はじめに

AI技術の進化とともに、生成AIを活用したチャットボットの需要が増えています。今回、私は学習機能を持つDiscord Botを開発しました。このボットは、ユーザーが登録した情報を学習し、自然な会話で回答を返します。また、生成AIとして Gemini-1.5-Flash を活用し、柔軟で魅力的な応答を実現しました。

この記事では、このプロジェクトの技術スタックや開発の工夫、直面した課題について共有します。

使った技術スタック

技術	内容
Node.js	サーバーサイドの基盤として採用。
Discord.js	Discord Botのインターフェースを実現。
TypeScript	型安全性を確保し、コードの保守性を向上。
Prisma	データベースORMとして採用し、MySQLを操作。
MySQL	学習データを保存するデータベース。
Gemini-1.5-Flash	生成AIとして採用。柔軟で高品質な応答を提供。
Fuse.js	質問と学習データをマッチングするためのあいまい検索。

主な機能

学習機能
- !l 質問|答え コマンドで、ユーザーが質問と答えのペアを登録。
- データはMySQLデータベースに保存。
質問応答機能
- !q 質問 コマンドで、登録されたデータやAI生成応答を利用。
- Fuse.jsを使った類似度検索で、完全一致しない質問にも柔軟に対応。
生成AI機能
- 学習データが見つからない場合、Gemini-1.5-Flashを呼び出し、回答を生成。

Gemini-1.5-Flashを使った理由

Gemini-Proでは、ギャンブル関連の質問がSAFETY制約に引っかかることが多く、柔軟性に欠ける場面がありました。一方で、Gemini-1.5-Flash はSAFETYチェックが緩やかで、特定のトピックにも対応可能でした。

const model = genAI.getGenerativeModel({ model: 'gemini-1.5-flash' });
const prompt = `
  以下の質問に簡潔かつ正確に回答してください。
  質問: "${input}"
`;
const result = await model.generateContent(prompt);

苦労したこと

Gemini-ProのSAFETY制約
- パチスロやギャンブルに関する質問がSAFETY制約により応答拒否されました。
- 対応: 規制が緩やかだったGemini-1.5-Flashを採用。
質問の完全一致問題
- 登録した質問が完全一致しないとデータベースから答えを取得できない問題がありました。
- 対応: Fuse.jsを使い、学習済みデータとの類似度検索を実装しました。
学習データとAI生成の切り分け
- ユーザーの意図を的確に把握し、学習データが存在する場合はそれを優先的に使用。
- 対応: データベース検索と生成AI呼び出しを連携。

工夫したこと

類似度検索の導入
- Fuse.jsを使い、曖昧な質問でも学習済みデータに基づく応答を返す設計。

const fuse = new Fuse(learnedQuestions, {
  keys: ['question'],
  threshold: 0.4,
});
const result = fuse.search(question);

エラーハンドリングの強化
- Gemini APIやデータベースエラー時の詳細なログ出力を追加。
- ユーザーには明確なエラーメッセージを返すように対応。

完成したボットの動作例

学習
```
!l パチンコやスロットにはまる人|ぎゃんちゅう
```
- 質問「パチンコやスロットにはまる人」と回答「ぎゃんちゅう」を登録。
質問
```
!q ぱちんこにはまる人をなんていう？
```
- 類似検索を行い、登録された回答「ぎゃんちゅう」を返します。
生成AI
- 学習データが見つからない場合、Geminiが質問内容に基づいて回答を生成。

まとめ

今回のプロジェクトでは、学習データと生成AIを組み合わせ、柔軟な回答を可能にするDiscord Botを開発しました。特に、Fuse.jsによる類似度検索やGemini-1.5-Flashを活用した生成AI機能は、ギャンブル関連の質問にも適切に対応できる仕組みを提供します。

今後は、以下の改善を検討しています：

ユーザーインターフェース（フロントエンド）の構築。
学習内容の可視化や編集機能の追加。
他の生成AIモデル（例: GPT-4）の統合。

参考