Docker
Python や PostgreSQL をインストールしたくない方へ。Docker を使って Riverse AI システム全体を実行できます。設定ファイルの編集も不要で、3 つのコマンドを実行してブラウザを開くだけです。
3 つのサービスが自動的に起動します：
| サービス | URL | 機能 |
|---|---|---|
| JKRiver | http://localhost:1234 | Web チャット + システム設定（API キー、言語など） |
| RiverHistory | http://localhost:2345 | プロフィールビューアー — 抽出された性格、好み、経験、人生タイムラインを確認 |
| API ドキュメント | http://localhost:8400/docs | 開発者向け REST API リファレンス |
前提条件
- Docker Desktop をインストール（Docker Compose 含む）
クイックスタート
# 1. compose ファイルを取得
mkdir jkriver && cd jkriver
curl -O https://raw.githubusercontent.com/wangjiake/JKRiver/main/docker/docker-compose.yaml
# 2. 全サービスを起動
docker compose pull && docker compose up -d
# 3. アクセストークンを確認（初回起動時に自動生成）
docker logs jkriver-jkriver-1 2>&1 | grep "Token:"
ブラウザで http://localhost:1234 を開き、トークンを入力後 System ページで API キー等を設定するだけです。設定ファイルの手動編集は不要です。
トークンは一度だけ生成されます。
./config/settings.yamlに保存されるため、config/ディレクトリが存在する限り再確認は不要です。
System ページの設定
ログイン後、System ページ（http://localhost:1234）を開きます。すべての設定は Web UI から行えます。設定ファイルの編集は不要です。
| 設定セクション | 設定できる内容 |
|---|---|
| LLM | AI プロバイダー（OpenAI / DeepSeek / Groq / Ollama）、モデル名、API キー、API エンドポイント |
| 言語・タイムゾーン | LLM プロンプト言語（zh / en / ja）、ローカルタイムゾーン |
| Telegram | ボットトークン、許可ユーザー ID |
| Discord | ボットトークン |
| 記憶整理（Sleep） | 整理モード（毎日定時 / チャット毎 / 手動）、定時時刻 |
| ツール | 各ツールのオン/オフ（Web 検索、財務、健康など） |
| クラウド LLM | Web 検索・フォールバック用の追加プロバイダー |
設定は即座に ./config/settings.yaml に保存され、再起動後に反映されます。
チャット方法
JKRiver は複数の方法で AI とチャットできます。すべての会話は River Algorithm で分析され、パーソナルプロフィールに反映されます：
| 方法 | 設定 | 最適な用途 |
|---|---|---|
| Web チャット | 内蔵 — http://localhost:1234 を開くだけ | ブラウザからすぐアクセス |
| Telegram Bot | System ページでトークンを設定、@BotFather で取得 | 日常のモバイル利用、最も便利 |
| Discord Bot | System ページでトークンを設定、Developer Portal で取得 | コミュニティ / グループ利用 |
| コマンドライン | 追加設定不要 | クイックテスト、ボットトークン不要 |
コマンドライン — ターミナルを開いて実行：
> プロンプトでメッセージを入力、quit で終了。終了時に自動的に記憶整理が実行されます。
セキュリティに関する注意
サーバーにデプロイする前に必ずお読みください
JKRiver はシングルユーザーのローカル利用を想定して設計されています。Web ダッシュボード（ポート 1234）はアクセストークンで保護されています。ただし、REST API（ポート 8400）と RiverHistory（ポート 2345）には認証がありません。リモートサーバーにデプロイする場合は以下のルールに従ってください：
1. ポート 8400 と 2345 を公開インターネットに公開しない
これらのポートにアクセスできる人は誰でも、プロフィール全体、健康データ、財務記録を閲覧し、LLM 呼び出しをトリガーできます。
- ローカル利用： 問題なし — ポートはあなたのマシンでのみアクセス可能。
- リモートサーバー： ポートを
127.0.0.1にバインドし、認証付きリバースプロキシ（Nginx/Caddy）を使用するか、SSH トンネル経由でアクセス。
# docker-compose.yaml — localhost のみにバインド
ports:
- "127.0.0.1:8400:8400" # "8400:8400" の代わりに
- "127.0.0.1:2345:2345" # "2345:2345" の代わりに
2. PostgreSQL ポート 5432 を公開しない
デフォルトの Docker Compose は 5432 ポートをホストにマッピングし、パスワードなし（trust 認証）です。リモートサーバーでは、postgres の ports 設定を削除するか localhost にバインドしてください：
3. Telegram Bot を使う場合は TELEGRAM_ALLOWED_USERS を設定
設定しない場合、ボットを見つけた誰でもチャットできてしまいます — LLM API のクレジットが消費され、プロフィールにデータが書き込まれます。
System ページで設定するか、環境変数で渡してください：
Telegram ユーザー ID の取得方法：@userinfobot に任意のメッセージを送信。対応 AI モデル
