インストーラーファイル（例：AnythingLLMDesktop.exe）のダウンロードが自動的に始まります。完了するまで数十秒〜数分待ちます。

ステップ2：インストーラーを実行する

ダウンロードフォルダを開き、保存されたAnythingLLMDesktop.exeをダブルクリックして実行します。
画面の指示に従ってセットアップウィザードを進めます。

インストール先フォルダなどの確認画面が表示されますが、特別な理由がない限りすべて初期設定（デフォルト）のまま「Next（次へ）」をクリックしていけば問題ありません。

最後に「Install」をクリックすると、必要なファイルの展開が始まります。
インストールが完了したら、「Finish」をクリックしてウィザードを閉じます。デスクトップにAnythingLLMのショートカットアイコンが作成されます。

【重要】初回起動時に「Windows SmartScreen」の警告が出た場合の対処法

Windowsのセキュリティ機能（Microsoft Defender SmartScreen）の設定によっては、インストーラーをダブルクリックした直後に、画面全体に青いウィンドウが表示され、「WindowsによってPCが保護されました」という警告メッセージが出ることがあります。

これはウイルスやマルウェアを検知したわけではなく、「インターネットから新しくダウンロードされた実行ファイルであり、まだお使いのPC上で実績がない」という理由で表示されるWindows標準の確認画面です。以下の手順で安全に解除して先へ進めてください。

青い警告画面の中にある「詳細情報」という下線付きのリンク文字をクリックします。
画面の右下に新しく「実行」ボタンが現れます。
この「実行」ボタンをクリックします。
通常通りインストールウィザードが立ち上がり、セットアップが進行します。

2.3 初期セットアップウィザードを迷わず進める

インストールが完了し、AnythingLLMを初めて起動すると、画面いっぱいに初期セットアップ（オンボーディング）の案内ウィンドウが表示されます。

英語の選択肢がいくつか並びますが、すべてマウス操作で簡単に通過できます。

ステップ1：ようこそ画面（Get Started）

「Welcome to AnythingLLM」という歓迎画面が表示されます。
画面下部にある「Get Started（はじめる）」ボタンをクリックします。

ステップ2：LLM Providerの仮選択

AIの頭脳（LLM）をどこに接続するかを尋ねる画面が表示されます。

ここでは、さまざまなプロバイダー（OpenAI,Ollama,Local AIなど）のロゴが並んでいます。
対処法：本書では第3章にて「Ollama Cloud」との接続手順をゼロから丁寧に設定します。そのため、この初期画面では画面下部にある「Skip（スキップ）」をクリックするか、デフォルトで選択されている項目のまま「Next」を押して先へ進んで構いません。設定はアプリ起動後にいつでも変更できます。

ステップ3：Embedding（埋め込み）モデルの確認

ドキュメントを検索・解析するためのエンジンを選択する画面です。

**推奨選択：**初期状態で選択されている「AnythingLLM Default（Built-in Embedder）」のまま「Next」をクリックします。
これにより、外部の追加設定なしで、PC内部で自動的に長文原稿のベクトル化を行えるようになります。

ステップ4：データ保存場所の確認

チャット履歴やドキュメントをどこに保存するかを確認される場合があります。

こちらも変更する必要はありません。Windowsの標準ユーザー領域（%APPDATA%）が自動で割り当てられるため、そのまま「Next」をクリックします。

ステップ5：セットアップ完了とメイン画面の表示

すべての確認が終わると、「You’re all set!」といった完了メッセージが表示されます。
画面下部の「Open AnythingLLM」または完了ボタンをクリックします。
画面が切り替わり、AnythingLLMの広々としたメイン操作画面（左側にサイドバー、中央にチャットエリア）が表示されれば、導入はすべて成功です。

【コラム】過去のDocker版との違い：なぜ今のデスクトップ版は手軽なのか？

AnythingLLMがリリースされた初期（2023年〜2024年頃）、このツールをWindows上で動かすためのハードルは極めて高いものでした。

当時は「Docker Desktop」という開発者向けの仮想環境ソフトウェアをあらかじめPCにインストールし、Windowsの仮想化基盤（WSL2）をコマンドラインで有効化し、さらにターミナル（CUI）上で英数字のコマンドを打ち込んでコンテナを立ち上げる必要がありました。PCの扱いに慣れていない文芸作家やビジネスパーソンにとって、それはまるで「プログラミングの学習を強制されている」ような敷居の高さであり、途中で断念してしまう人が後を絶ちませんでした。

しかし、開発チームの目覚ましい改良により、現在のAnythingLLMは完全なネイティブデスクトップアプリ（Electronベースのスタンドアロンソフトウェア）へと進化を遂げました。

内部で必要となるサーバープロセス、軽量データベース（LanceDB / SQLite）、ドキュメントの解析プログラムのすべてが1つの.exeファイルの中に綺麗にパッケージングされています。外部の仮想環境に依存することなく、ダブルクリックひとつでWindows上で直接起動し、不要になれば「プログラムの追加と削除」からワンクリックでアンインストールできます。

かつて技術者だけの特権だった強力なパーソナルRAG環境は、いまや誰でも日常の道具として扱える身近なソフトウェアへと完全に変貌を遂げたのです。

第3章：完全無料・手軽に使える！LLM接続設定（Ollama Cloud連携）

第2章の手順によって、手元のWindows PCにAnythingLLMの本体が無事インストールされました。しかし、アプリを起動したばかりのAnythingLLMは、まだ思考するための「頭脳」を持っていません。

