古いコンピュータでも、オープンソースのAIモデルを使えばその能力を無料で引き出せます。たった1時間で、個人のメモにアクセスし、自己対話ができるローカル上の大規模言語モデル（LLM）を動かすことができました。
AIは魔法ではありません。それをどんな問題解決に用いるかを知る必要があるのです。
私は書くことやポッドキャスティングに興味を持ち、LLMにこれらの活動を要約させて、自分の関心が最も強いものは何かを探る冑旅を続けてきました。
基本的には「LLMに私のすべき道を指し示して欲しい」ということです。そして、LLMはAI学習をもっと深め、興味のある分野に活かすよう進言しました。
しかしAIを本当に有効活用するには、望む成果に即して訓練できるよう、その目標を定義する必要があります。データが最も重要で、RAG（Retrieval-Augmented Generation）を使う際も関連する、有益なデータが求められます。
より少ないデータをベクトルストアに格納した時、より関連性のある回答が得られたのです。
具体的には、ノートを的確に選び、その問いに関連するノートだけを読み込むことにしました。その結果、より強力な応答が得られたのです。
このアプローチは、これまで非常に有用でした。AIをより役立たせるためには、もっと良いデータを集める必要があります。その一環として、RAGで使うドキュメントにメタデータを付与することが重要です。
出典 : I trained a local LLM on my Obsidian, here’s what I learned https://medium.com/@BitsOfChris/i-trained-a-local-llm-on-my-obsidian-heres-what-i-learned-a3e738f9bed0