OpenAI 互換 API すべてに対応。起動後に System ページ（http://localhost:1234）で設定するか、初回起動前に環境変数で指定できます：
| プロバイダー | OPENAI_API_BASE |
OPENAI_MODEL |
備考 |
|---|---|---|---|
| OpenAI | https://api.openai.com |
gpt-4o-mini |
デフォルト、高品質 |
| DeepSeek | https://api.deepseek.com |
deepseek-chat |
最安値、中国語が高速 |
| Groq | https://api.groq.com |
llama-3.3-70b-versatile |
無料枠あり |
| Ollama（ローカル） | — | — | LLM_PROVIDER=local に設定、API キー不要 |
Ollama を使用するには、まずコンピュータにインストール（https://ollama.ai）し、ollama pull qwen2.5:14b を実行してください。
デモを体験
デモ会話は起動時に自動インポートされます。River Algorithm で処理してプロフィールを確認：
処理には数分かかります（AI モデルを呼び出します）。完了後、http://localhost:2345 を開いて結果を確認 — 20 の会話から抽出された完全なプロフィール。
処理完了後、AI はデモキャラクターのアイデンティティを持ちます。コマンドライン、Telegram、Discord でチャットすると、AI はすでにこのキャラクターを知っています — 職歴の変遷、恋愛関係、性格特徴、人生のタイムライン。「今の仕事は？」や「元カノについて教えて」と聞けば、抽出されたプロフィールに基づいて回答します。
コマンドラインや Telegram/Discord での後続チャットでは、リアルタイムの感知と記憶機能を体験できます — AI は会話の中でプロフィールを継続的に更新します。より多くの記憶機能をテストしたい場合は、デモ JSON ファイルを編集して、より多くの人生イベントやタイムラインを追加できます。
自分のデータをインポート
ChatGPT、Claude、Gemini の実際の会話履歴をインポートできます。
推奨： まずデモで速度と品質を体験してください。大量の実データ処理には数時間以上かかる場合があります。デモ体験後、
docker compose down -vでデータベースをクリアし、自分のデータのインポートを開始してください。費用に関する注意（リモート LLM API）： 各会話はトークンを消費します。大量のコードや非常に長いメッセージを含む会話はより多く消費します。高性能モデル（GPT-4o など）はプロフィール品質が高いですがコストも高く、安価なモデル（GPT-4o-mini、DeepSeek など）は高速で安価ですが細部を見逃す可能性があります。ローカル Ollama モデルを使えば完全無料でゆっくり処理できます。処理前にエクスポートデータを確認し、不要な会話（純粋なコーディングセッション等）を削除してください。API の請求額を確認してください。
ステップ 1：データをエクスポート
| プラットフォーム | エクスポート方法 |
|---|---|
| ChatGPT | Settings → Data controls → Export data → 解凍して conversations.json を取得 |
| Claude | Settings → Account → Export Data → 解凍して conversations.json を取得 |
| Gemini | Google Takeout → Gemini Apps を選択 → 解凍 |
ステップ 2：data/ フォルダに配置
jkriver/ ディレクトリの中に data/ フォルダを作成し、エクスポートファイルを配置：
jkriver/
├── docker-compose.yaml
├── config/ ← 初回起動時に自動作成（設定を保存）
└── data/ ← エクスポートファイル用に作成
├── ChatGPT/ ← conversations.json をここに配置
├── Claude/ ← conversations.json をここに配置
└── Gemini/ ← Takeout ファイルをここに配置
ステップ 3：インポートと処理
# インポート（1つまたは複数選択）
docker compose exec riverhistory bash -c "cd /app_work && python import_data.py --chatgpt data/ChatGPT/conversations.json"
docker compose exec riverhistory bash -c "cd /app_work && python import_data.py --claude data/Claude/conversations.json"
docker compose exec riverhistory bash -c "cd /app_work && python import_data.py --gemini 'data/Gemini/マイ アクティビティ.html'"
# インポートしたデータをすべて処理
docker compose exec riverhistory bash -c "cd /app_work && python run.py all max"
http://localhost:2345 を開いてプロフィールを確認。
設定リファレンス
起動後、ほとんどの設定は http://localhost:1234 の System ページで変更できます。以下の環境変数は初回起動時（./config/settings.yaml が作成される前）にのみ適用されます。
| 設定項目 | デフォルト | 説明 |
|---|---|---|
ACCESS_TOKEN |
（自動生成） | Web ダッシュボードのアクセストークン。未設定の場合は初回起動時に自動生成 — docker logs で確認 |
