ディープリサーチとWeb検索
PlanToCodeがWeb検索を実行し、結果を処理し、開発ワークフローに統合する方法。
ディープリサーチ機能により、PlanToCodeはインテリジェントなAI駆動の調査を実行し、関連情報を収集し、開発ワークフローに直接統合できます。このシステムは大規模言語モデルを使用して、プロジェクトコンテキストに基づいた的を絞った調査クエリを生成し、並列調査タスクを実行し、コード生成と問題解決能力を強化する実用的なインサイトを統合します。
ディープリサーチパイプライン
2段階のワークフロー：プロンプト生成と並列調査実行。
アーキテクチャ概要
ディープリサーチシステムは2段階のワークフローとして動作します：(1) WebSearchPromptsGeneration - AIがタスクとプロジェクトコンテキストを分析し、的を絞った調査クエリを生成、(2) WebSearchExecution - LLMが調査プロンプトを並列実行し、結果を統合します。各段階は信頼性、コスト効率、コンテキストの関連性を考慮して設計されています。
調査ワークフローの段階
プロンプト生成
調査プロンプトは、タスクの説明、プロジェクトコンテキスト、含まれるファイルに基づいてAIによって自動生成されます。システムはディレクトリツリーとファイル内容を通じてコードベース構造を分析し、的を絞った調査クエリを作成します。タスクごとに最大12個のフォーカスされた調査プロンプトが生成されます。
調査トピック
- • APIドキュメントとライブラリ固有の調査
- • エラー解決とデバッグアプローチ
- • ベストプラクティスと推奨パターン
- • バージョン互換性と移行パス
- • セキュリティの考慮事項と脆弱性への認識
調査の実行
調査プロンプトはAI言語モデルによって並列実行されます。各プロンプトは独立して処理され、システムがタスクの複数の側面に関する情報を同時に収集できます。結果はタイトルと実用的なインサイトを含む構造化された知見に統合されます。
調査フォーカスエリア
- • APIドキュメントと技術仕様
- • コード例と実装パターン
- • エラー解決とトラブルシューティングのアプローチ
- • ベストプラクティスと実装パターン
- • バージョン互換性と移行ガイダンス
結果の処理と統合
調査結果はタイトルと詳細な知見を含むJSON形式に構造化されます。システムは並列調査タスクからの結果を集約し、成功と失敗のカウントを追跡し、調査結果のサマリーを提供します。結果は簡単にアクセスできるようにジョブメタデータに保存されます。
処理ステップ
- • 主要な知見を抽出し統合用にフォーマット
- • 調査トピックと関連性で結果を整理
- • 複数の調査プロンプトにわたって知見を統合
- • タイミングメトリクスで調査実行を追跡
- • 実用的なインサイトと推奨事項を強調
API統合の詳細
AI調査設定
システムはOpenRouterを介してAI言語モデルを使用し、インテリジェントなWeb調査を実行します。LLMはタスクコンテキストに基づいて的を絞った調査クエリを生成し、トレーニングデータとWeb検索機能から得た知見を統合します。モデルの選択と設定はアプリケーション設定で管理されます。
// Start the web search workflow (Tauri command)
await invoke("start_web_search_workflow", {
sessionId,
taskDescription,
projectDirectory,
excludedPaths: ["node_modules", "dist"],
timeoutMs: 300000,
});コンテンツ処理パイプライン
調査結果は、フォーマットとコンテキストを保持しながら意味のある情報を抽出する標準化された処理パイプラインを通過します。パイプラインはさまざまなコンテンツタイプを処理し、開発ワークフロー向けの実用的なインサイトに統合します。
// WebSearchExecution response (stored in job.response)
{
"searchResults": [
{ "title": "Research Task 1", "findings": "Summary text..." }
],
"searchResultsCount": 1,
"summary": "Found 1 research findings"
}開発ワークフロー統合
コンテキスト対応の調査
調査リクエストは現在のセッションからのコンテキストで自動的に強化されます。システムはプロンプト生成フェーズでプロジェクトのディレクトリツリーと選択したファイルの内容を含め、AIがコードベースに固有の調査クエリを作成できるようにします。
結果の統合
調査結果は実装計画の情報として使用できます。調査タスクが完了すると、結果はresearch_findingタグとしてフォーマットされ、後続の計画タスクに組み込むことができ、実装が最新のベストプラクティスと正確なドキュメントに基づいて行われることを保証します。