AnythingLLMの最大の特徴は、本体そのものが巨大なAIモデルを抱え込んでいるのではなく、「世界中のあらゆる言語モデル（頭脳）を、プラグのように自由に差し替えて使える構造」になっている点です。

本章では、高価なグラフィックボード（GPU）を積んでいない一般的なノートPCでも、APIの従量課金に怯えることなく、完全無料で高性能なモデルを呼び出せる「Ollama Cloud」との連携設定をステップバイステップで完了させます。

3.1 LLMプロバイダーの仕組み（頭脳のつなぎ方）

1. AnythingLLMは「器」、LLMは「頭脳」

設定を始める前に、AnythingLLMの全体像をシンプルな比喩で整理しておきましょう。

【AnythingLLM（アプリ本体）】
＝「器」「書斎」「作業机」
・チャット画面の表示
・ワークスペースの管理
・長文原稿やPDFの保管・ベクトル検索（LanceDB）
・ツールの自律実行（エージェント機能）

  ▲ ここに「頭脳」をプラグイン（接続）する
  │
【LLM（大規模言語モデル）】
＝「考える頭脳」「アシスタント」
・質問の意図を理解する
・文章を要約・翻訳する
・原稿の矛盾を分析して回答テキストを生成する

Web版のChatGPTなどでは、「画面」と「頭脳」が一体化して提供されているため、この2つを意識する必要はありませんでした。しかし一体型サービスでは、「別の会社のモデルを試したい」「過去ログを安全に手元で管理したい」と思っても、サービスの壁を越えることができません。

AnythingLLMでは、「器」と「頭脳」が完全に分離しています。これにより、同じ書斎（ワークスペースや読み込ませた原稿）をそのまま維持したまま、机の向かいに座るアシスタント（頭脳）だけをワンクリックで交代させるという圧倒的な柔軟性が生まれます。

2. なぜ「Ollama Cloud」が最適なのか？

AnythingLLMに接続できる頭脳には、数多くの選択肢が存在します。その中で、本書が最初の接続先として「Ollama Cloud」を強く推奨するのには明確な理由があります。

**PCスペックの壁を完全に無視できる：**数十GBもの巨大なモデルファイルをPCのSSDにダウンロードする必要がなく、推論の重い計算処理もすべてクラウド側で処理されます。一般的なビジネス用ノートPCでもバッテリーを激しく消費することなく軽快に動きます。
**初期費用・従量課金ゼロで導入できる：**大手の商用API（従量課金制）のように「使いすぎて数万円の請求が来たらどうしよう」という金銭的ストレスを抱えることなく、安心して数万字単位の長文を投げ込むことができます。
**セットアップが極めてシンプル：**複雑なサーバー構築やコマンド入力が不要で、発行された接続情報（エンドポイントとキー）をAnythingLLMの画面に貼り付けるだけで開通します。

3.2 Ollama Cloudとの接続ステップ

それでは、実際にOllama CloudとAnythingLLMを接続していきましょう。手順は大きく分けて「①クラウド側での情報取得」と「②AnythingLLMへの入力」の2段階です。

ステップ1：Ollama Cloudのアカウント準備とAPIキーの取得

ブラウザを開き、Ollama Cloudの公式サイト（または提供ポータル画面）にアクセスします。
アカウントを作成（サインアップ）し、ログインします。
ダッシュボード（管理画面）から「API Keys」または「Settings」の項目を開きます。
「Create New Key」（新しいキーを作成）をクリックし、生成されたAPIキー文字列（英数字の長い羅列）をコピーしてメモ帳などに一時保存します。

※APIキーは再表示されない場合があるため、必ずその場でコピーを控えてください。

ダッシュボードに表示されている「Base URL（接続先エンドポイントURL）」を確認し、こちらも控えておきます（例：[https://...ollama.ai](https://...ollama.ai)等の形式）。

ステップ2：AnythingLLMの設定画面を開く

Windowsのデスクトップにあるショートカットから、AnythingLLMを起動します。
画面の左下にある「歯車アイコン（Settings）」をクリックします。
全体設定メニューが開きます。左側のリストから「LLM Provider」を選択します。

ステップ3：プロバイダー情報とキーを入力する

画面右側に、さまざまなLLMサービスのロゴ一覧が表示されます。

プロバイダーの選択：

一覧の中から「Ollama」（またはクラウド接続用の「Ollama Cloud」ロゴ）をクリックして選択します。

接続先URL（Ollama Base URL）の入力：

初期状態ではローカル用のアドレス（[http://127.0.0.1:11434](http://127.0.0.1:11434)）が入っています。この入力欄を消去し、先ほど控えたOllama CloudのエンドポイントURLを貼り付けます。

APIキーの入力：

「Ollama API Key」の入力欄に、先ほどコピーしたAPIキー文字列を貼り付けます。
前後に不要な半角スペースが入らないよう注意してください。

モデル（Chat Model Selection）の選択：

正しく情報が入力されると、下部の「Chat Model Selection」のプルダウンメニューがアクティブになります。
プルダウンをクリックすると、利用可能なモデル一覧（例：llama3.3、qwen2.5、mistral等）が表示されるので、まずは汎用性の高い標準モデルを選択します。

保存（Save changes）：

画面右下にある青い「Save changes」ボタンをクリックします。
画面上部に「LLM preferences updated successfully」と緑色の通知が出れば接続成功です。

