はじめに
つくりながら学ぶ！生成AIアプリ＆エージェント開発入門を読んでいて本に書かれているPDFをアップロードしてRAGを使ってPDFの内容に関するstreamlitアプリをgradioアプリに変換してみました。
本にはこれ以外にも色々な生成AIアプリの作り方が書いてあるので興味のある人はぜひ手に取ってみて下さい。オススメです。
構成
UI：gradio
生成AIモデル：ChatGPT-4o or ChatGPT-4o mini(選択可)
RAGフレームワーク：langchain
準備
pipでgradio, openai, langchain, langchain_community, langchain_openai, PyPDF2あたりをインストールしておいて下さい。インストールされているnumpyが最新の2.XX系だと動かないかもしれません、動かなかったら1.XX系にダウングレードして下さい。あと、OpenAI APIが利用できるようにアカウントを作成してAPIキーを取得しておいてください。
ソースコード
取得したOpenAIのAPIキーは環境変数に入れるか下記のようにsecret.jsonに書いておいて下さい。
secret.json
{
"OPENAI_API_KEY": "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
}
gradio_pdf_qa_app.py
import os
import json
import gradio as gr
from typing import List, Tuple, Optional, Dict
from langchain_community.vectorstores import FAISS
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_core.output_parsers import StrOutputParser
from PyPDF2 import PdfReader
def get_openai_apikey() -> str:
"""
OpenAI APIキーを取得します。
環境変数またはsecret.jsonファイルからAPIキーを取得します。
Returns:
str: OpenAI APIキー
Raises:
ValueError: APIキーの取得に失敗した場合
"""
try:
# 環境変数からAPIキーを取得
api_key = os.getenv("OPENAI_API_KEY")
if api_key:
return api_key
# secret.jsonファイルからAPIキーを取得
secret_path = "secret.json"
if os.path.exists(secret_path):
with open(secret_path) as f:
secret = json.load(f)
return secret["OPENAI_API_KEY"]
else:
raise FileNotFoundError("secret.json file not found")
except (KeyError, FileNotFoundError) as e:
raise ValueError(f"Error obtaining API key: {str(e)}")
def extract_text_from_pdf(pdf_path: str) -> str:
"""
PDFファイルからテキストを抽出します。
Args:
pdf_path (str): PDFファイルのパス
Returns:
str: 抽出されたテキスト
"""
pdf_text = ""
with open(pdf_path, 'rb') as file:
pdf_reader = PdfReader(file)
for page in pdf_reader.pages:
pdf_text += page.extract_text()
return pdf_text
def process_pdf(pdf_file: gr.File) -> Tuple[str, Optional[FAISS]]:
"""
PDFファイルを処理し、テキストを抽出してベクトルストアを構築します。
Args:
pdf_file (gr.File): アップロードされたPDFファイル
Returns:
Tuple[str, Optional[FAISS]]: 処理結果メッセージとベクトルストアのタプル
"""
try:
# PDFからテキストを抽出
pdf_text = extract_text_from_pdf(pdf_file.name)
if not pdf_text.strip():
return "PDFからテキストを抽出できませんでした。PDFが空か、テキスト抽出に対応していない可能性があります。", None
# テキストを分割
text_splitter = RecursiveCharacterTextSplitter.from_tiktoken_encoder(
model_name="text-embedding-3-small",
chunk_size=500,
chunk_overlap=50
)
split_texts = text_splitter.split_text(pdf_text)
# ベクトルストアを構築
vectorstore = FAISS.from_texts(
split_texts,
OpenAIEmbeddings(
api_key=get_openai_apikey(),
model="text-embedding-3-small"
)
)
return "PDFの処理が完了しました。質問を入力してください。", vectorstore
except Exception as e:
return f"PDFの処理中にエラーが発生しました: {str(e)}\n詳細: {type(e).__name__}", None
