📖

RAGとGemini APIで作る！Slack履歴を活用したAIアシスタントの開発

に公開
AI
Python
Slack
RAG
Gemini
tech

Slack履歴を活用したRAGベースのAIアシスタントボットの開発

はじめに

学校のプロジェクトやチーム活動において、過去の議論や決定事項を即座に参照することは重要です。しかし、Slackの検索機能だけでは、文脈を理解した上での情報検索は困難です。

そこで、チャンネルの履歴を学習し、自然な対話形式で情報を提供できるAIチャットボットを開発しました。このボットは、RAG（Retrieval-Augmented Generation）技術を活用し、過去のメッセージから関連情報を検索・提供します。

🎯 解決したい課題

  1. 情報アクセスの効率化

    • チャンネル内の過去の議論や決定事項への素早いアクセス
    • 文脈を考慮した関連情報の提供

  2. 知識の共有と活用

    • チーム内の暗黙知の可視化
    • 新メンバーの情報収集をサポート

🛠️ 技術スタック

  • 言語とフレームワーク

    • Python 3.10+
    • Slack Bolt Framework

  • AI/ML技術

    • Google Gemini API（テキスト生成）
    • ChromaDB（ベクトルデータベース）
    • RAG（Retrieval-Augmented Generation）

  • インフラ

    • Systemdサービス
    • 環境変数による設定管理

💡 主要機能

  1. メッセージの自動収集と保存

    • 指定チャンネルのメッセージを自動収集
    • ベクトル化してChromaDBに保存

  2. コンテキストを考慮した応答生成

    • メンションされた質問に対する関連メッセージの検索
    • Gemini APIによる自然な応答の生成

  3. 情報源の提供

    • 回答の根拠となったメッセージへのリンク
    • 信頼度スコアの表示

🔧 システム構成

📝 実装の詳細

1. メッセージの収集と保存

async def sync_channel(self, channel_id: str):
    messages = self.slack_client.fetch_channel_history(channel_id)
    vectors = self.vectorizer.vectorize_messages(messages)
    self.vector_store.add_messages(vectors)

2. 質問応答システム

def answer_question(self, question: str) -> tuple[str, List[dict]]:
    # 質問をベクトル化
    query_vector = self.vectorizer.vectorize_query(question)
    
    # 関連メッセージを検索
    relevant_messages = self.vector_store.search_similar(
        query_vector=query_vector,
        n_results=self.max_context_messages
    )
    
    # Geminiで回答を生成
    response = self.model.generate_content(
        self._construct_prompt(question, relevant_messages)
    )
    
    return response.text, relevant_messages

🚀 デプロイと運用

システムサービスとして実装し、自動起動と監視を実現：

[Unit]
Description=Slack AI Assistant Bot
After=network.target

[Service]
User=your-username
WorkingDirectory=/path/to/SlackAIBot
Environment=PATH=/path/to/venv/bin
ExecStart=/path/to/venv/bin/python src/main.py
Restart=always

[Install]
WantedBy=multi-user.target

📊 結果と効果

  1. 情報アクセスの改善

    • 質問から回答までの時間を大幅に短縮
    • 関連情報への直接リンクにより、文脈の理解が容易に

  2. チーム運営の効率化

    • 新メンバーの情報収集時間の削減
    • チーム内知識の効率的な共有

🔜 今後の展開

  1. 機能の拡張

    • 画像認識機能の追加
    • 複数チャンネルの横断検索

  2. 精度の向上

    • 検索アルゴリズムの改善
    • プロンプトエンジニアリングの最適化

🔗 GitHubリポジトリ

🔗 参考リンク

まとめ

RAGを活用したSlackボットの開発により、チーム内の情報アクセスと知識共有を効率化することができました。このプロジェクトを通じて、AIと既存のコミュニケーションツールを組み合わせることで、チームの生産性を向上させる可能性を示すことができました。

ライセンス

このプロジェクトはMITライセンスの下で公開されています。

  • ✅ 商用利用可能
  • ✅ 改変可能
  • ✅ 再配布可能
  • ✅ 私的利用可能
  • ❌ 無保証
  • ❌ 責任免除

コードやドキュメントの使用、改変、再配布は自由に行っていただけますが、著作権表示とライセンス表示を保持してください。

Discussion