---

title: LangChain（ランチェーン）メモ date: 2025-12-12 tags: #aidexx #tools #langchain #memo

aidexx #tools #langchain #memo 

LangChain（ランチェーン）は

🔥 「AIアプリを簡単に作るための“部品セット（ライブラリ）”」

です。

ChatGPT のような LLM（大規模言語モデル）単体ではできない、

文書検索

外部データ参照（RAG）

ツール実行

複雑なワークフロー

複数モデルの連携

自動推論チェーン

を“つなぎ合わせる（Chain）”ための枠組み。

特に RAG（検索拡張生成）を作るための最強ツール として有名。

超ざっくり言うと：

➤ LangChain = AIアプリ開発のレゴブロック

欲しい機能を組み合わせていくだけで

AIシステムが完成する。

🔍 どうして「Chain（チェーン）」なの？

AIアプリは必ず「連続した処理」でできているから。

例えば：

ユーザー質問 → 文書検索（RAG） → 必要なデータ取得 → LLMに渡す → 文章生成 → 結果を整形

こういう 一連の流れ（Chain） を

LangChain が簡単に組ませてくれる。

⭐ LangChain が提供する主な機能

① Document Loaders（文書読み込み）

PDF / Word / Webページ / TXT / Markdownなど

いろんな形式のデータを読み込んで、AIが使える形に変換。

あなたの場合：

✔ Blogger の記事

✔ AIDexx の txt

✔ 認知症RAGの md

→ 全部読み込める。

② Text Splitters（分割）

AIが扱いやすいように文章を小さく分ける。

例：300〜500文字単位で“意味のまとまり”を作る。

RAGでは超重要。

③ Embeddings（数値ベクトル化）

文章を「意味の数値」に変換する。

ChromaDBに保存するときに使う。

④ Vector Stores（ベクトルデータベース）

ChromaDB, Faiss, Qdrant などを使って

文章を検索しやすい形で保存する。

あなたは ChromaDB を使用（最適）。

⑤ Retrievers（検索機能）

RAGで「質問に近い文書を抽出する」部分。

例：

「夜間徘徊の対応は？」 → あなたの過去のメモ3件を抽出

⑥ Chains（ワークフロー）

AIの処理をまとめて一つの関数として定義できる。

例：

qa = RetrievalQA.from_chain_type(llm, retriever) qa( "夜間徘徊の対応は？" )

→ これだけで完成。

⑦ Agents（AIエージェント）

必要に応じて AI が：

Web検索

Python実行

計算

外部ツール利用

などを“自律的に使う”。

あなたの AIDexx 自動生成にも応用できる。

🎯 LangChain を使うと何が嬉しい？

✔ RAG（検索＋AI）が超簡単になる

あなたの「Blogger → RAG → AI → AIDexx」が簡単に構築できる。

✔ PythonだけでAIアプリが作れる

あなたはすでに Python で多数のスクリプトを持っている → 相性最高。

✔ 自動化やパイプライン化が容易

既存スクリプトに「RAG変換」を一行追加するだけでOK。

✔ ローカルLLM（Ollama）とも連携可能

あなたの Elyza 8B や Qwen なども使える。

🎯 つまり LangChain は…

RAGを作る

AIアプリを作る

LLMに外部知識を渡す

複雑なワークフローを作る

ローカルAIを賢くする

ためのツールキット（レゴブロックセット） 。