Loomyの詳細体験 - デスクトップエージェントがローカルファイルを「理解」できるようにする

ヘビーユーザーの視点から：データベースや検索ポップアップは、実際にはどのような問題を解決するのでしょうか？

Loomyをインストールしてインターフェースを開くと、私と同じように感じるかもしれません。チャットしたり、タスクを実行したり、IMに接続したりすることはできますが、それでもまだ…ほんの一息何でもできそうに見えるけれど、実際に「役に立てる」には一体どこから始めればいいのだろうか？

しばらく前から頻繁に使っていて、今回のアップデートで…2つの機能それが、ルーミーが「おもちゃ」から「道具」へと変貌を遂げる決定的な転換点だった。

• データベース - させてAIコンピューター上のファイルを真に「理解」する
• 検索ポップアップ— タスクを「投げる」ことができます...AI

この記事では公式なレトリックを避け、ユーザーと技術観察者の視点から、これら2つの機能が実際にどのような問題を解決するのか、技術的な特長は何か、そしてデスクトップに関する私の考えを論じます。Agent方向性に関するいくつかの判断。

I. データベース：「ファイル管理」という言葉に惑わされないでください。実際には「意味的インデックス作成」を行っています。

最初にデータベースを開いたとき、私はまた別の「AI知的「分類」という仕掛けは、しばらく使ってみて初めて明らかになった。実際には、非常に根本的な問題を解決するのだ。つまり、どのようにすれば…AI非構造化データを安全かつローカルで理解する。

1.1 セキュリティ：ローカル閉ループシステムは、特に高く評価されるべきです。

デスクトップAgent信頼を築く上で最大の障壁となるのはセキュリティです。ルーミーのアプローチは、私がこれまで見てきた中で最も現実的なものだと思います。

• 明示的な承認「承認してディレクトリを選択」をクリックしないと、何も表示されません。
• ローカル閉ループスキャン、分類、インデックス作成はすべてローカルで行われ、アップロードは行われません。
• 動的キャンセル権限はいつでも取り消すことができ、インデックスは同期およびクリーンアップできます。

これら3つの点はそれぞれ単独では珍しいものではないが、組み合わさると独特な現象となる。信頼できるローカルデータアクセスパラダイムデスクトップアプリケーション開発者にとって、この権限モデルは参考にする価値があります。多くの製品に見られる「まず全ての権限を要求し、それから何ができないかを決める」という設計よりも、はるかに良心的です。

1.2 知的分類：これはルールマッチングではなく、意味クラスタリングです。

データベースには文書が含まれています自動ファイルは「データ」「コースウェア」「論文」などのカテゴリに分類されていました。最初はファイル拡張子やキーワードの厳密な一致に基づいていると思っていましたが、様々な文書をまとめてアップロードした後、私は発見しました。分類ロジックは明らかにコンテンツの意味論に基づいている。。

• 文書の本文を抽出する
• 埋め込みモデルを使用してベクトルに変換する
• クラスタリングアルゴリズム自動グループ分け + 自動タグを生成する

このアプローチの利点は、…事前定義された分類ルールは不要ですさまざまなユーザーのファイル分布に適応できます。汎用デスクトップとして…Agent彼らにとって、これが唯一実現可能な道筋です。ユーザーごとに分類ルールをカスタマイズすることはできないからです。

1.3 知的画像認識：画像が「理解」されると、その価値は完全に変化する。

これがデータベースに含まれる内容だと私は考えています。「知的” その機能。

デフォルトでは、Loomy はファイル名画像認識。しかし「…」を有効にすると、知的「画像認識」の後、マルチモーダル大型モデル画像の内容を分析し、意味的な説明を生成して保存します。

実際のテスト結果：私が「データベースER図のスクリーンショット」を検索したところ、Screenshot-2026-03-21.pngという名前の画像を取得することができました。ファイル名のせいではなく、AI私はこの図を本当に「理解」しました。これはER図です。。

技術的には典型的なローカルにおけるRAGコンセプトマルチモーダルデータ実装：

• 画像 → マルチモーダル大型モデル → テキストの説明 → インデックスに保存
• ユーザーが意味的に検索する → テキストの説明に一致する → 画像を返す。

この論理は複雑ではないが、ローカル環境ではスムーズに動作します。これは、エンジニアリングの最適化に多大な努力が注がれてきたことを示しています。将来的には、このモデルをビデオのキーフレームや音声テキスト変換インデックスに拡張することで、デスクトップアプリケーションに適したものにすることができます。Agent真の「目」と「耳」。

1.4 競合他社と比較して、どのような違いがありますか？

寸法	ルーミーデータベース	Windows/macOS検索	Alfred/Raycast
文書の内容を理解する	意味レベル	ファイル名/メタデータのみ	ファイル名のみ
知的画像認識	✅	❌	❌
AI自動分類	✅	❌	❌
そしてAgentコラボレーション	ネイティブサポート	❌	追加の設定が必要です

差別化は一言で言い表せる。それはファイルを「見つける」のに役立つのではなく、むしろ...AIファイルの内容を理解した後、その理解に基づいてタスクを実行する。。

II. 検索ポップアップ：ランチャーだと思った？実は「タスクトリガー」です。

検索ポップアップは一見するとAlfredやRaycastと非常によく似ているが、根本的なロジックが全く異なる。。

2.1 ユーザーエクスペリエンスの観点から：ミリ秒レベルの応答時間は、ローカルインデックスが適切に実装されていることを示しています。

Alt+Spaceを押すとグローバル機能が表示され、入力と同時にマッチングが行われ、応答の遅延はほとんど感じられません。この動作の背景には、以下の仕組みがあります。