def answer_question(question: str, vectorstore: Optional[FAISS], model_name: str) -> str:
"""
ユーザーの質問に対して回答を生成します。
Args:
question (str): ユーザーからの質問
vectorstore (Optional[FAISS]): FAISSベクトルストア
model_name (str): 使用するGPTモデルの名前
Returns:
str: 生成された回答
"""
if vectorstore is None:
return "PDFがアップロードされていないか、処理中にエラーが発生しました。先にPDFをアップロードしてください。"
# モデル名の検証と適切なモデルの選択
if model_name == "GPT-4o mini":
model = "gpt-4o-mini"
elif model_name == "GPT-4o":
model = "gpt-4o"
else:
return f"サポートされていないモデル: {model_name}"
# LLMの初期化
llm = ChatOpenAI(
api_key=get_openai_apikey(),
temperature=0,
model_name=model
)
# プロンプトの設定
prompt = ChatPromptTemplate.from_template("""
以下の前提知識を用いて、ユーザーからの質問に答えてください。
===
前提知識
{context}
===
ユーザーからの質問
{question}
""")
# リトリーバーの設定
retriever = vectorstore.as_retriever(
search_type="similarity",
search_kwargs={"k": 5}
)
# チェーンの構築
chain = (
{"context": retriever, "question": RunnablePassthrough()}
| prompt
| llm
| StrOutputParser()
)
# 回答の生成
return chain.invoke(question)
def pdf_qa_app() -> gr.Blocks:
"""
Gradio PDFのQ&Aアプリケーションを構築します。
モデル選択機能を含みます。
Returns:
gr.Blocks: Gradioアプリケーションのインターフェース
"""
with gr.Blocks() as app:
gr.Markdown("# PDF QA")
gr.Markdown("PDFをアップロードし、質問に対する回答を取得するアプリケーション")
with gr.Row(): # ここから横方向に要素配置
with gr.Column(): # ここから縦方向に要素配置
# モデル選択コンポーネント
model_dropdown = gr.Dropdown(
choices=["GPT-4o mini", "GPT-4o"],
label="モデルを選択",
value="GPT-4o mini"
)
# PDFアップロードコンポーネント
pdf_file = gr.File(label="PDFをアップロード")
upload_button = gr.Button("PDFを処理")
result = gr.Textbox(label="処理結果")
with gr.Column(): # ここから縦方向に要素配置
# 質問応答コンポーネント
question_input = gr.Textbox(label="質問を入力してください")
answer_button = gr.Button("回答を取得")
answer_output = gr.Textbox(label="回答")
# ベクトルストアを保存するための状態変数
vectorstore_state = gr.State()
# PDFアップロードと処理のイベントハンドラ
upload_button.click(
fn=process_pdf,
inputs=[pdf_file],
outputs=[result, vectorstore_state]
)
# 質問応答のイベントハンドラ
answer_button.click(
fn=answer_question,
inputs=[question_input, vectorstore_state, model_dropdown],
outputs=[answer_output]
)
return app
if __name__ == "__main__":
pdf_qa_app().launch()
ちなみにソースコードはLLMにリファクタリングさせたものを載せているので、今までよりも読みやすくなっていると思います。
アプリの起動
ターミナルより以下を実行
python gradio_pdf_qa_app.py
出力されたURLにアクセスすると以下のような画面が表示されます。
モデルを選択してPDFをアップロードして「PDFを処理」ボタンを押下すると、ボタンの下に処理結果に「PDFの処理が完了しました。質問を入力してください。」と表示されます。
（※ここではDX白書2023のPDFをアップロードしています。）
質問内容を入力して「回答を取得」ボタンを押下すると、しばらくして回答結果が返ってきます。
ちなみに今回は質問内容に「日本と米国のAI導入率を教えて下さい。」と入力し回答は「日本のAI導入率は22.2%であり、米国のAI導入率は40.4%です。これは、全社で導入している、または一部の部署で導入している企業の割合を合計したものです。」となっています。
アップロードした資料にも以下のように書かれているので、正しくPDFから回答を作成していることがわかります。
おわりに
今回はつくりながら学ぶ！生成AIアプリ＆エージェント開発入門をベースにRAGアプリを作ってみました。PDFの内容によってはあまり良い回答が得られない場合もあるので、その場合はパラメータを調整してみて下さい。読んでいただきありがとうございました。