ChatGPT/LangChainによるチャットシステム構築（実践）入門（技術評論社） [電子書籍]Ω

本書は，ChatGPTのAPIとLangChainを使って，大規模言語モデル（LLM）を本番レベルのシステムに組み込むための知識をステップバイステップで学習し，手を動かしながら実践できる書籍です。生成AIが登場し，APIやフレームワークのエコシステムが充実してきたことによって，これまで機械学習やプログラミングの十分な知識が必要だったことに対してアプリケーション開発者が挑戦しやすくなりました。LLMの性質を活かしたサービスや業務システム構築の基礎を理解し，LLMのモデルやワークフローを抽象化して取り扱ううえで，LangChainというフレームワークが非常に便利です。本書でOpenAI APIやLangChainをしっかり学ぶことで，生成AI関連の知識を体系的にイメージできるようになります。本書ではまず，OpenAI APIとLangChainについて解説します。ChatGPTのようなしくみを業務システムなどに組み込むためには，単にLLMに1つ入力して1つ出力を得るような実装ではなく，複数のタスクを一連のワークフロー処理として実現する必要があります。また，ChatGPTが知識を持たない専門知識を答えてほしいとか，意図した形式で応答が欲しいなど，実用性を高める必要も出てきます。これらを実現するためのLangChainのつかいかたをわかりやすく解説します。後半では，ステートレスなOpenAI APIに記憶を持たせたり，必要に応じてWeb検索などを行うエージェント処理，さらにそれらチャット形式の処理を，ステップバイステップでWebアプリやSlackアプリとして実装します。さらに，LLMアプリを本番稼働させるうえで必要となる，ユーザー体験，セキュリティ，コンプライアンスへの準拠などのためのヒントや注意点も解説します。目次■第1章 大規模言語モデル（LLM）を使ったアプリケーションを開発したい！1.1 ChatGPTにふれてみよう1.2 プロンプトの工夫でできること1.3 プログラミングで使ってみよう1.4 ChatGPTを使うときに気をつけること1.5 ChatGPTの有料プランでできること1.6 大規模言語モデル（LLM）のビジネスへの活用1.7 LLMを活用したビジネスやアプリケーションの事例紹介1.8 LLMを使ったアプリケーション開発で気をつけること1.9 本書で扱う技術について■第2章 プロンプトエンジニアリング2.1 なぜいきなりプロンプトエンジニアリング？2.2 プロンプトエンジニアリングとは2.3 プロンプトの構成要素の基本2.4 Prompt Engineering Guideから：ChatGPTの無限の可能性を引き出す■第3章 ChatGPTをAPIから利用するために3.1 OpenAIの文書生成モデル3.2 ChatGPTのAPIの基本3.3 入出力の長さの制限や課金に影響する「トークン」3.4 Chat Completions APIにふれる環境の準備3.5 Chat Completions APIをさわってみる3.6 Function calling■第4章 LangChainの基礎4.1 LangChainの概要4.2 Language models4.3 Prompts4.4 Output parsers4.5 Chains4.6 Memory■第5章 LangChainの活用5.1 Data connection5.2 Agents■第6章 外部検索，履歴を踏まえた応答をするWebアプリの実装6.1 第6章で実装するアプリケーション6.2 Cloud9を起動して開発環境を構築する6.3 StreamlitのHello World6.4 ユーザーの入力を受け付ける6.5 入力内容と応答を画面に表示する6.6 会話履歴を表示する6.7 LangChainを使ってOpenAIのChat Completions APIを実行する6.8 Agentを使って必要に応じて外部情報を検索させる6.9 チャットの会話履歴をふまえて応答する6.10 Streamlit Community Cloudにデプロイする■第7章 ストリーム形式で履歴を踏まえた応答をするSlackアプリの実装7.1 なぜSlackアプリを作るのか7.2 環境準備7.3 環境設定ファイルを作成する7.4 Slackアプリを新規作成する7.5 ソケットモードを有効化する7.6 アプリケーションを作成する7.7 イベントを設定する7.8 アクションを送信して応答する7.9 スレッド内で返信する7.10 OpenAI APIを呼び出す7.11 ストリーミングで応答する7.12 会話履歴を保持する7.13 LazyリスナーでSlackのリトライ前に単純応答を返す7.14 AWS Lambdaで起動されるハンドラー関数を作成する7.15 chat.update API制限を回避する7.16 Slack投稿をリッチにする7.17 デプロイする7.18 Socket ModeからAWS Lambdaに切り替える■第8章 社内文書に答えるSlackアプリの実装8.1 独自の知識をChatGPTに答えさせる8.2 埋め込み表現（embeddings）とは8.3 実装するアプリケーションの概要8.4 開発環境を構築する8.5 サンプルデータの準備8.6 Pineconeのセットアップ8.7 ベクターデータベース（Pinecone）にベクターデータを保存する8.8 Pineconeを検索して回答する8.9 会話履歴も踏まえて質問できるようにする8.10 ConversationalRetrievalChainを使う■第9章 LLMアプリの本番リリースに向けて9.1 企業で生成AIを活用していくために9.2 JDLA発行『生成AIの利用ガイドライン』をもとにした自社ガイドラインの作成9.3 サービスの企画・設計段階での課題9.4 テスト・評価について9.5 セキュリティ対策について9.6 個人データ保護の観点9.7 EUが定める禁止AI・ハイリスクAIの取り扱いの動向■付録 Webアプリ，Slackアプリ開発の環境構築A.1 AWSのサインアップA.2 Cloud9の環境作成A.3 Cloud9とGitHubの連携A.4 Cloud9上のPythonの環境構築A.5 Momentoのサインアップ