Workers AIでブログをベクトル検索して比較

こんにちは！アントロンのNaokoです。

前に読んだブログや記事に、悩みのヒントが書いてあった気がする。でも、検索しても見つからない。そんなことはありませんか？

私は、読んできた記事を、自分の悩みをふだんの言葉で質問して探せるようにしたくて、この仕組みを作りました。

文章をベクトル（文章を表す数値の並び）にするのは Cloudflare Workers AI の bge-m3、検索結果から答えをまとめるのは Claude Code（AI に作業を頼めるアプリ）です。

アントロンBLOGの公開済み記事で2つの質問を試すと、検索方法によって上位に出る文章が変わりました。ただし、この比較だけで、どの検索方法が優れているかまでは決められません。

使った構成と実装条件、検索の比較、答え方の実演を紹介します。

言葉の一致だけでなく、文章の近さで探す

今回作ったキーワード検索は、質問から取り出した言葉が文章に入っているかで探します。質問と記事で言い方が違うと、その言葉では見つけられません。

そこで、記事と質問をそれぞれベクトルにして、意味が近い文章を上から並べるベクトル検索も使いました。

記事をチャンク（記事を区切った短い文章）に分け、ベクトルを保存します。見つけた文章をもとに AI が答える RAG の仕組みです。検索結果はチャンク単位で数えています。

私1人で使うので、検索サーバーは置かなかった

使うのは私1人だけで、公開する用途でもありません。検索サーバーは置かず、チャンクとベクトルをファイルに保存し、自分の PC で読み込んで探します。

使ったものは次のとおりです。

• Cloudflare のアカウント
• wrangler（Cloudflare の開発用ツール）
• Python と NumPy（数値計算のライブラリ）
• Claude Code

やったこと1：文章をベクトルにする Worker を動かす

Cloudflare Workers AI（Cloudflare 上で AI のモデルを呼べるサービス）の @cf/baai/bge-m3 を使いました。

文章を受け取り、ベクトルを返す Worker（小さなプログラム）を、Claude Code に書いてもらいました。

export default {
  async fetch(request, env) {
    if (request.method !== 'POST') return new Response('POST only', { status: 405 });
    const { texts } = await request.json();
    if (!Array.isArray(texts) || texts.length === 0) return Response.json({ error: 'texts が空' }, { status: 400 });
    const r = await env.AI.run('@cf/baai/bge-m3', { text: texts });
    return Response.json({ vectors: r.data, shape: r.shape });
  },
};

この Worker は本番に上げず、自分の PC で wrangler dev（開発用コマンド）を使って動かしています。設定ファイル wrangler.toml の該当部分は次のとおりです。

[ai]
binding = "AI"
remote = true

[dev]
port = 8799

remote = true により、AI の処理は Cloudflare 側で動きます。ベクトルにする文章は Cloudflare に送られ、Workers AI の利用量に入ります。

開発時の動作は Cloudflare Docs の開発・テストの案内、料金は Workers AI の料金（Cloudflare Docs）で確認できます。利用量の考え方は、Workers AIの無料枠は1日何回？にも書きました。

やったこと2：記事を分けて、ベクトルを保存する

チャンクを作る Python のスクリプトも、Claude Code に書いてもらいました。実装条件は次のとおりです。

• 記事の行の切れ目で、400〜700字くらいを目安に分ける
• 前のチャンクの最後の2行を、次のチャンクの頭にも入れる
• ベクトルにするときは、記事のタイトルをチャンクの頭に付ける
• チャンクの本文は元の記事の行のまま残し、日付・タイトル・URL・行番号も持つ

Worker には32件ずつ送ります。返ってきたベクトルは長さを1にそろえる正規化をしてから保存します。質問のベクトルも同じ処理で正規化し、保存したベクトルとの内積で近さを計算します。

アントロンBLOGの公開済み記事38本は、291チャンクになりました。保存したファイルは、チャンクの一覧 chunks.jsonl と、ベクトルの vectors.npy です。