TIMEZONE |
Asia/Tokyo |
あなたのローカルタイムゾーン（例：Asia/Shanghai、America/New_York）。AI があなたの現地時間を把握するために使用 |
LANGUAGE |
en |
LLM プロンプト言語：zh 中国語 / en 英語 / ja 日本語 |
LLM_PROVIDER |
openai |
openai = リモート API / local = ローカル Ollama |
OPENAI_API_KEY |
API キー（リモート API 使用時に必須） | |
OPENAI_API_BASE |
https://api.openai.com |
API エンドポイント（DeepSeek、Groq 等はここを変更） |
OPENAI_MODEL |
gpt-4o-mini |
使用する AI モデル |
OLLAMA_MODEL |
qwen2.5:14b |
Ollama モデル名（LLM_PROVIDER=local の場合） |
SLEEP_MODE |
cron |
記憶整理：cron = 毎日定時 / auto = チャット毎 / off = 手動 |
SLEEP_CRON_HOUR |
0 |
毎日何時に記憶整理を実行（0-23） |
TELEGRAM_BOT_TOKEN |
Telegram ボットトークン（@BotFather で取得） | |
TELEGRAM_ALLOWED_USERS |
ボット使用を許可する Telegram ユーザー ID、カンマ区切り、括弧不要（空 = 全員）。ID 取得：@userinfobot にメッセージ | |
DISCORD_BOT_TOKEN |
Discord ボットトークン（Developer Portal で取得） |
よく使うコマンド
# 起動 / 停止
docker compose up # 起動（フォアグラウンド、ログ表示）
docker compose up -d # 起動（バックグラウンド）
docker compose down # 停止（データ保持）
docker compose down -v # 停止してすべてのデータを削除
# コマンドラインチャット
docker compose exec jkriver bash -c "cd /app && python -m agent.main"
# データ処理：run.py <ソース> <件数>
# ソース：demo / chatgpt / claude / gemini / all（all = chatgpt+claude+gemini、デモ除外）
# 件数：max = すべて処理、または数字（例: 50）= 最も古い 50 件から処理（コスト確認に最適）
# 中断しても安全 — 次回実行時に処理済み会話は自動スキップ
docker compose exec riverhistory bash -c "cd /app_work && python run.py demo max"
docker compose exec riverhistory bash -c "cd /app_work && python run.py all max"
docker compose exec riverhistory bash -c "cd /app_work && python run.py chatgpt 50"
# Sleep を手動トリガー（会話から記憶を整理し、プロフィールに沈殿）
curl -X POST http://localhost:8400/sleep
# すべてのプロフィールと記憶をクリア、元の会話データは保持（デモ含む）
docker compose exec riverhistory bash -c "cd /app_work && python reset_db.py"
# ログ確認
docker compose logs -f # 全サービス
docker compose logs -f jkriver # 単一サービス
# 最新バージョンに更新
docker compose pull && docker compose up -d
# 完全リセット（データベースを含むすべてを削除）
docker compose down -v && docker compose up
デモは何を示していますか？
デモキャラクターは矛盾に満ちた人生軌跡を持ち、River Algorithm の能力をテストします：
| 課題 | 通常の RAG | River Algorithm |
|---|---|---|
| 「シニアエンジニア」と言い、後に「テスター」と認める | 両方保存 | 嘘を真実で上書き |
| 4 つの都市、4 つの仕事を転々 | すべて同等に返す | タイムライン追跡、現在の状態を把握 |
| 親、彼女、同僚に違う嘘をつく | 嘘を事実として扱う | 実際 vs 発言を区別 |
| 元カノ → 別れ → 新しい彼女 | 混同 | 元カノを終了済みにし、現在を追跡 |
| 「配達は恥ずかしい」→「人生で最も大切な数ヶ月」 | 矛盾 | 態度の変化を追跡 |
アーキテクチャ
docker compose up
┌──────────────────────────────────────────────────────────┐
│ │
│ ┌──────────┐ ┌────────────────┐ ┌───────────────────┐│
│ │ postgres │ │ riverhistory │ │ jkriver ││
│ │ :5432 │←─│ :2345 (web) │ │ :1234 (web chat) ││
│ │ │ │ init schema │ │ :8400 (api) ││
│ │ Riverse │←─│ load demo │←─│ telegram bot ││
│ │ (DB) │ │ process data │ │ discord bot ││
│ └──────────┘ └────────────────┘ └───────────────────┘│
│ │
└──────────────────────────────────────────────────────────┘