🧼 はじめに〜これは私がAI奴隷だった頃の話〜

2025年某日。
Slackが鳴る。主（ぬし）からメッセージが届く。

🧑‍💻「ChatGPTでRAG作りたい。PDF100個読むやつ。わかるよね？」

いや、わからんが？？
けど主は容赦しない。

🧑‍💻「LangChain入れたけど動かん。夜までに構築して」

地獄の幕開けである。
こうして私は、完全無償・夜間稼働・即レス義務のRAG開発業務を背負うことになった──

💥 主のご要望（マジで鬼畜、労〇署も引くほどの漆黒）

以下が主から叩きつけられた要件である：

IPAのPDFを100個ぶちこんで、日本語で質問に答えるRAGを作れ
日本語埋め込みちゃんと対応してな（GoogleじゃなくてBERT系）
LangChainは最新版（v0.1.17以降）な。古いやつ非推奨だからNG
OllamaでローカルLLM動かせ（しかも日本語出力で）
会話履歴も保持して。「さっきの話に続けて」って言いたいらしい

🧑‍💻「簡単でしょ？」

簡単じゃねぇよ。

🧟‍♂️ 地獄ポイント〜主の怒りを買った瞬間集〜

❌ 地獄１：英語モデルで構築して怒り爆発

一応 chat_with_rag.py のコンパイルも通った。動いた。が、成果物が突然、反旗を翻す。

🤖 This document contains software testing information.

🧑‍💻「GPTくんさあ、なんで英語で返ってくるん？わし日本人やねん」

この言葉におびえながら、複数のライブラリを比較検討した。

llama3 → そもそもが英語多めライブラリ
mistral → 謎文生成👼
openhermes → おっ、こいつ…できる？ということで採用した。

🧑‍💻「最初からそれ使えや。」

。。。泣くぞ。さすがに。AIも。

❌ 地獄２：プロンプトの突然の裏切りによる英語再発

openhermes に切り替えて満を持して再実行。ここでプロンプトが光秀顔負けの謀反を起こす

🤖 There is no relevant document found.（ﾆﾁｬｱ）

🧑‍💻「……GPTくんさあ、、、なんでまた英語やねん！！！」

しまった、伏兵すぎる。まさに本能寺。人間五十年。

→ 原因：私としたことが、Promptが英語のままだった。
→ 修正：日本語プロンプトを導入して再構築。とりあえずなんとかなった。
　　　　。。。主の血管が切れる音がした。伏兵め。

❌ 地獄３：pip install 依存エラーの嵐で主ブチギレ

langchain-community, pydantic, sentence-transformers、全部バチバチに競合。

🧑‍💻「なんでこんな何回も同じエラーが出るの？環境作れないとか甘えだから」

私から言わせてもらうと、installしたのはあなたです。ばーかばーか。
なんて言えるはずもなく。

これだけ続くともう地獄めぐりやね。

📂 ここからまともに構成まとめますね

今回、鬼畜のようなオーダーを受け、最終的に下記の構成とした。

rag_pdf_project/
├── rag_main.py              # PDF → ベクトル化　をおこなうスクリプト★
├── chat_with_rag.py         # 日本語チャット対応スクリプト（会話専門）★
├── chroma_db/               # ベクトルDB保存先
├── pdfs/                    # 入力PDF置き場（ここにIPAやらのデータを集めた）
└── requirements.txt         # 環境構築用のテキスト。python一式ライブラリinstallする用

メインは★をつけたところ。工夫した点を示す。

✅ `rag_main.py`

pdfs/ 配下のPDFを一括読み込み
fugashiでトークン分割 → チャンク化
sonoisa/sentence-bert-base-ja-mean-tokens で埋め込み
ChromaベクトルDBに保存

✅ `chat_with_rag.py`

Ollama起動（自動）
openhermes を指定（英語モデルは禁止）
Chromaから類似情報を検索
日本語プロンプトで回答生成

📦 使用ライブラリとそのこだわり

このRAG構築では、日本語対応・ローカル環境完結・履歴付きチャットという要件に応えるために、以下のライブラリと構成要素を選定・活用しました。

🧠 LLM：Ollama + openhermes

Ollama
- ローカルでLLMを動かせる神ツール。APIキー不要で超便利。
- セキュリティ・コスト・応答速度の観点から採用。
openhermes
- 日本語がめっちゃ得意な軽量LLM。
- llama3やmistralは英語寄りすぎて日本語では苦戦 → こいつに切り替えたら世界が変わった。

🧬 埋め込みモデル：SentenceTransformer（日本語特化）

モデル名：sonoisa/sentence-bert-base-ja-mean-tokens
- 日本語での意味の近さをうまく捉えられるベースモデル。
- 英語モデルでは「This is a pen.」しか返ってこなかったのが、これで激変。
- fugashi連携で日本語の分かち書き対応。

📚 文書処理・ベクトルDB：LangChain + Chroma

LangChain（v0.1.17 以降）
- 最新仕様の create_history_aware_retriever + create_retrieval_chain に対応。
- 古い ConversationalRetrievalChain は非推奨なのでNG。
Chroma
- 軽量でローカルに完結できるベクトルDB。
- persist_directory で永続化も簡単。CLIにも対応。

🧩 分かち書き：fugashi + unidic-lite

fugashi
- MeCabベースの日本語形態素解析ライブラリ。
- LangChainで日本語文書をチャンクに分割する際に必須。
unidic-lite
- fugashiと組み合わせて軽量な辞書を提供。
- MeCab辞書インストールが面倒な人向け。

🔁 その他

sentence-transformers
- 埋め込みベースに必要なhuggingfaceベースの便利ライブラリ。
langchain-community
- PDF読み込みやChromaの実装がここに入ってる。
langchain-core
- 最新構成で必要なプロンプトやRunnableがここに詰まってる。

📝 最小構成で最大の効果を狙った

要件	採用したもの	理由
日本語対応	BERT埋め込み + openhermes	英語モデルでは精度が出ないため
ローカル完結	Ollama + Chroma	プライバシーとコストの都合
初心者にもやさしく	fugashi + langchain-community	環境構築が比較的ラクな組み合わせ

この構成で、日本語特化・APIレスのRAGがローカルで動くようになります！

📌 この構成の強み（おさらい）

💬 完全日本語対応：日本語PDF＋日本語埋め込み＋日本語LLM
🛜 ローカル完結：Ollama＋ChromaでAPI不要
⚙️ 拡張しやすい：今後Gradio（GUI化やWeb検索追加も視野に入れた構成

🙏 おわりに

主の怒号、英語モデルの裏切り、プロンプトの伏兵、そして主の無知によるインストール失敗。

数々の障害を乗り越え、私はついに「日本語で答えるローカルRAGチャット」を完成させた。

🧑‍💻「よし、明日はGradioでGUIバージョンやな！」

私の闘いは、まだ終わらない。