ステップ4：接続テスト（疎通確認）

正しく頭脳が接続されたか、実際に簡単な会話を行ってテストしてみましょう。

設定画面の左上にある「←（戻る）」アイコンをクリックし、メインのチャット画面に戻ります。
画面上部の中央に、先ほど設定したモデルの名前が正しく表示されていることを確認します。
チャット入力欄に「こんにちは。接続テストです。日本語で短く自己紹介してください」と入力し、送信（Enterキー）します。
数秒以内にAIから流暢な日本語で返答が返ってくれば、Ollama Cloudとの接続は完全に成功です。

3.3 その他の選択肢（必要に応じて拡張できる柔軟性）

初期設定としては「Ollama Cloud」が最も手軽で快適ですが、AnythingLLMの真価は、将来的に必要が生じた際、いつでも他の選択肢へワンクリックで拡張・併用できる点にあります。

代表的な2つの拡張アプローチを頭の片隅に置いておきましょう。

1. Ollamaローカル版（完全オフライン・機密保護用途）

**特徴：**PC本体にOllamaをインストールし、オープンソースモデルをローカルディスクに直接ダウンロードして動かす方式。
**切り替え手順：**第10章で詳述しますが、設定画面でURLを[http://127.0.0.1:11434](http://127.0.0.1:11434)に戻すだけで、ネット接続を完全に切断した機密保持環境へと即座に切り替わります。未発表の重要プロットなどを外部通信なしで精査したい場合に威力を発揮します。

2. 商用API・統合プロバイダー（OpenRouter, Groq, OpenAI, Claude等）

特徴：「長編原稿の最終チェックだけは、世界最高峰の超大型モデル（ClaudeやGPTの最上位版など）に読ませたい」という場合に利用します。
切り替え手順：「Settings ＞ LLM Provider」の一覧から各社のロゴ（OpenAI、Anthropic、あるいは数百種類のモデルを一括管理できるOpenRouterなど）を選び、APIキーを入力するだけで完了します。ワークスペースごとに「普段は無料のOllama Cloud、推敲部屋だけは商用モデル」と使い分けることも可能です。

3.4 Embedding（埋め込み）モデルの初期設定

AnythingLLMを単なるチャットツールとしてではなく、「長文原稿や資料を読み込ませるRAGツール」として動かすためには、もうひとつだけ確認しておくべき設定があります。それが「Embedding（埋め込み）モデル」です。

1. Embeddingモデルとは何か？

**LLM（言語モデル）：**人間と会話したり、文章を書いたりする「口と頭脳」。
**Embedding（埋め込みモデル）：**取り込んだ数万字のドキュメントを数値（ベクトル）に変換し、「質問の意味に最も近いシーンや記述を瞬時に見つけ出す」ための「検索専用の目と索引作成エンジン」。

第6章で原稿ファイルを読み込ませる際、このEmbeddingモデルが裏側で自動的にテキストの索引（ベクトルインデックス）を作成します。

2. 推奨設定：設定不要の「AnythingLLM Built-in Embedder」

Embeddingエンジンについても外部のAPIを使う選択肢がありますが、本書の推奨は圧倒的に「AnythingLLM Built-in Embedder（内蔵埋め込みエンジン）」です。

なぜ内蔵エンジンがベストなのか？

**完全無料・無制限：**何十万文字のテキストを読み込ませても、追加費用が1円もかかりません。
**完全ローカル処理：**原稿の解析やベクトル化の計算がPC内部で完結するため、資料の内容が外部に漏れる心配がありません。
**初期設定済み：**インストール時点で最初から有効化されているため、APIキーの取得や面倒なURL設定が一切不要です。

3. 設定の確認手順（念のためのチェック）

初期セットアップで自動適用されているはずですが、念のため正しく設定されているか確認しておきましょう。

画面左下の「歯車アイコン（Settings）」をクリックします。
左メニューから「Embedding Provider」を選択します。
画面右側で、一番上にある「AnythingLLM Default」（Built-in Embedder）のロゴが選択されていることを確認します。
「Max Chunk Length（チャンク長）」などの詳細項目が表示されますが、すべてデフォルト値（初期値）のままで問題ありません。
右下の「Save changes」をクリックします。

これで、文章を生成する「思考の頭脳（Ollama Cloud）」と、資料を自在に探し出す「検索の目（Built-in Embedder）」の両方が完璧に整いました。

【チェックポイント】一発で疎通確認するためのチェックリスト

設定がすべて完了したら、次の第4章へ進む前に、以下の3つのポイントを最終確認してください。

[ ]LLM Providerの接続ランプ：「Settings ＞ LLM Provider」でSave changesを押した際、エラー（赤い警告）が出ずに保存が完了しているか？
[ ]**チャットヘッダーの表示：**チャット画面の最上部に、選択したモデル名（例：llama3.3:latestなど）がクリアに表示されているか？
[ ]テスト返答の速度と品質：「1+1の計算結果を教えて」といった簡単な問いかけに対し、3〜5秒程度で正確な回答が出力されるか？

すべてのチェックがクリアできていれば、あなたのPCはすでに「最先端のパーソナルAI書斎」として息づき始めています。次章からは、この環境を使って日常の翻訳や要約、そして思考整理をストレスなくこなす基本操作をマスターしていきましょう。

第4章：まずは基本から！「日常のチャットボット」として使い倒す

第3章までで、AnythingLLMの導入と「Ollama Cloud」による頭脳の接続が完了しました。これであなたのWindows PCには、いつでも知能を呼び出せる土台が整っています。

