メインコンテンツへスキップ

blocs/admin: AI機能（Chat / VectorStore）

blocs/admin: AI機能（Chat / VectorStore）

blocs/admin パッケージに同梱される AI 連携クラスです。OpenAI API と Qdrant ベクトル DB を使い、ベクトル検索ベースのチャット機能を実装できます。

前提条件: blocs/admin がインストール済み、openai-php/laravel 等の OpenAI 連携設定、Qdrant サーバーへの接続設定が完了していること。

クラス構成

クラス 名前空間 役割
Chat Blocs\AI\Chat OpenAI Chat API による質問応答・翻訳
VectorStore Blocs\AI\VectorStore Qdrant へのベクトル登録・類似検索

VectorStore

ドキュメントをベクトル化して Qdrant コレクションに保存し、類似検索で関連ナレッジを取得します。

主なメソッド

メソッド 説明
get($collectionName, $docIds) ID 指定でドキュメント取得
similar($collectionName, $dataForEmbedding, ...) ベクトル類似検索（RAG の中核）
sample($collectionName, $limit, $filter) ランダムサンプル取得（類似検索ではない）
upsert($collectionName, $docId, $payload, $embeddingSource) 1件の登録・更新。bool を返す
upsertMany($collectionName, $items) 複数件のバッチ登録・更新。bool を返す
count($collectionName) コレクション内の件数
getAllIds($collectionName, $filter) 全ドキュメント ID 取得
delete($collectionName, $docIds) ドキュメント削除

登録例

// 成功時 true / 失敗時 false
VectorStore::upsert('my-collection', 'doc-1', ['content' => '本文']);

VectorStore::upsertMany('my-collection', [
    ['doc_id' => 'doc-1', 'payload' => ['content' => '...']],
    // 埋め込み元を payload と別にする場合（任意）
    ['doc_id' => 'doc-2', 'payload' => ['title' => '...'], 'embedding_source' => '検索用テキスト'],
]);

embedding_source を省略した場合、埋め込みベクトルの生成元は payload 全体が使われます。

バッチ登録の注意

upsertMany() は config('qdrant.embedding_batch_size', 64) 件ずつ処理します。バッチ境界をまたいだ原子性はなく、先行バッチが成功した後に後続バッチが失敗すると、先行分は Qdrant に残ったまま false が返ります。

類似検索例

$results = VectorStore::similar('my-collection', '検索クエリ');

コレクション名を指定してナレッジベースを分離できます。

設定（config/qdrant.php）

アプリ側で config/qdrant.php を用意し、.env から読み込みます。

キー 説明 既定値
host Qdrant ホスト http://localhost
port Qdrant ポート 6333
api_key Qdrant Cloud 用 API キー なし
embedding_model 埋め込みモデル名 —
embedding_base_uri 埋め込み API のベース URL —
embedding_api_key 埋め込み API キー —
embedding_batch_size バッチ登録の件数 64

Chat

OpenAI Chat API で応答を生成します。用途に応じて VectorStore のメソッドを組み合わせます。

use Blocs\AI\Chat;
use Blocs\AI\VectorStore;

$chat = new Chat('my-collection', 'gpt-4o');

// ランダムサンプル1件をコンテキストに含めて応答（類似検索ではない）
$answer = $chat->question([
    ['role' => 'user', 'content' => 'ユーザーの質問'],
]);

// 類似検索でナレッジを取得してから回答する例
$knowledge = VectorStore::similar('my-collection', 'ユーザーの質問');
$answer = $chat->answer($developerPrompt, [], 'ユーザーの質問', $knowledge);

// 回答の翻訳
$translated = $chat->translate($question, $answer);

主なメソッド

メソッド 説明
question($messages) VectorStore::sample() でランダム1件の payload から content キーを取り出し、resources/prompt/question.md をプロンプトに含めて応答
answer($developer, $messages, $question, $knowledge) 指定ナレッジ（配列）を JSON コンテキストに含めて応答
translate($question, $answer, $questionLang) 回答を質問と同じ言語に翻訳
log($isLogging) API リクエストを storage/logs/chatOpenAI.log に記録
checkLocale() Accept-Language ヘッダーからロケールを推定

意味検索ベースの RAG が必要な場合は、question() ではなく VectorStore::similar() でナレッジを取得し、answer() に渡してください。

プロンプトテンプレートは resources/prompt/ 配下（question.md, translate.md, detectLanguage.md）に配置します。

利用上の注意