<p>どうも、VRChatでケモをモフモフしているあまみやです。</p><p>今回は備忘録としてUbuntuにてALCOM経由でUnityを起動させようとしたときに引っかかったところをメモしておきます。</p><h2 id="hb3e9cee2f7">libxml2が見つからない</h2><p>ALCOMからUnityを起動できなかったため、シェルから直でUnityを起動したところ、</p><pre><code>error while loading shared libraries: libxml2.so.2: cannot open shared object file: No such file or directory</code></pre><p>というエラーが</p><p>どうやらUnityがライブラリを見つけられていない模様。</p><p>しかしapt install libxml2してみてもそもそも見つからずインストールができませんでした。</p><p>不機嫌になりながらGeminiに聞いていたところ<strong>既存のライブラリに対してシンボリックリンクをつけるといけるらしい</strong></p><h2 id="hdf0fc420f7">エラー修正</h2><p>コマンドを実行します</p><pre><code>find /usr/lib /lib -name &quot;libxml2.so*&quot; 2&gt;/dev/null

#おそらくこんな感じででてくる
/usr/lib/i386-linux-gnu/libxml2.so.16.1.2
/usr/lib/i386-linux-gnu/libxml2.so.16
/usr/lib/x86_64-linux-gnu/libxml2.so.16.1.2
/usr/lib/x86_64-linux-gnu/libxml2.so.16
/usr/lib/x86_64-linux-gnu/libxml2.so

#シンボリックリンクを追加
sudo ln -sf /usr/lib/x86_64-linux-gnu/libxml2.so /usr/lib/x86_64-linux-gnu/libxml2.so.2
sudo ldconfig</code></pre><p>(sudoつけないほうがよかったかな...w)</p><pre><code>&lt;HOME_DIR&gt;Unity/Hub/Editor/2022.3.22f1/Editor/Unity -projectPath &lt;Unityプロジェクトのパス&gt;</code></pre><p>あとはいつもどおり改変作業に勤しめます</p>

【libxml2.so】ALCOMを使ってUbuntuで改変をするとき気をつけるべきこと

<p>どうも、療養中のあまみやです。</p><p>最近休職中の気晴らしを兼ねて色々AIでつくってみています。が、今回はそれとは関係なく、タイトルにあるとおりGoogleドライブをマウントして外付けドライブっぽく使うgoogle-drive-ocamlfuseを試してみます。</p><h2 id="h6b05bfea45">GCPでプロジェクトを作成</h2><p>WindowsのGoogleドライブアプリとは違ってGCPからプロジェクトを作ってゴニョゴニョする必要があります。</p><h2 id="h8dbd5df36e">いざマウント</h2><p>任意の場所にフォルダを作成します。名前はなんでもいいですが、あとでマウント時に指定するためわかりやすいのにしましょう。</p><p>フォルダを作成したら以下のコマンドを実行。なぜか末尾に&amp;をつけないとフリーズします。</p><pre><code>google-drive-ocamlfuse &lt;フォルダ名&gt; &amp;</code></pre><p>何も出てこなければ正常にマウントできてます</p><h2 id="h80c9644b75">サービス化してみる</h2><p>Geminiに聞きながらサービス化してみます</p><div data-filename="google-drive.service"><pre><code>[Unit]
Description=Google Drive (google-drive-ocamlfuse)
Documentation=https://github.com/astrada/google-drive-ocamlfuse
After=network-online.target
Wants=network-online.target

[Service]
Type=forking
ExecStart=/usr/bin/google-drive-ocamlfuse %h/google-drive
ExecStop=/bin/fusermount -u %h/google-drive
Restart=on-failure
RestartSec=10

[Install]
WantedBy=default.target</code></pre></div><p>あといつもどおりdaemon reloadして反映させる</p><p>これで起動時に自動でGoogleドライブがマウントされて見れるようになるはず。</p><h2 id="h3de35099b3">参考</h2><h3 id="h7312f1fc3a">astrada/google-drive-ocamlfuse</h3><p><a href="https://github.com/astrada/google-drive-ocamlfuse">https://github.com/astrada/google-drive-ocamlfuse</a></p><h3 id="h5037bc23ee">Ubuntu に Google Drive をマウントする方法</h3><p><a href="https://mseeeen.msen.jp/how-to-mount-google-drive-ubuntu/">https://mseeeen.msen.jp/how-to-mount-google-drive-ubuntu/</a></p>