本格的な長文分析や独自資料のRAG（検索拡張生成）に進む前に、まずは手始めとして、これまでChatboxやブラウザ版ChatGPTで行っていたような「日常の文章作成・要約・翻訳」をAnythingLLMで快適にこなす基本操作をマスターしましょう。

AnythingLLMは多機能ですが、普段使いのチャットツールとしても極めて軽快かつ洗練されています。画面の各パーツの役割から、キーボード操作の勘所、会話の途中でモデルを即座に切り替えるテクニック、そして会話ログの整理・書き出しまでを順を追って解説します。

4.1 基本UIの見取り図

AnythingLLMを起動すると表示されるメイン画面は、無駄な装飾を削ぎ落とした3分割のシンプルなレイアウトになっています。どこに何が配置されているかを把握しておきましょう。

┌─────────────────┬─────────────────────────────────────────────────────────┐
│ [サイドバー]     │ [ヘッダー] ワークスペース名 ｜ [モデル選択プルダウン]  ⚙ │
│                 ├─────────────────────────────────────────────────────────┤
│ ・ワークスペース │                                                         │
│   一覧          │                      [チャット表示エリア]                │
│                 │                                                         │
│ ・スレッド履歴   │               AIとの対話履歴・引用元ドキュメント         │
│                 │                                                         │
│                 ├─────────────────────────────────────────────────────────┤
│ ⚙ 設定 (左下)   │ [入力エリア]  📎 [Chat/Query]  テキスト入力欄       [送信]│
└─────────────────┴─────────────────────────────────────────────────────────┘

1. 左サイドバー（管理ナビゲーション）

**ワークスペース一覧：**作成した「作業部屋（第5章で詳述）」が縦に並びます。クリックひとつで部屋を移動できます。
**スレッド履歴：**現在開いているワークスペース内の過去の会話履歴が並びます。「＋ New thread」でいつでも新しい会話を立ち上げられます。
**歯車アイコン（Settings / 左下）：**第3章で触れたLLMプロバイダーや、アプリ全体の基本設定を開くメインメニューです。

2. 画面上部ヘッダー（ステータスバー）

**ワークスペース名：**現在自分がどの部屋で作業しているかを表示します。
**モデルセレクター（中央）：**現在このチャットで応答を担当している「LLMモデル名」が表示されています。ここをクリックすることで、会話の途中でも瞬時にモデルを切り替えられます。
**ワークスペース設定（右上の歯車）：**その部屋専用のシステムプロンプトやドキュメントを管理するための設定メニューです。

3. 中央チャットエリア（メインウィンドウ）

あなたが送信したプロンプトと、AIからの返答が時系列で流れるエリアです。
資料を参照した場合は、回答の直下に「どのドキュメントの何行目を参照したか」を示す引用バッジ（Citations）が自動表示されます。

4. 画面下部入力バー（コマンドセンター）

**テキスト入力欄：**指示や質問を打ち込むメインフィールドです。
**Chat / Query トグル：**柔軟な対話（Chat）か、資料のみに基づく厳格回答（Query）かをワンクリックで切り替えます。
**クリップ／ドキュメントアイコン：**原稿やPDFを即座に追加するためのショートカットです。
**送信ボタン（紙飛行機アイコン）：**メッセージを送信します。

4.2 会話をはじめる・プロンプトの入力

基本画面を把握したら、実際にプロンプトを打ち込んで会話をスタートさせてみましょう。Windows環境でストレスなく長文をやり取りするためのキーボード操作のコツを押さえます。

1. メッセージの送信と「改行」のルール

入力欄をクリックし、テキストを入力します。ここで最も重要なのが、キーボードの押し分けです。

**Enter キー：**メッセージを即座に「送信」します。
**Shift ＋ Enter キー：**送信せずに「改行」します。

小説のプロット、長文のメール案、箇条書きの指示など、複数行にわたる文章を打ち込む際は、必ずShiftキーを押しながらEnterキーを押して改行してください。うっかりEnterキー単体を押してしまい、書きかけの文章が送信されてしまうのを防ぐ基本の操作作法です。

2. 応答の生成と「停止」

メッセージを送信すると、モデルが文章を一行ずつリアルタイムに出力（ストリーミング表示）し始めます。

もし途中で「質問の仕方を間違えた」「想定と違う方向に長々と回答が伸びてしまった」と気づいた場合は、送信ボタンがあった位置に表示される「停止ボタン（四角いStopアイコン）」をクリックしてください。AIの生成処理がその場で中断され、無駄な待ち時間やクラウド側のリソース消費をカットできます。

3. 新しいスレッドで仕切り直す

ひとつの話題（例：英単語の翻訳）が終わり、まったく別の作業（例：ブログの導入文作成）を始めたいときは、同じ画面に続けて書き込まず、会話をリセットするのがセオリーです。

**手順：**左サイドバーにあるワークスペース名の下の「＋ New thread（新規スレッド）」をクリックします。
これにより、直前の会話ログがAIの作業メモリからクリアされ、まっさらな状態で新しい対話をスタートできます。過去のスレッドはサイドバーに保存されているため、いつでもワンクリックで過去のやり取りへ戻ることができます。

4.3 会話中でも自由自在！モデルの即時切り替え

AnythingLLMを使っていて最も感動する機能のひとつが、「ひとつのスレッドの中で、会話の文脈を保ったまま、AIモデルを瞬時に交代させられること」です。

一般的なWebサービスでは、最初に選んだモデルで最後まで会話を続けるしかなく、別のモデルを試すには最初からプロンプトを貼り直す必要がありました。AnythingLLMなら、画面上部のセレクターをカチッと切り替えるだけで、次の1手から別の頭脳が思考を引き継ぎます。

