Yadorigi（宿り木）— X のブックマークをAIでローカル管理するOSSツールを公開 Yadorigi is a newly released open-source tool that lets users organize their X (Twitter) b…
- X（旧Twitter）のブックマークといいねをローカル環境でAI整理できるOSSツール「Yadorigi」が公開された。
- すべてのデータは自分のマシン上に保持され、プライバシーを守りながらツイートを管理・検索できる設計となっている。
English summary
- Yadorigi is a newly released open-source tool that lets users organize their X (Twitter) bookmarks and likes locally using AI, keeping all data on their own machine for full privacy.
X（旧Twitter）のブックマーク機能は手軽に情報を保存できる反面、後から見返したり分類したりする手段が乏しく、「ブックマーク墓場」と呼ばれる状態に陥りやすい。その課題を解決しようとするOSSツール「Yadorigi（宿り木）」が公開され、ローカルLLMを活用したブックマーク管理の新しいアプローチとして注目を集めている。
YadorigiはX上でブックマークしたツイートやいいねしたツイートをローカル環境に取り込み、AIを用いて整理・分類・検索を可能にするツールだ。最大の特徴はすべての処理がユーザーのマシン上で完結する点にある。クラウドサービスにデータを送信しないため、非公開のブックマーク内容や閲覧傾向といった個人情報が外部に漏れる心配がない。GitHubリポジトリ（kake-nami/yadorigi）でソースが公開されており、誰でも自由に導入・改変できる。
ローカルLLMを使ったパーソナルデータ管理という設計思想は、近年急速に広まりつつあるトレンドと合致する。OllamaやLM Studioといったローカル推論ランタイムの普及により、一般的なコンシューマー向けPCでも十分な精度のLLMを動かせる環境が整ってきた。その流れに乗り、個人の日記・メモ・メールなどをローカルAIで処理するツールが続々と登場している。Yadorigiもその文脈に位置づけられるプロジェクトと見られる。
X（旧Twitter）のブックマークといいねをローカル環境でAI整理できるOSSツール「Yadorigi」が公開された。
X（旧Twitter）のAPIポリシー変更以降、サードパーティによるツイートデータへのアクセスは大幅に制限されており、ブックマーク関連の開発は難易度が上がっている。Yadorigiがどのようにデータ取得を実現しているかは実装の詳細次第だが、ブラウザ拡張やエクスポート機能を経由するアプローチが採られている可能性がある。同種のツールとしてはReadwiseのX連携機能やMarkdownエクスポート系のOSSなどが挙げられるが、ローカルAIによる自動整理に特化した点はYadorigiの独自性と言えるだろう。
情報収集を習慣とするエンジニアや研究者にとって、ブックマークした情報を実際の知識として活用できる環境を整えることは長年の課題だ。Yadorigiのようなツールが成熟すれば、SNS上に散在する一次情報を個人のナレッジベースに組み込む新たなワークフローが生まれる可能性がある。公開直後のプロジェクトとして今後の機能拡張にも期待が持たれる。
X (formerly Twitter) bookmarks are easy to save but notoriously hard to revisit. The result is what many users call a "bookmark graveyard" — an ever-growing list of saved tweets that are never seen again. A newly released open-source tool called Yadorigi (宿り木, meaning "mistletoe") takes aim at this problem by bringing AI-powered organization to X bookmarks, entirely on the user's own machine.
Yadorigi ingests tweets that a user has bookmarked or liked on X and makes them searchable and classifiable through a local AI layer. The defining characteristic is that nothing leaves the user's computer. No data is sent to external servers, meaning private bookmarks, reading habits, and personal interests stay fully under the user's control. The source code is available on GitHub under the handle kake-nami/yadorigi, making it freely forkable and extensible.
The design philosophy — using a local LLM to process personal data — aligns with one of the more significant grassroots trends in AI tooling right now. The rise of inference runtimes like Ollama and LM Studio has made it practical to run capable language models on consumer hardware. In their wake, a growing ecosystem of privacy-first personal tools has emerged: local note processors, email summarizers, journal assistants, and more. Yadorigi fits squarely into this movement, applying the same logic to social media archives.
It is worth noting the technical backdrop against which this project appears. Since X significantly tightened its API access policies, third-party developers have faced steep barriers to working with tweet data programmatically. How Yadorigi handles data ingestion — whether through a browser extension, an export file, or another mechanism — will be an important detail for potential users to evaluate. Tools in adjacent spaces, such as Readwise's X integration or various Markdown-export utilities, have navigated similar constraints with differing approaches.
For engineers, researchers, and knowledge workers who treat social media as a reading pipeline, the ability to actually retrieve and reuse saved content is a long-standing pain point. Tools like Yadorigi hint at a future where the raw signal captured on platforms like X can be meaningfully integrated into a personal knowledge base — searchable, tagged, and connected to other notes — without surrendering that data to a third-party cloud service.
As a freshly released project, Yadorigi is likely still early in its development arc. The feature set and supported models may expand considerably as the community engages with it. For those already running local LLMs and looking for practical use cases beyond chat interfaces, it represents a concrete and immediately useful application worth watching.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (zenn.dev) をご確認ください。