やったこと3：2つの質問を3通りで比較した

2026年10月12日、同じ質問を次の3通りで探し、上位5チャンクを比較しました。

• キーワード検索：漢字・カタカナ・英数字は2文字以上、ひらがなは3文字以上のつながりを質問から取り出し、本文に含まれる語で順位を付ける
• ベクトル検索：質問と各チャンクのベクトルの近さで順位を付ける
• ハイブリッド検索：両方式の上位20件を使い、RRF（順位を点にして足し合わせる方法）で並べ直す。各順位の点は 1 ÷（60＋順位）

1問目のキーワード検索1位は、定期実行の記事の99〜102行でした。そこには次の相談案内が含まれています。

> AI に毎日の作業を任せる仕組みづくりのご相談は、お問い合わせフォームからどうぞ。

一方、ベクトル検索4位のチャンクには、次の行がありました。

> ステップ1：任せる仕事を1つだけ選ぶ

AI導入の記事の8〜21行で、任せる仕事を選ぶ条件が続きます。つまり、キーワード検索でも質問に近い言葉は見つかっていますが、相談案内と仕事を選ぶ説明では、読める内容が違います。記事名や順位だけでなく、返された本文を見る必要があります。

また、ベクトル検索の5件は、5つの別の記事ではありません。同じ記事のチャンクです。ハイブリッド検索では別の記事も入りましたが、それだけで答えの質が上がったとは判断できません。

2問目は、Facebookへの自動投稿の記事が、どの方式でも1位でした。そのチャンクには、次の行があります。

> 記事を書いても、SNSで知らせるのを忘れる

今回のキーワード検索が取り出した語は、1問目が AI・毎日・作業・せたい、2問目が ブログ・いても・SNS でした。単語の途中で切れた語も含まれています。

この簡易的な語の取り出し方と2問の結果を、キーワード検索全般の評価には広げられません。今回確認できたのは、同じ資料と質問でも、方式によって上位のチャンクが変わることです。

やったこと4：引用・出典・AI のまとめを分ける

Claude Code のスキル（決まった手順をまとめたファイル）には、検索順位だけで答えを決めず、候補の全文を読んで選ぶ手順を書きました。

ベクトル検索とキーワード検索から上位10件ずつを渡します。キーワードは、質問の言葉と、書いた人が同じことを書くときの言葉を2組に分けて探すようにしています。

答え方にも、次の決まりを書きました。

• 引用はチャンクの連続した行をそのまま写し、1文字も変えない
• 引用の下に日付・タイトル・URL を付ける
• 最後に まとめ（Claude） を1行付け、引用にあることだけをつなぐ
• 答えが見つからなければ 見つからなかった と書き、探した言葉を添える

AI が言い換えた文を、書いた人の言葉として読んでしまうのを避けるためです。

下の実演では、アントロンBLOGのデータを渡し、比較の上位から質問に合うチャンクを1つ選ぶ短い指示を使いました。画面には、AI 導入の記事の8〜21行の引用、日付・タイトル・URL、AI のまとめが返っています。

この実演は、上位10件ずつを渡してキーワードを2組に分けるスキル全体の検証ではありません。

人の文章を使うときの扱い

ふだん探している記事には、購入した有料の記事も含まれます。記事や検索結果を公開せず、自分の用途で使っています。

ただし、ベクトル化する文章は Cloudflare に送られます。自分だけで使うことと、外部に送らないことは別です。

答えは引用と出典で受け取り、元の記事を開いて確かめる方針です。

探せなかった悩みを1つ書き出す

前に読んだはずなのに見つからなかった悩みを、1つ書き出してみてください。今回の比較では、質問の語の取り出し方と、検索された本文の両方を見ることが判断材料になりました。

自分の記事や資料を探す仕組みについてのご相談は、お問い合わせフォームからどうぞ。

最後まで読んでくださりありがとうございました！