1. モデル切り替えの具体的手順

チャット画面の最上部、中央にあるモデル名のプルダウンバーをクリックします。
接続されている利用可能なモデル一覧（Ollama Cloud内の各モデルや、登録済みのAPIモデル）がドロップダウンで表示されます。
新たに使いたいモデルをクリックして選択します。
これだけで切り替えは完了です。次のメッセージを送信した瞬間から、新しく指定したモデルが応答を生成します。

2. 「高速軽量モデル」と「賢い大型モデル」の使い分け実例

この即時切り替えをマスターすると、作業のスピードと推論クオリティを極限まで両立させることができます。

シナリオ：長文メールの作成と最終推敲

**フェーズ1（骨子の作成・スピード重視）：**画面上部で軽量・高速モデル（例：8Bクラス以下のモデル）を選択。
- 「取引先への納期調整のメールを書きたい。要点は以下の3点。たたき台をざっくり作って」と送信。
- *結果：*1〜2秒で瞬時に骨子文案が出力される。
**フェーズ2（微妙なニュアンスの精査・知能重視）：**画面上部のプルダウンをクリックし、大型・高推論モデル（例：70Bクラス以上のモデルやClaude等）に切り替える。
- 「ありがとう。この文案だと、相手に少し事務的で冷たい印象を与える懸念がある。礼節を保ちつつ、こちらの誠意が伝わるように語彙を一段ブラッシュアップして」と送信。
- *結果：*より深い言語理解力を持つ大型モデルが、直前の文脈を完全に理解した上で、極めて洗練された敬語表現へと書き直してくれる。

「たたき台出しや翻訳のような手数の多い作業は秒速で動く小型モデルに任せ、ここぞという推敲や論理チェックだけ大型モデルを呼び出す」というプロの立ち回りが、1つの画面内でシームレスに実現します。

4.4 過去ログの検索・エクスポート・整理

日々のチャットを重ねていくと、過去のやり取りの中に「会心のプロット案」や「後から見返したい翻訳の対訳」が蓄積されていきます。これらを散らかったままにせず、手元の資産として整理・活用する手順を押さえましょう。

1. スレッド名の変更（リネーム）で探しやすくする

新しく作成したスレッドには、最初の入力文に基づいた名前が自動で付きますが、後から見返しやすいように手動でリネームできます。

左サイドバーに並んでいるスレッド一覧から、名前を変えたいスレッドにマウスカーソルを合わせます。
スレッド名の横に表示される「鉛筆アイコン（Edit）」または「…（オプション）」をクリックします。
2026-10_第3章プロット相談や英文メール定型表現など、分かりやすい名前に書き換えて確定します。

2. チャット履歴のエクスポート（Markdown / JSON）

AIと練り上げたアイデアや要約テキストを、自分の執筆エディタやメモアプリ（Word、Notion、Obsidian、メモ帳など）へ移したい場合、画面から手作業でドラッグしてコピーする必要はありません。ワンクリックでファイルとして書き出せます。

書き出したいスレッドを開きます。
画面右上にある「エクスポートアイコン（上向き矢印が付いた箱のマーク）」をクリックします。
出力形式を選択します：

Export as Markdown（.md）：見出し、箇条書き、太字などの書式がそのまま維持されるため、一般的なテキスト編集や執筆作業にはこちらを強く推奨します。
**Export as JSON（.json）：**システムプロンプトや内部パラメータを含んだ完全なデータ形式です。技術的なアーカイブやバックアップ用途に適しています。

保存先フォルダを指定して保存します。

3. 不要になったスレッドの削除

実験的な質問や、用が済んだ一時的なスレッドは、サイドバーをすっきり保つために定期的に削除しましょう。

削除したいスレッドにマウスカーソルを合わせます。
「ゴミ箱アイコン（Delete）」をクリックします。
削除確認のポップアップが表示されるので、確認して削除を確定します。

ポイント： スレッドを削除しても、ワークスペース自体や、読み込ませてある原稿ファイル（ドキュメント）が消えることはありません。あくまで「そのスレッド内の会話のやり取り」だけが消去されるため、安心して整理を行ってください。

これで、日常使いのチャットボットとしての基本操作はすべて身につきました。

しかし、ひとつのスレッドの中でどれほど器用にモデルを切り替えても、翻訳や雑務、長編原稿の推敲などをすべて同じ場所で行っていると、いずれAIの頭脳は前提条件を取り違え始めます。

そこで次章からは、用途ごとに独立した「専用の作業部屋」をPC内に築き上げる、AnythingLLMの最重要機能「ワークスペース設計」へとステップアップしていきましょう。

第5章：頭脳を整理する「ワークスペース」の設計術

AnythingLLMを起動すると、画面の左側に並ぶ「Workspace（ワークスペース）」という項目が目に留まります。第4章までは、初期状態で用意されたスペースを使って日常的なチャットを行う方法を見てきました。

しかし、AnythingLLMの真価は、このワークスペースを「用途ごとに切り分けて複数持つ」ことによって発揮されます。ワークスペースの仕組みを理解すると、従来のWeb版ChatGPTや一般的なチャットアプリで感じていた「過去の会話と混ざってAIが混乱する」「毎回同じ前提条件を入力するのが面倒」というストレスが一気に解消されます。

