Zenn
😺

LangChain + ChatGPT API による Q&A ボット構築

に公開
Python
OpenAI
LangChain
RAG
gpt35
tech

調査日

2025 年 5 月 6 日（火）

調査目的

手元の社内ドキュメント（Markdown 形式）を読み込み、ChatGPT と LangChain を使って自然言語で質問できる検索拡張型 Q&A ボット（RAG）を構築する。

使用技術

  • Python 3.10
  • LangChain v0.1.x
  • OpenAI API（gpt-3.5-turbo）
  • FAISS（ベクトル検索エンジン）
  • TextLoader（langchain_community）
  • .env による API キー管理

実施環境

  • OS：Windows 11
  • エディタ：VS Code
  • 仮想環境：venv
  • モデル：gpt-3.5-turbo（ChatOpenAI）

実施手順

1. プロジェクト作成と仮想環境構築

mkdir langchain-rag-demo
cd langchain-rag-demo
python -m venv .venv

2. 必要パッケージのインストール

pip install langchain langchain-openai langchain-community faiss-cpu python-dotenv

3. .env ファイルに OpenAI API キーを記述

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

4. Markdown ファイル doc.md を作成

## 勤怠申請

- 勤怠は毎月 25 日締め。

5. Python スクリプト qa_bot.py を作成し、以下を実装

  • 文書を読み込み
  • 分割してベクトル化
  • ベクトル検索で取得し、ChatGPT と連携して回答を生成

6. 実行コマンド

python qa_bot.py

7. 実行結果

質問を入力してください：勤怠の締日は？
回答： 勤怠の締め日は毎月25日です。

成果と考察

良かった点

  • 自前の Markdown 文書から正確に情報を検索・回答できた
  • LangChain を使って、短時間で RAG 構成の Q&A ボットを実現できた
  • OpenAI の埋め込み＋ FAISS で検索精度が高かった

改善点・注意点

  • run() は非推奨であり、将来的には invoke() への置き換えが必要
  • ドキュメントのエンコーディングによっては UnicodeDecodeError が発生するため、encoding="utf-8" の明示が必要だった
  • 複数ファイル対応や PDF 対応は現時点では未実装（今後の拡張候補）

今後の展望

  • DirectoryLoader を使った複数ファイル対応
  • PDF や HTML など、他形式の社内資料対応
  • Gradio / Streamlit による Web UI 化
  • 精度・応答速度の観点で gpt-4 やローカル LLM への切り替え評価

結論

LangChain + OpenAI API を用いることで、数十行のコードで社内文書に特化した Q&A ボットを構築可能であることを確認した。今回の構成は社内ナレッジの検索体験改善に有効であり、他形式対応や UI 化によってさらに実用性を高められる見込みである。

Discussion