如何使用支援多種生成式 AI 服務的桌面 AI 助手 Witsy
第906回 さまざまな生成AIプロバイダーに対応したデスクトップAIアシスタント、Witsyを使用する
Witsy 桌面 AI 助手可連接多種雲端 LLM 服務,亦支援 LM Studio、Ollama 等本地 LLM 執行環境,文章示範其設定與使用。示範環境使用 Qwen3.5-27B 配合 llama.cpp,並介紹檔案系統、Python 和 SearXNG 網頁搜尋外掛,以及將表格匯出為 CSV/Excel。
今回はAIアシスタントのWitsyを紹介します。
AIアシスタントは便利
第905回などをはじめとする過去の記事ではLLMのクライアントはWebブラウザーを前提としています。なにせ手軽であることが大きな理由ですが、LM Studioを例に出すまでもなく、専用のクライアントアプリがあったらいろいろ便利です。だったらLM Studioを使用すればいいのですが、クローズドソースなのであまり使用したくありません。
そんなときに次の候補にしたいのが、第883回でも簡単に紹介したWitsyです。LLM管理機能こそはありませんが、多くのクラウドLLMサービスに対応しているばかりでなく、ローカルLLMにも対応しています。対応するローカルLLM実行環境はLM StudioとOllamaですが、LM Studioのバックエンドはllama.cppなので、すなわちllama.cppが使用できます。あくまで今回の例なので、実際に試してみる場合はお好きなLLMサービスを選択してください。
Witsyは少し前のバージョンまでフォーカスに関する不具合があっておすすめしづらかったのですが、現在はそれも解消され、広くおすすめできる存在になっています。ただ、IBusで若干もたつくような挙動はあります。
動作環境
今回使用するのは第905回で紹介した、NVIDIA GeForce RTX 5060 Tiを使用したPCです。モデルはQwen3.5-27Bです。もちろん使用するのはCUDAなので、紹介した方法でビルドしてください。
ダウンロードとインストール
WitsyはDebパッケージとして提供されています。GitHubのReleasesページから「witsy_(バージョン)_amd64.deb」をダウンロードし、インストールします。
初期設定
最初起動した際にウィザードが表示されます(図1)。基本的に何もしなくても構いません。
最低限必要な設定としては使用するLLMを選択することです。サイドバー左下の歯車アイコンをクリックして設定画面を表示し、「モデル」をクリックします。
多くのLLMクラウドサービスに対応していることがわかりますが、ここでは「LM Studio」をクリックします。
「APIベースURL」でllama.cppサーバーを指定します。第905回のとおりであれば、「http://localhost:8080」となります。続けて「チャットモデル」右の再読み込みアイコンをクリックすると、現在有効なモデルが表示されます(図2)。
これで設定完了です。
「チャット」を開き、「メッセージ送信ショートカット」を確認してください(図3)。
デフォルトでは「Enterで送信、Shift+Enterで改行」となっています。このショートカットキーで慣れている場合にはいいのですが、直感的には「Enterで改行、Shift+Enterで送信」のほうがわかりやすいので、必要であればこの設定を変更してください。
基本的な使い方
サイドバーの上から2番目の「チャット」をクリックし、入力欄右側のモデルを選択するところで先程表示したモデルを選択し、ようやく使えるようになります(図4)。
なにか質問してみてください(図5)。
Witsyの便利なところ
Witsyの便利なところはいろいろありますが、まずは生成した表をCSV/Excel形式でダウンロードできるところです(図6)。
またMarmaid形式で図が作成された場合、レンダリングしてダウンロードもできます(図7)。
HTMLやPDFでの保存もできます(図8)。
プラグイン
「設定」-「プラグイン」にはさまざまなプラグインがあります。いくつか有効にしてみます。
ファイルシステム
これは指定されたディレクトリ(フォルダー)にアクセスを許可するプラグインです。
「有効」と「書き込み操作を許可する」にチェックを入れ、アクセスを許可するディレクトリを指定します。例では/home/ikuya/Downloadsとしています。
有効にするため、いったんWitsyを再起動します。なおウィンドウを閉じただけでは終了せず、右上の万年筆アイコンをクリックしてメニューを表示し、「終了」をクリックしてください(図10)。
試しにローカルのファイルシステムにアクセスできるか確認してみましたが、特に問題なくできているようです。
Python
Pythonのプログラムを実行できます。ただし別ウィンドウを表示するようなものには対応しておらず、あくまでコンソールで完結するもののみです。
「有効」にチェックを入れるとランタイムをインストールするか質問されます(図12)。
ダウンロード完了後、試しにランダムな文字列でパスワードを生成し、そのファイルを保存するPythonスクリプトを開発してもらいました(図13)。
このように、プラグインを跨いだ質問にも対応しています。
ウェブ検索
ウェブ検索にも対応しています。エンジンは6種類から選べます。ちょっと使うくらいであれば「ローカルGoogle検索」を選択してもいいのですが、使用には強い制限があるようなので、別のものがいいでしょう。
その中で一番手軽そうだったのはSearXNGですので、これを使用します。
Dockerを使用しますので、インストールしていない場合はインストールします。
$ sudo apt install docker.io docker-compose-v2 curl $ sudo usermod -aG docker $USER
一旦ここで再起動します。
続けてSearXNGのコンテナを用意します。
$ mkdir -p ./searxng/core-config/
$ cd ./searxng/
$ curl -fsSL -O https://raw.githubusercontent.com/searxng/searxng/master/container/docker-compose.yml \
-O https://raw.githubusercontent.com/searxng/searxng/master/container/.env.example
$ cp -i .env.example .env
SearXNGはデフォルトではポート8080で動作します。今回llama.cppもポート8080で動作しているため、被ってしまいます。したがって、先程コピーした.envをエディターで開き、一番下の行を#SEARXNG_PORT=8080からSEARXNG_PORT=8081に変更します。あくまで今回の例で、都合のいいポートに変更してください。
さらに続けて次のコマンドを実行します。
docker compose up -d docker compose down
すると~/searxng/core-config/settings.ymlが生成されます。これをエディターで開き、85行目付近にある箇所を次のように編集します。なお開くときは管理者権限が必要のようです。
formats:
- html
- json
Witsyから検索をする場合はJSON形式を使用するため、これを追加します。
あとはイメージを起動して完了です。
$ docker compose up -d
「設定」-「プラグイン」-「ウェブ検索」を開き、「有効」にチェックを入れます。「エンジン」を「SearXNG」に変更し、「SearXNG URL」を、今回の例だと「http://localhost:8081」とします(図14)。
こちらも再起動しないと有効にならないようです。
歴代のUbuntuのバージョンを検索結果から表にしてもらいましたが、筆者の記憶にある限りでは正確なので、きちんと検索できているようです(図15)。
また最初はタブ区切りで表を作ってもらい、それをCSV(カンマ区切り)に変更してもらったら、Pythonでプログラムを書いたところが面白かったです(図16)。
もちろんそのファイルを直接保存できます(図17)。
來源:gihyo.jp · gihyo.jp