• 全文インデックス作成のためのSQLite FTS5
• 意味的なマッチングのために、軽量なベクトルライブラリ（Chroma/LanceDB）を導入することも可能です。
• バックグラウンドプロセスは、ホットキーがリアルタイムで確実に認識されるように継続的に実行されます。

これらの技術選択は珍しいことではないが、複数の情報源（スキル、文書、画像、アプリケーション）からの検索を単一の入力ボックスに統合しつつ、低遅延を維持できる機能は、優れたエンジニアリング統合能力を示している。。

2.2 タブキー切り替え：真の「キラーインタラクション」

通常の検索ボックスで検索結果が表示されます。Enterキーを押して結果を開くだけで完了です。

しかし、Loomyの検索ポップアップには追加の手順があります。Tabキーを押すと、「検索」から「Loomyに質問」に切り替わります。。

違いを説明するために、例を挙げましょう。

• あなたは週次報告書を作成する必要があり、システムアーキテクチャ図が必要です。
• Alt+Spaceキーを押して「architecture diagram」と入力すると、いくつか見つかります。
• しかし、それらはすべて古いバージョンであることがわかりました。問題ありません。Tabキーを押すだけで、入力ボックスが「Loomyに質問：データベースに基づいて…」に変わります。最新のアーキテクチャ図を提供していただき、デプロイメントドキュメントの作成にご協力ください。
• Loomyは画像を自動的に検索し、文書を生成します。

ボタン一つで、「ファイルの検索」が「タスクの割り当て」へとアップグレードされました。このインタラクションデザインの重要な点は、検索結果が不十分だと分かった瞬間に、新しいチャットウィンドウを開いて再度説明することなく、リクエストをシームレスにアップグレードできる点です。

この「段階的なタスク構築」方式は、他の多くの方式よりも優れている。Agent「純粋に検索機能のみ、あるいは純粋にインタラクティブな機能のみ」を備えた製品のデザインの方が、はるかに自然である。

2.3 アルフレッドや他の研究者との比較：根本的に異なる位置づけ

寸法	Loomy検索ポップアップ	Alfred/Raycast
速い起動する	✅	✅（コア機能）
意味検索	✅（付属）AI画像認識	❌
ワンクリックタスクに切り替える	✅（タブキー）	❌
そしてAgentネイティブコラボレーション	✅	追加のスクリプトが必要です

アルフレッドは「速い見つけて開くLoomyの検索ポップアップは、以下の問題に対処します…速いそれを見つけて、それからAI続けてこの2種は同じ種ではない。

さて、これで終わりなので、私の考えをいくつかお話しさせてください。足りない位置：

• 知的画像認識にはポイントが消費されますまあ、理解できるよ。結局のところ、それは電話なんだから…。大型モデル費用はかかりますが、将来的には、たとえ結果がそれほど良くなくても、小規模なローカルモデルをオフラインで実行できるようになり、「無料で使える」選択肢が提供されることを期待しています。
• このデータベースは現在読み取り専用です。検索や閲覧はできますが、許可することはできません...AIファイル内のファイルを直接「編集」できます。例えば、「これらの画像の名前を変更する」といった操作には、現時点では追加のスキルが必要です。今後、読み書き操作が統合されることを期待しています。
• 検索結果ポップアップの並べ替えアルゴリズムは、より「賢く」することができる。現在、ランキングは関連性に基づいて決定されています。利用頻度や最近のアクセス時間などの要素を組み合わせてパーソナライズされた並べ替えができれば、ユーザーエクスペリエンスはさらに向上するでしょう。
• スキルリストは既にかなり充実している。（金融ニュース、公式文書作成、株式分析、Douyinトレンドリスト追跡など）しかしデータベースのインデックスデータは、まだSkillで利用できません。将来的にSkillがデータベースから検索結果に直接アクセスできるようになれば、その可能性は無限に広がるだろう。例えば、過去6か月間の文書に基づいてナレッジグラフを生成するといったことが可能になる。

IV. 要約：デスクトップAgent「データ基盤」が形になりつつある。

私のデスクトップAgent私は常にこう考えてきた。実際に「成果を上げられる」かどうかは、それがあなたのローカルデータをどれだけ深く理解しているかにかかっています。ローカルデータの理解はできません。Agentそれは「話すだけで何もできない」ただのチャットボックスです。

Loomyのデータベースと検索ポップアップの最新アップデートは、基本的にローカルデータのためのセマンティックインデックスレイヤーを構築し、以下のことを可能にするものです。AI文書を「理解する」ことで、ユーザーは「いつでも」情報を見つけることができるようになります。AIこれにより、タスクは取得から実行までシームレスに移行できます。

階層	関数	解決すべき問題
データ層	データベース	AIファイルが認識されません →AI"理解する"
検索レイヤー	検索ポップアップ	見つかりませんAI →いつでもお電話ください
実行層	Agent対話	それを見つけた後も、手動で行う必要があります → Tab キーを押してタスクを割り当てます

製品デザインは模倣できるが、今回のLoomyアップデートで真に注目に値するのは、「データ→取得→実行」という閉ループのロジックである。。

Loomyもインストールしている場合は、むやみにクリックしたり、ランダムに操作したりしないでください。

まず、認証データベースにアクセスし、次にAlt+Spaceのキーボードショートカットを覚えておきましょう。次に、日々の「まずファイルを探してから作業を行う」というプロセスのうち、どれを「～させる」プロセスに変えられるかを考えてみましょう。AI"やるだけ。"