【google-drive-ocamlfuse】UbuntuにGoogleDriveをマウントして外付けドライブっぽく使う

<p>(記事生成にGemini使用)</p><p>こんちは。</p><p>最近Googleのdiscoverフィードを求めていたところ、軽量なAI検索機能を実装できるternlightというライブラリを見つけたので、React上でテストしてみます</p><h2 id="he8d79430b7">Ternlightとは</h2><p>Geminiによる概要</p><ul><li><strong>ブラウザ上で動くAI：</strong> サーバーのAPI（OpenAIなど）を一切使わず、ユーザーのブラウザ（クライアントサイド）のCPUだけで動作するテキスト埋め込み（Embedding）モデル・ライブラリ。</li><li><strong>極限の軽量化（5〜7MB）：</strong> 重みデータを<code>{-1, 0, +1}</code>の3つの値で表現する「3値量子化（Ternary Quantization）」などの技術を駆使し、モデルサイズを5.0MB〜7.2MBにまで圧縮。</li><li><strong>爆速＆タイピング追従：</strong> 1テキストあたりのベクトル変換がわずか数ミリ秒（2.5ms〜5.1ms）。文字を入力した瞬間に検索結果が変わる「Search-as-you-type」の爆速セマンティック検索が可能。</li><li><strong>ランニングコスト・サーバー代ゼロ：</strong> 最初に数MBのファイルを読み込むだけなので、どれだけ検索されてもAPI利用料や高価なベクトルデータベース（Vector DB）の維持費が発生しない。</li><li><strong>高度なプライバシー＆完全オフライン：</strong> 検索クエリを外部サーバーに送信しないため情報漏洩リスクがゼロ。PWAなどと組み合わせれば、ネットの繋がらないオフライン環境でも意味ベースの検索が動く。</li><li><strong>広範な動作環境：</strong> ブラウザ（WASMベース）だけでなく、Node.js、Bun、Deno、さらにCloudflare Workersのようなエッジ環境でも動作。</li><li><strong>最適なユースケース：</strong> 数千件規模のドキュメントサイト（React公式ドキュメントなど）、テックブログ、社内Wiki、プライバシー重視のデスクトップ/モバイルアプリ。</li></ul><p>だそうです...</p><p>今回はここまで複雑なことはしませんが、<br>やろうと思えばこのブログにもAI検索機能を実装できるかもしれないですね</p><h3 id="h4893b56202">【主要スペックと特徴】</h3><table><tbody><tr><td colspan="1" rowspan="1"><p><strong>項目</strong></p></td><td colspan="1" rowspan="1"><p><strong>スペック / 特徴</strong></p></td></tr><tr><td colspan="1" rowspan="1"><p><strong>モデルサイズ</strong></p></td><td colspan="1" rowspan="1"><p><code>@ternlight/base</code> (約7.2MB) / <code>@ternlight/mini</code> (約5.0MB)</p></td></tr><tr><td colspan="1" rowspan="1"><p><strong>推論速度</strong></p></td><td colspan="1" rowspan="1"><p>base: 約5.1ms / mini: 約2.5ms（1エンベディングあたり）</p></td></tr><tr><td colspan="1" rowspan="1"><p><strong>動作環境</strong></p></td><td colspan="1" rowspan="1"><p>ブラウザ（WASM）, Node.js, Bun, Deno, Cloudflare Workers</p></td></tr><tr><td colspan="1" rowspan="1"><p><strong>仕組み</strong></p></td><td colspan="1" rowspan="1"><p>384次元のベクトルに変換し、コサイン類似度で関連性を判定</p></td></tr><tr><td colspan="1" rowspan="1"><p><strong>ライセンス</strong></p></td><td colspan="1" rowspan="1"><p>MITライセンス（コードおよび重みデータを含む）</p></td></tr></tbody></table><h2 id="h892a10f473">実装コード</h2><p>## 🛠️ コードの全体像と解説</p><p>まずはライブラリを呼び出し</p><pre><code>import &quot;./App.css&quot;;
// @ternlight関数呼び出し
import { similar, type SimilarityResult } from &quot;@ternlight/base&quot;;
import { useMemo, useState } from &quot;react&quot;;</code></pre><h3 id="hba64ec3ab4"> 検索対象データ (Corpus)</h3><p>今回はサンプルのデータを配列で渡しますが、<br>同じような形式であればいろんな検索ができそう</p><pre><code>// 検索用のデータサンプル

