このプロジェクトは、自作の軽量LLM・RAG・AIエージェントを統合した多機能AIデモWebアプリケーションです。
以下の4つのセクションで、AIの異なる活用方法を体験できます：
- ✅ GPT-2ベースの英語テキスト分類と生成（自作LLM）
- 📚 Bedrock + Knowledge Baseによる社内文書検索応答（自作RAG）
- 🧑💼 Bedrock Agent によるAIエージェントチャット（自作AIエージェント）
- 🧾 発注AIエージェント：自然言語→構造化JSON→注文書PDF（日本語対応）
- 迷惑メール分類：GPT-2に英語スパム分類のファインチューニングを実施。任意の英語メッセージを分類可能。
- 命令応答生成：命令タスク（Instruction Tuning）で学習済みモデルにより、指定フォーマットの英語指示に応答を生成。
※ モデル学習は Google Colab 上で実施し、現在は EC2 上の Web アプリからリアルタイムで推論を行っています。
- Amazon Bedrock の Knowledge Base 機能を活用。
- JPXの決算説明資料を対象としたナレッジベースを構築。
- 自然な日本語による文書検索・要約応答を提供します。
- Bedrock Agent ＋ ReAct（Reasoning + Acting）手法によるマルチエージェントチャット。
- ユーザーの質問内容に応じて以下の3つの処理を自動で切り替え：
- AWSの最新情報取得（Lambda + SerpAPI）
- JPX関連の文書検索（Bedrock RAG）
- その他の質問対応（Claude 3）
- 概要：日本語の依頼文から LLM が発注内容（発注者・品目・数量・単価 等）を抽出し、バックエンドで Pydantic によるスキーマ検証・正規化 を行った上で 構造化 JSON（Order） を生成します。必須項目が揃えば ワンクリックで注文書PDF をダウンロードできます。
- できること
- 自然言語 → 構造化 JSON（Order）への変換
- 不足項目がある場合の インタラクティブ補完（必要な項目だけ質問）
- PDF 出力
- 使い方
- テキストボックスに日本語で発注内容を入力し「対話を開始」。
- 不足があれば追加入力欄に回答。
- すべて揃うと「注文書（PDF）をダウンロード」ボタンが有効化。
- 必須項目（本デモ）
発注者名・品目名・品目コード・数量・単価（5項目に限定）
※ 本デモでは要件をシンプルにするため上記のみ必須にしています。
- Python
- FastAPI
- PyTorch
- tiktoken
- langchain
- AWS
- EC2（Webアプリホスティング）
- S3（ファイル保存）
- Bedrock（Claude 3, Knowledge Base, Agent）
- Lambda（API連携）
- その他
- Claude 3（via Bedrock）
- Pinecone（ベクトルDB）
- SerpAPI（Google検索結果取得）
- Google Colab（モデル訓練環境）
以下のコマンドでアプリを起動できます：
uvicorn api_server:app --host 0.0.0.0 --port 5000アプリURL：
このプロジェクトは教育・技術デモの目的で公開されています。商用利用はご遠慮ください。
このリポジトリは Git Flow に基づいて管理されています。
GitFlowのブランチ戦略としては、main / develop / feature/* / release/* / hotfix/* の構成を採用することですが、
本プロジェクトは小規模のためmain / feature/* の構成になっています。
🔗 関連ブログ投稿（執筆者：崔 玉澤）
👉 バックオフィスシステム開発におけるGitflowの使い方について - KINTO Technologies Tech Blog
本リポジトリには以下の GitHub Actions ワークフローが設定されています：
- release：指定ブランチのコードをEC2へリリース
- deploy：リリースが完了後にWebアプリケーションを起動
- stop：Webアプリケーションを手動で停止
ワークフローは .github/workflows/ フォルダ内に構成されています。
崔 玉澤（Yuze Cui）
- ITエンジニア・プロジェクトマネージャー
- G検定・AI実装者検定A級・Python3データ分析認定取得
- LLMおよびAWS Bedrockを活用した生成AIソリューション開発に取り組んでいます
ご質問・ご連絡は GitHub 上のIssueよりお気軽にどうぞ。