ClaudeコードのローカルRAG - トークンと時間を保存

このページは日本語版です。

DevRag は、Claude コードを使用して開発者のために特別に設計された軽量 RAG (Retrieval-Augmented generation) システムです。 ドキュメント全体を読むことによってトークンを無駄にするのを止める - 必要なものを正確にベクトル検索してみましょう。

DevRagの理由

Claude Code を使用する場合、Read ツールでドキュメントを読み込むと、大量のトークンが消費されます。

• 〇 Wasting Context*: 毎回ドキュメント全体を読み込みます(ファイルごとの3,000+トークン)
• ÷ 貧しい検索性*: どのファイルが何を含んでいるかわからない
• ✓繰り返し:同じ文書はセッション間で複数回読む

DevRagで:

• ✅40x より少ないトークン: ベクトル検索は関連するチャンクのみを取得します(~200トークン)
• ✅ ** 15x より速い**: 100ms で捜せば読書の 30 秒
• ✅Auto-Discovery:クロードコードはファイル名を知らずに文書を見つけます

##特徴

• ✓単純なRAG** - クロードコードの回復世代
• .md ファイルの自動インデックス
• ANSI Semantic Search - "JWT認証方法"のような自然言語クエリ
• OST Single Binary - Python無し、最初の実行のモデル自動ダウンロード

DevRag

Free Local RAG for Claude Code - Save Tokens & Time

日本語版はこちら | Japanese Version

DevRag is a lightweight RAG (Retrieval-Augmented Generation) system designed specifically for developers using Claude Code. Stop wasting tokens by reading entire documents - let vector search find exactly what you need.

Why DevRag?

When using Claude Code, reading documents with the Read tool consumes massive amounts of tokens:

• ❌ Wasting Context: Reading entire docs every time (3,000+ tokens per file)
• ❌ Poor Searchability: Claude doesn’t know which file contains what
• ❌ Repetitive: Same documents read multiple times across sessions

With DevRag:

• ✅ 40x Less Tokens: Vector search retrieves only relevant chunks (~200 tokens)
• ✅ 15x Faster: Search in 100ms vs 30 seconds of reading
• ✅ Auto-Discovery: Claude Code finds documents without knowing file names

Features

• 🤖 Simple RAG - Retrieval-Augmented Generation for Claude Code
• 📝 Markdown Support - Auto-indexes .md files
• 🔍 Semantic Search - Natural language queries like “JWT authentication method”
• 🚀 Single Binary - No Python, models auto-download on first run
• 💻 CLI & MCP - Use as MCP server or standalone CLI commands
• 🖥️ Cross-Platform - macOS / Linux / Windows
• ⚡ Fast - Auto GPU/CPU detection, incremental sync
• 🌐 Multilingual - Supports 100+ languages including Japanese & English

Quick Start

1. Download Binary

Get the appropriate binary from Releases:

macOS/Linux:

tar -xzf devrag-*.tar.gz
chmod +x devrag-*
sudo mv devrag-* /usr/local/bin/

Note: macOS releases include libonnxruntime.dylib for CoreML GPU acceleration. Keep it in the same directory as the devrag binary.

Windows:

• Extract the zip file
• Place in your preferred location (e.g., C:\Program Files\devrag\)

2. Configure Claude Code

Add to ~/.claude.json or .mcp.json:

{
  "mcpServers": {
    "devrag": {
      "type": "stdio",
      "command": "/usr/local/bin/devrag"
    }
  }
}

Using a custom config file:

{
  "mcpServers": {
    "devrag": {
      "type": "stdio",
      "command": "/usr/local/bin/devrag",
      "args": ["--config", "/path/to/custom-config.json"]
    }
  }
}

3. Add Your Documents

mkdir documents
cp your-notes.md documents/

That’s it! Documents are automatically indexed on startup.

4. Search with Claude Code

In Claude Code:

"Search for JWT authentication methods"

Configuration

Create config.json:

{
  "document_patterns": [
    "./documents",