const RECIPES = [
  &quot;One-pan garlic butter chicken with rice&quot;,
  &quot;15-minute weeknight veggie stir-fry&quot;,
  &quot;Slow-cooker beef chili for a crowd&quot;,
  &quot;Sheet-pan salmon with roasted broccoli&quot;,
  &quot;Creamy mushroom pasta in under 20 minutes&quot;,
  &quot;Classic smash burger with crispy edges&quot;,
  &quot;Spicy Thai red curry with tofu&quot;,
  &quot;Overnight oats with berries and honey&quot;,
];</code></pre><p>検索用文字列を設定</p><pre><code>function App() {
  const [query, setQuery] = useState(&quot;easy weeknight dinner ideas&quot;);</code></pre><p>- <strong>状態管理</strong>:</p><p>  ユーザーが入力する検索クエリを <code>query</code> として <code>useState</code> で管理します。初期値として <code>&quot;easy weeknight dinner ideas&quot;</code> が設定されています。</p><pre><code>
  const results: SimilarityResult[] = useMemo(() =&gt; {

    const q = query.trim();

    if (!q) return [];

    return similar(q, RECIPES, { topK: 3 });

  }, [query]);</code></pre><p>フロントエンドに出力</p><pre><code>  return (
    &lt;&gt;
      &lt;section id=&quot;center&quot;&gt;
        &lt;h1&gt;ternlight semantic search&lt;/h1&gt;
        &lt;p&gt;On-device embeddings · ~5 ms · zero network&lt;/p&gt;
        &lt;input
          className=&quot;search&quot;
          type=&quot;text&quot;
          value={query}
          placeholder=&quot;Describe what you feel like eating…&quot;
          onChange={(e) =&gt; setQuery(e.target.value)}
        /&gt;
        &lt;ol className=&quot;results&quot;&gt;
          {results.map((r) =&gt; (
            &lt;li key={r.text}&gt;
              &lt;span className=&quot;text&quot;&gt;{r.text}&lt;/span&gt;
              &lt;span className=&quot;sim&quot;&gt;{r.sim.toFixed(3)}&lt;/span&gt;
            &lt;/li&gt;
          ))}
        &lt;/ol&gt;
      &lt;/section&gt;
      &lt;div className=&quot;ticks&quot;&gt;&lt;/div&gt;
      &lt;section id=&quot;spacer&quot;&gt;&lt;/section&gt;
    &lt;/&gt;
  );
}
export default App;</code></pre><h3 id="h4a4e9520ee">実際の動作</h3><figure><img src="https://images.microcms-assets.io/assets/a2939c8d25434ae5a1f853f2dc239a0f/5315f7e67b894991944ced07baab5c85/%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%82%B7%E3%83%A7%E3%83%83%E3%83%88%202026-07-12%20171347.png" alt="" width="947" height="841"></figure><p>実装できたらいつも通りviteから起動します</p><p>ローカルであれば動作はかなり高速です<br>初回起動時は少し読み込みに時間掛かる感じかな</p><p>また読み込みにいろいろ処理を行うらしい(ここらへん詳しくないので、気になる人はDocs&amp;GitHubレポジトリ参照してください)ですが、<br>スマホでもPCでも特に動作が重たくなることもないです。</p><p>外部のAPIを呼び出す必要もないので、これはいいかも</p><h2 id="h44e51f96ce">参考資料</h2><p><a href="https://ternlight-demo.vercel.app/">https://ternlight-demo.vercel.app/</a><br><br><a href="https://github.com/soycaporal/ternlight">https://github.com/soycaporal/ternlight</a></p>

こんにちは、Nknight AMAMIYAです

›最近書いた記事

【libxml2.so】ALCOMを使ってUbuntuで改変をするとき気をつけるべきこと

【google-drive-ocamlfuse】UbuntuにGoogleDriveをマウントして外付けドライブっぽく使う

軽量なAI検索を実装できるternlightをテストする

›つくったもの

›Connect