結果の保存
調査結果はジョブメタデータに保存され、ジョブ詳細パネルからアクセスできます。結果はセッション期間中保持され、実装計画の作成やコーディングの決定を行う際に参照できます。
設定とカスタマイズ
調査設定
調査動作はモデル選択とタスク設定で設定されます。調査タスクに使用するAIモデルを選択し、タイムアウトを設定し、コンテキストに含めるファイルを選択します。
設定可能なオプション
- • コンテキスト用のプロジェクトディレクトリとファイル選択
- • モデル選択が調査の品質とコストを決定
- • タスクごとに最大12個の調査プロンプトを生成
- • ワークフローコマンドで手動で調査を開始
- • より良いコンテキストのために関連するプロジェクトファイルを含める
プロジェクト固有の設定
調査設定はセッション対応です。システムは現在のセッションのプロジェクトディレクトリと含まれるファイルを使用してコンテキストを提供します。除外パス（node_modules、distなど）はAIに表示されるディレクトリツリーから自動的にフィルタリングされます。
コストの考慮事項
使用量とコスト
ディープリサーチはOpenRouterを介して設定されたAIクレジットを使用します。各調査タスクは複数の並列LLM呼び出しを生成するため、コストは生成される調査プロンプトの数に応じてスケールします。システムは透明性のためにジョブごとのトークン使用量とコストを追跡します。
コスト管理のヒント
- • 調査ジョブごとに詳細なコスト内訳でトークン使用量を追跡
- • コストはOpenRouterまたはPlanToCodeサブスクリプションクレジットで管理
- • ジョブメタデータでトークン数と推定コストを監視
- • 調査結果はセッションごとにキャッシュされ、冗長なクエリを回避
コスト最適化
調査コストはインテリジェントなプロンプト生成で管理されます - システムは調査プロンプトをタスクごとに最大12個に制限します。並列実行により実行時間を最小化します。各ジョブはメタデータでトークン使用量と推定コストを追跡し、完全な透明性を提供します。
ベストプラクティスと例
効果的な検索戦略
Web検索統合の価値を最大化するには、クエリの作成、結果の解釈、開発ワークフローへの統合に関するこれらの実証済みの戦略に従ってください。
クエリの作成
- • 関連する場合は特定のバージョン番号を含める
- • ライブラリ名と特定のエラーメッセージを組み合わせる
- • パターン検索には「ベストプラクティス」や「推奨アプローチ」を使用
- • プラットフォームや環境の制約を含める
結果の評価
- • サードパーティソースより公式ドキュメントを優先
- • 時間に敏感な情報については公開日を確認
- • 開発環境でコード例を検証
- • 複数のソース間でソリューションを相互参照
統合例
一般的な統合パターンは、特定のエラーのデバッグから不慣れなAPIを使用した新機能の実装まで、Web検索結果がさまざまな開発シナリオをどのように強化するかを示しています。
// Example: API integration research
Search query: "Next.js 14 app router middleware authentication"
Results integrated as:
- Middleware setup code with current best practices
- Authentication flow documentation links
- Common pitfalls and troubleshooting tips
- Compatible library recommendationsトラブルシューティングとサポート
よくある問題
ほとんどの調査の問題は、LLM API接続、クレジット不足、または広すぎるプロンプトに起因します。システムはトラブルシューティング用に明確なエラーメッセージとジョブステータス追跡を提供します。
APIエラー
OpenRouter APIのステータスとクレジット残高を確認してください
調査プロンプトが生成されない
より具体的なタスク説明を提供するか、コンテキスト用の関連ファイルを含めてください
モデルの可用性
一部のモデルはOpenRouter経由で地域制限がある場合があります
パフォーマンス最適化
最適なパフォーマンスを得るには、明確で具体的なタスク説明を提供してください。AIにより良いコンテキストを与えるために関連するプロジェクトファイルを含めてください。システムは総実行時間を最小化するために調査プロンプトを並列実行します。
ディープリサーチを使う準備はできましたか？
ディープリサーチとWeb検索機能はPlanToCodeデスクトップアプリケーションで利用できます。プラットフォーム用のビルドをダウンロードして、Web調査を開発ワークフローに統合しましょう。