HN記事RAGチャットボット

Hacker News の記事を知識源に、日本語で質問できる RAG チャットボット。 Notion に蓄積した記事だけを根拠にして、出典付きで回答します。

これは何 / 何を解決するか

Hacker News の話題は量が多く、英語で、後から「あの記事なんだっけ」を探すのが大変です。 このツールは、自動収集して Notion に貯めた HN 記事を知識源にして、日本語で質問すると その記事群から関連箇所を検索して答えます。一般的なチャットAIと違い、手元に貯めた記事だけを 根拠にし、どの記事を見て答えたか（出典）を必ず表示するので、答えの裏取りができます。

主な特徴

• 日本語で質問 → 蓄積記事から検索 → 出典付きで回答
• 「それ」「さっきの」などの追い質問にも、文脈を踏まえて対応（クエリ書き換え）
• 出典（記事タイトル＋類似度）を画面に表示。回答の根拠を確認できる
• 知識源にない質問には「資料には見つかりませんでした」と正直に答える（でっち上げを抑制）
• 埋め込み・検索はローカルで動作（ランニングコストを抑制）

技術スタックと選定理由

役割	採用	理由
埋め込みモデル	cl-nagoya/ruri-v3-30m	日本語特化。英語中心モデルでは日本語検索が外れたため切替
ベクトルDB	ChromaDB	ローカルで完結、セットアップが軽い
生成LLM	Claude Haiku 4.5	速くて安い。RAGの回答生成に十分
UI	Streamlit	チャットUIを最小コードで構築できる
知識源連携	Notion API	既存の記事蓄積をそのまま知識源にできる

仕組み（質問が来てから回答まで）

1. 会話履歴を踏まえ、質問を「単体で意味が通る独立した質問」に書き換え（追い質問対応）
2. 書き換えた質問をベクトル化し、ChromaDB から関連チャンクを top-5 取得
3. 取得チャンクを資料として Claude に渡し、「資料だけを根拠に」回答を生成
4. 出典（記事タイトル＋類似度）はAIに書かせず、検索結果のメタデータから機械的に表示

設計上のこだわり

• 出典をAIに書かせない：AIに出典を書かせると存在しない出典を作ることがある。 検索結果のメタデータからプログラムで出典を出すことで、でっち上げを原理的に防いでいる。
• クエリ書き換えは検索も回答も一本化：追い質問を書き換えた独立質問を、検索と回答の両方に使う （履歴を回答に渡さない）。検索した質問と答える質問がズレず、デバッグもしやすい。

セットアップ

# 1. ライブラリのインストール
pip install -r requirements.txt

# 2. .env を用意（このファイルは公開していません）
#    ANTHROPIC_API_KEY=...
#    NOTION_TOKEN=...

# 3. 知識源の取り込み（Notion → ベクトルDB）
python ingest_notion.py

# 4. チャットボットを起動
streamlit run app_notion.py

現時点の制限

• 知識源の取り込みは手動実行（ingest_notion.py）。定期自動更新は未実装。
• 検索精度に改善余地あり（狙った記事が1位に来ないケースを確認済み。リランキング導入が次の課題）。
• ローカル前提（自分のPCで動かす構成）。