コアコンセプト: Spaces

Knowledge Spaces(略して Spaces)は、ドキュメントに基づいた Rephlo のコンテキストストアです。特定のプロジェクトやドキュメント、スタイルガイドについて AI に「教える」ことができます。Space がアクティブな場合、Rephlo はそこから情報を取得し、あなた自身の ファイルに基づいた回答を生成します。

Space とは?

Space は、token budget(トークン予算)を持つ 参考資料のフォルダ だと考えてください。

• Space を使わない場合: AI は一般的な学習内容のみに頼ります(例:「契約書を書いて」)。
• Space を使う場合: AI はあなたのファイルを使用します(例:「アップロードした PDF の条項を使って 契約書を書いて」)。

各 Space には、ちょっとした視覚的な個性を持たせることができます。

• Emoji icon(絵文字アイコン) — UI 上で素早く見分けられるように、1つの絵文字を設定できます。
• Color(色、#RRGGBB の16進数、例: #3B82F6) — Space のカードやバッジの配色に使われます。

サポートされるデータ形式

Space にファイルを追加すると、Rephlo がそのテキストを抽出して保存します。対応しているファイル形式と、ファイルごとのサイズ上限は以下のとおりです。

種類	拡張子	最大サイズ
PDF	.pdf	50 MB
Word	.docx	50 MB
プレーンテキスト	.txt	10 MB
Markdown	.md	10 MB
CSV	.csv	20 MB

取り込まれた各ファイルの抽出テキストは、その raw トークン数とともに保存され、(compact 化された場合は)compact トークン数も保存されます。

仕組み

1. 取り込み(Ingestion) — ファイルを追加すると、Rephlo がそのテキスト内容を抽出して保存します。
2. 注入(Injection) — Space をアタッチした状態で Command を実行すると、Rephlo は Space の内容を AI に送信するプロンプトに組み込みます。
3. 生成(Generation) — AI はそのコンテキストを読み取り、あなたのドキュメントに基づいて回答します。

ローカル検索(RAG): Rephlo は、Space の raw コンテンツから ローカルインデックス を構築できます。これにより、すべてを送信する代わりに最も関連性の高い部分を取得できます。このローカルインデックスは raw テキストのみに対応しています — そのため、新しい Space のデフォルトのデータモードは Smart Search(raw コンテンツ)になっています(詳細は後述)。

Token Budget(トークン予算)

LLM には、一度に読み取れるテキスト量に上限があります(コンテキストウィンドウ)。各 Space は、自らのサイズを token budget と照らし合わせて管理します。

• Token budget — デフォルトは 100,000 トークン、最小 1,000、最大 1,000,000 です。
• Raw token count(raw トークン数) — raw コンテンツを使用しているすべての項目のトークン数の合計です。
• Compact token count(compact トークン数) — Compact(要約された)コンテンツを使用しているすべての項目のトークン数の合計です。

この2つのカウントは それぞれ独立して 記録されるため、各モードで Space にどれだけのコストがかかるかを確認できます。各ファイルは自身の raw および compact(要約)トークン数を保持しており、Space はそれらを合計します。

データモード、AI 検索(RAG)、トークンコスト

Space がその内容を AI に渡す方法にはいくつかの種類があります。Space 自体の生のサイズよりも、どの方法を使うかの方がトークンコストに大きく影響します。

データモード

各 Space には デフォルトのデータモード があります(Command は実行ごとにこれを上書きできます)。

• 🔍 Smart Search(デフォルト) — raw コンテンツ を送信し、無料 です。小さな Space では全文を送信しますが、Space が大きくなると最も関連性の高い部分のみを取得します。
• 🗜️ Compact — 全文の代わりに 各ファイルの AI 生成サマリー を送信します(元の raw テキストはそのまま保持されます)。トークン数を大幅に抑えられますが、多少の詳細が失われます。これらのサマリーの生成には credits を消費します(生成後は再利用されます)。

Rephlo は、Smart Search か Compact かに関わらず、どの Space からでも最も関連性の高い箇所を取得できます。データモードが送信内容を左右するのは、検索(retrieval)が 適用されない 場合だけです(詳細は後述)。

AI 検索(RAG)

Space に対して Command を実行したり、Chat を行ったりすると、Rephlo は RAG(検索拡張生成、retrieval-augmented generation)を使用します。Space 全体を送信する代わりに、あなたのドキュメントを意味的に検索し、リクエストに一致する箇所だけを送信します。これはデータモードに関係なく、どの Space でも行われます — 検索は あなたのデバイス上で 実行されるため、ドキュメントがマシンの外に出ることはありません。

検索の厳密さは、RAG Retrieval settings 内の RAG profile で調整できます。

• このプロファイルは match threshold(一致しきい値) — リクエストに対してどれだけ類似していれば結果に含めるか — を設定するもので、Very Lenient(緩めの一致も許容)から Strictest(高確信度の一致のみ)まであり、デフォルトは Balanced です。
• 関連する内容が少なすぎる場合や、Space 全体に関わる質問をした場合、Rephlo は Space 全体の送信にフォールバック するため、コンテキストが失われることはありません。このフォールバックこそが、データモード が意味を持つ唯一の場面です。Smart Search の Space は各ファイルの raw テキスト全文を送信し、Compact の Space は各ファイルの短いサマリーを送信します。

では、どれが最もトークンコストを抑えられるのか?

主に、検索(retrieval)が適用されるかどうかによって決まります。

AI に送信される内容	タイミング	相対的なトークンコスト
リクエストに一致する箇所のみ(RAG)	検索が適用される場合 — 一般的なケース	最も低い
Space 内の各ファイルの Compact(要約)版	フォールバック、Space が Compact モードの場合	中程度
すべてのファイルの raw テキスト全文	フォールバック、Space が Smart Search モードの場合	最も高い

つまり、Smart Search が自動的に「より高コスト」になるわけではありません。検索が適用される場合、Smart Search でも Compact でも どの Space であっても、一致する箇所のみを送信するため、通常は 全ファイルを送信するよりも少ないトークン数 で済みます — しかも Smart Search は credits がかかりません。データモードがコストに影響するのは、Rephlo が Space 全体の送信にフォールバックする場合のみです。その場合、Compact(各ファイルを要約したもの)の方が Smart Search(各ファイルの raw テキスト全文)よりも軽くなりますが、そのサマリーの生成には credits がかかります。正確なトークン数は、クエリの内容、一致する箇所、そして Space のサイズによって変わります。

モードを切り替えるタイミングや、Compact 利用時の credit に関する保護機能については、Data Modes & Compaction で説明しています。

Spaces と Commands(多対多)

Space は Commands と 多対多(many-to-many) の関係でつながっています。

• 1つの Space は、複数の Commands にリンクできます。
• 1つの Command は複数の Space を使用でき、そのうち1つを Default Space としてクイック実行用に設定できます。

Space を管理する

• Active Space — 1回のやり取りにつき、「Active」になる Space は 1つだけ です。Dashboard または Command Runner から、アクティブな Space を即座に切り替えられます(例: 「Project A」のコンテキストから「Personal Finance」へ)。
• Archive(ソフトデリート) — Space は完全に削除されるのではなく、アーカイブされます。アーカイブされた Space はアクティブなビューや Command との関連付けから除外され、完全に削除する前に必ずアーカイブする必要があります。

アップロード、インデックス作成、編集、アーカイブといった完全なライフサイクルについては、Managing Spaces を参照してください。

---

次のコンセプト: AI を動かすエンジンである Providers について学びましょう。