本章では、なぜワークスペースという仕組みが必要なのか、その根本的なメリットから具体的な設計パターンまでを順を追って解説します。

5.1 なぜ「ワークスペース」が必要なのか？

従来のチャットツールで誰もがぶつかる「文脈の混ざり合い」

一般的なチャットAI（Web版ChatGPTやシンプルなチャットツール）を使っているとき、次のような経験をしたことはないでしょうか。

英語の翻訳を頼んだ直後に別の話題を振ったら、AIが英語混じりのぎこちない返答を続けてきた
仕事のメール作成とプライベートの雑談が同じ履歴に並び、後から目的の会話を探せなくなった
特定のトピック（専門資料の分析など）で使いたいだけなのに、新規チャットを開くたびに「あなたは〇〇の専門家です」「以下のルールを守ってください」と指示を入力し直している

これらはすべて、AIとのやり取りが「単一のタイムライン（または簡易的なスレッド）」の中で行われているために起こる「コンテキスト（文脈）の汚染」が原因です。AIは直前の会話や入力された前提を引きずりやすいため、異なる目的の作業を同じ場所で行うと、回答の精度や口調がブレてしまいます。

ワークスペース＝「用途ごとに用意された専用の作業部屋」

AnythingLLMの「ワークスペース」は、単なる会話履歴のフォルダ分けではありません。一言で言えば、「独立した設定と資料を持った、専用の作業部屋（あるいは個別の執筆机）」です。

たとえば、実際の仕事場を思い浮かべてみてください。

**部屋A（翻訳・日常業務デスク）：**辞書とメールの定型文テンプレートが置かれ、フットワークの軽いアシスタントが待機している。
**部屋B（長編小説・執筆部屋）：**8万字の原稿データ、年表、キャラクター設定資料だけが本棚に並び、世界観を熟知したアシスタントが待機している。
**部屋C（アイデア出し・ブレインストーミングルーム）：**資料は置かず、柔軟で突飛な発想が得意なモデルが待機している。

このように部屋を物理的に分ければ、部屋Bで小説の整合性をチェックしている最中に、部屋Aの英語翻訳のルールが紛れ込むことは絶対にありません。机の上が散らかることも、アシスタントが指示を取り違えることもなくなります。

AnythingLLMのワークスペースは、まさにこの「完全な部屋分け」をPC内で実現する仕組みです。

ワークスペースが独立して保持する「4つの要素」

AnythingLLMでは、ワークスペースを新しく作成するたびに、以下の4つの要素が完全に独立した状態で管理されます。

**参照ドキュメント（ナレッジベース）：**その部屋に持ち込んだPDFやテキストファイル、Webページなどの資料。他のワークスペースからは一切参照されません。
システムプロンプト（役割・トーン）：「敬体で簡潔に」「小説の校正者として厳格に」といった前提指示。部屋ごとに固定できるため、毎回入力する必要がありません。
**割り当てるLLMモデル（頭脳）：**ワークスペースごとに異なるモデルを標準設定できます（例：翻訳部屋には高速な軽量モデル、長文分析部屋にはコンテキストの広い大型モデル）。
**パラメータ設定（Temperatureなど）：**回答の正確性を最優先にするか、創造性を持たせるかといった挙動の調整値。

「スレッド」と「ワークスペース」の違いを整理する

混乱しやすいのが、「普段使っているチャットツールのスレッド（新規チャット）と何が違うのか？」という点です。両者の違いをまとめると下表のようになります。

比較項目	一般的なチャットのスレッド	AnythingLLMのワークスペース
位置づけ	単なる「会話の区切り」	独立した「プロジェクト環境」
読み込ませたファイル	チャットを新しくすると再アップロードが必要	一度登録すれば、その部屋で永続的に保持
役割・前提指示	チャットごとに毎回指示するか、アカウント共通設定に依存	部屋ごとに固有のシステムプロンプトを完全固定
使用モデル	チャットごとに手動で選び直すことが多い	部屋ごとに「デフォルトの頭脳」を固定可能
会話の整理	スレッドが縦に無限に伸びて埋もれやすい	ワークスペースの中にさらに個別スレッドを作成可能

このように、ワークスペースという「大きな枠組み」の中に、日々の会話である「スレッド」がぶら下がる二層構造になっています。

「日常の雑務」「長文テキストの分析」「特定のプロジェクト」といった単位でワークスペースを切り分けておけば、必要な資料と最適なモデルがあらかじめ整った状態から、いつでもワンクリックで作業を再開できます。

5.2 ワークスペースの新規作成と基本設定

ワークスペースの概念を理解したところで、実際に新しいワークスペースを作ってみましょう。操作はすべてマウスとキーボードの文字入力だけで完結し、30秒もあれば最初の「専用部屋」が完成します。

ここでは、新規作成の具体的なステップから、視認性を高めるカスタマイズ、不要になった場合の整理方法までを解説します。

1. ワークスペースを新しく作る（基本の3ステップ）

AnythingLLMを起動した状態から進めます。

ステップ1：左サイドバーの「＋」ボタンをクリック

画面の左側（サイドバー）上部、またはワークスペース一覧の右側にある「＋（New Workspace）」アイコンをクリックします。

ステップ2：ワークスペースの名前を入力する

画面中央に「New Workspace」という入力ポップアップが表示されます。入力欄に好きな名前を入力してください。

入力例：日常翻訳・校正、長編小説_執筆室、アイデア出し
**日本語対応：**日本語の入力にも完全対応しています。ローマ字や英語にする必要はありません。

ステップ3：「Save」をクリックして作成完了

入力欄の下にある「Save（保存）」ボタンをクリックします。サイドバーにいま入力した名前のワークスペースが追加され、画面中央にその部屋のチャットエリアが開けば作成完了です。

2. 迷わないための「ワークスペース命名のコツ」

ワークスペースは後からいくつでも追加・削除できますが、最初から運用しやすい名前をつけておくと、画面がすっきりと整理されます。おすすめの命名パターンは「役割（目的）＋対象」です。

目的特化型：
- 日常翻訳・英文添削（手短な翻訳やメールの表現チェック用）
- アイデア出し・壁打ち（ブレインストーミングや雑談用）
作品・プロジェクト型：
- 長編執筆_SF短編A（特定作品のプロットや本文を読み込ませる用）
- リサーチ_世界観設定（参考資料やWeb記事を集約する用）
資料・ナレッジベース型：
- 取扱説明書・マニュアル（PDF資料を大量に入れて検索・質問する用）

運用のコツ： 最初から細かく部屋を分けすぎると管理が煩雑になります。まずは「日常の雑務用」と「重めの作業用（特定作品や資料用）」の2つを作って感触を掴むのがおすすめです。

3. 基本設定画面（Workspace Settings）を開く

作成したワークスペースの名前や外観を変更したい場合は、ワークスペースごとの設定画面を開きます。

左サイドバーで、設定を変更したいワークスペースをクリックして選択します。
画面上部（チャット画面のタイトル部分）またはサイドバーのワークスペース名横に表示される「歯車アイコン（Workspace Settings）」をクリックします。
画面が設定メニューに切り替わります。左メニューの「General」が選択されていることを確認してください。

この「General」タブが、ワークスペースの見た目や基本情報を管理する場所です。

4. 見た目を整える：アイコンと表示名の変更

複数のワークスペースを行き来するようになると、文字だけでなく「アイコン（ワークスペース画像）」を設定しておくと視覚的に一瞬で判別できるようになります。

ワークスペース名の変更

「Workspace Name」の入力欄を書き換え、右下の「Save changes」をクリックするだけで、いつでも名称を変更できます。

アイコン（PFP / アバター）の設定

設定画面上部にある円形のワークスペースアイコン部分（または「Upload workspace picture」）をクリックします。
Windowsのファイル選択ウィンドウが開くので、設定したい画像ファイル（PNG、JPGなど）を選択して「開く」をクリックします。
画面右下の「Save changes」をクリックして保存します。

「翻訳部屋には辞書のアイコン」「小説部屋には原稿用紙やペンのイラスト」といった画像を割り当てておくと、サイドバーが整理され、愛着の湧く作業環境になります。

5. 不要になったワークスペースの削除

プロジェクトが終了したり、実験用に作った部屋が不要になったりした場合は、簡単に削除できます。

該当するワークスペースの設定画面（歯車アイコン）を開きます。
「General」タブの一番下までスクロールします。
赤い文字で表示されている「Delete Workspace」ボタンをクリックします。
最終確認のダイアログが表示されるので、確認して削除を確定します。

注意：ドキュメントの扱いについて ワークスペースを削除すると、その部屋のチャット履歴やワークスペース独自の設定は完全に消去されます。ただし、アップロードした元のファイルデータそのものはAnythingLLM内のストレージプール（ドキュメント保管庫）に残るため、必要に応じて完全に消去するか、別のワークスペースに再利用することができます（詳細は第6章で解説します）。

【発展】ワークスペースの中で会話を分ける「スレッド機能」

「ワークスペースを作った後、日々の会話はどう管理すればいいのか？」という点も重要です。

AnythingLLMでは、1つのワークスペースの中に複数の「Thread（スレッド）」を作ることができます。

左サイドバーのワークスペース名の下にある「＋ New thread」をクリックすると、その部屋の設定と資料を引き継いだまま、まっさらなチャット画面を開くことができます。

たとえば「長編小説_執筆室」というワークスペースの中で、

スレッド1：第1章の推敲
スレッド2：登場人物Aのセリフチェック
スレッド3：伏線のタイムライン整理

というように、話題ごとにスレッドを切り分けて使うのが最もスマートな運用法です。部屋（設定と資料）は共通のまま、机の上のノートだけを新しくめくる感覚で使い分けることができます。

5.3 ワークスペース単位でモデルを変える

AnythingLLMの際立った強みのひとつが、「部屋（ワークスペース）ごとに、デフォルトで呼び出すLLMモデル（頭脳）を別々に固定できる」という点です。

一般的なAIサービスでは、画面全体のモデルを切り替えると過去のチャットもすべてそのモデルに引っ張られたり、チャットを開くたびに「どのモデルを使うか」を選び直す手間が発生したりします。AnythingLLMなら、「この部屋に入ったら、自動的にこの頭脳が起動する」という設定をあらかじめ組んでおくことができます。

なぜ「部屋ごとにモデルを変える」必要があるのか？

すべての作業を同じモデルでこなそうとすると、以下のような非効率が生じます。

簡単な英単語の翻訳やメールの誤字脱字チェックに、起動が重くコンテキストが巨大な大型モデルを使うのは、レスポンス待ちの時間が無駄になる（軽快な小型モデルで瞬時に終わらせたい）。
数万文字に及ぶ長文原稿の伏線確認や論理整合性の精査に、記憶容量（コンテキストウィンドウ）の小さい軽量モデルを使うと、資料の内容を取りこぼして的外れな回答になる。
機密情報や未公開のプロットを扱うときは、外部サーバーに一切通信を送らない「完全ローカルLLM」に任せたい。

ワークスペースごとに最適なモデルを割り当てておくことで、部屋を切り替えるだけで、作業の性質にぴったりの頭脳が最初からスタンバイしている状態を作れます。

ワークスペース専用モデルを設定する手順

ワークスペースごとに異なるモデルを割り当てる手順は、以下の通りです。全体設定（第3章で行ったグローバル設定）をベースにしつつ、その部屋だけの「上書きルール」を適用します。

ステップ1：設定対象のワークスペースを開く

左サイドバーから、モデルを変更したいワークスペースをクリックして選択します。

ステップ2：ワークスペース設定（歯車アイコン）を開く

画面上部、またはサイドバーのワークスペース名横にある「歯車アイコン（Workspace Settings）」をクリックします。

ステップ3：「Chat Settings」メニューを選択する

設定画面の左メニューから「Chat Settings（チャット設定）」をクリックします。

ステップ4：「Workspace LLM Provider」を設定する

画面中央に表示される「Workspace LLM」の項目を確認します。

Workspace LLM Provider（提供元）：

初期状態では「System default（全体設定に従う）」になっています。
全体設定とは別のプロバイダーを使いたい場合（例：普段はOllama Cloudだが、この部屋だけ完全ローカルのOllamaや別のAPIを使う場合）は、プルダウンから対象のプロバイダーを選択します。

Workspace Chat Model（使用するモデル）：

プルダウンメニューをクリックし、その部屋で標準使用したいモデル名を選択します。
例：日常作業用の部屋なら軽量・高速モデル、長文分析用の部屋なら大容量コンテキスト対応モデルを指定します。

ステップ5：「Save changes」で保存する

画面下部にある「Save changes（変更を保存）」ボタンをクリックします。設定完了の通知が表示されたら、左上の「←」または「×」でチャット画面に戻ります。

これで、次回以降そのワークスペースを開いてメッセージを送信した際、自動的にここで指定したモデルが応答するようになります。

代表的な3つの「使い分け」プリセット例

どのような組み合わせで設定すると日々の作業が快適になるか、実用的な3つの部屋設計の例を紹介します。

1. 【瞬発力重視】日常翻訳・定型文作成部屋

**向いているモデル：**軽量・超高速なクラウドモデル（Ollama Cloud経由の小型モデルなど）
**特徴：**質問を送信したコンマ数秒後には回答が出力され始めます。辞書引き、英文メールのトーン調整、手短な要約など、思考を止めずにサクサク処理したい作業に最適です。

2. 【大容量・推論力重視】長編テキスト精査・資料読解部屋

**向いているモデル：**長大なコンテキストを扱える大型モデル
**特徴：**10～20万文字といった長編小説の原稿や分厚いPDFを丸ごと読み込ませても、文脈の破綻なく全体の整合性を読み解くことができます。出力速度よりも「深い理解と正確な参照」を重視する部屋です。

3. 【プライバシー最優先】オフライン・完全ローカル部屋

**向いているモデル：**PC内のグラフィックボードやCPUで直接動かすOllamaローカルモデル
**特徴：**インターネット通信を完全に遮断した状態でも動作します。未公開の原稿のアイデアメモや、社外秘データを外部に一切送信したくない場合のセーフティルームとして機能します。

チャット画面上部の「一時切り替え」との関係

「一度設定したら、その部屋ではずっとそのモデルしか使えないのか？」というと、そうではありません。

チャット画面の上部中央には、現在選択されているモデル名が表示されたプルダウンバーが存在します。ここをクリックすれば、ワークスペースの基本設定を壊すことなく、その場限りの検証として一時的に別のモデルへ切り替えることができます。

**ワークスペース設定のモデル：**その部屋に入ったときの「基本のスタンス」
チャット上部のモデルセレクター：「今の質問だけ、別のモデルの意見も聞いてみたい」ときの一時的な切り替えスイッチ

このように二重の柔軟性が確保されているため、普段は設定した最適モデルに任せつつ、必要に応じて画面上部から別の頭脳を呼び出すといったプロフェッショナルな使い分けがスムーズに行えます。

第6章以降が読みたい方は こちらをクリック！

第6章：長文・資料を読み込ませる〜ドキュメント管理＆RAG 完全攻略
6.1 取り扱い可能なファイル形式とインポート手順
6.2 「ピン留め（Pin）」と「埋め込み（Embedding）」の決定的な違い
6.3 チャットモードの使い分け
6.4 検索精度のチューニング
6.5 長文テキストを取り込む際の分割と命名ルール
第7章：ワークスペースを専属アシスタント化するカスタマイズ
7.1 システムプロンプト（System Prompt）の注入
7.2 パラメータ調整の勘所
7.3 ワークスペースごとのプロンプトテンプレート集
第8章：自律して動く「エージェント機能」とツール連携
8.1 AnythingLLMのエージェントとは？
8.2 標準ツールの有効化と使い方
8.3 カスタムツールの可能性（概要紹介）
第9章：実践ユースケース集（日常・仕事・創作へのフル活用）
9.1 ケース1：40k〜80k wordsの長編原稿の推敲・整合性チェック
9.2 ケース2：海外の長文記事・論文の即時読解・対訳作成
第10章：トラブルシューティング、バックアップ、プライバシー保護
10.1 よくあるエラーと対処法
10.2 データのバックアップと移行
10.3 セキュリティとローカル完結運用のベストプラクティス
おわりに：手元のPCに「最高の書斎」を灯すあなたへ