Chatbot/chatbot_engine.py

from Chatbot.document_processing import load_documents_from_directory
from llama_index import VectorStoreIndex, StorageContext, Document
import openai
import os
from dotenv import load_dotenv  # python-dotenvを使用
from langchain_community.chat_models import ChatOpenAI
from langchain.memory import ChatMessageHistory
from langchain.schema import HumanMessage

# .envファイルから環境変数を読み込む
load_dotenv()

# 環境変数からOpenAI APIキーを読み込む
openai.api_key = os.getenv('OPENAI_API_KEY')

class ChatbotEngine:
    def __init__(self, text_dir):
        # 既存の初期化処理...
        self.documents = load_documents_from_directory(text_dir)
        self.index = self.create_index(self.documents)
        self.chat_history = ChatMessageHistory()  # チャット履歴を管理するインスタンスを追加

    def create_index(self, documents):
        # 既存のインデックス作成処理...
        indexed_documents = [Document(text=doc["text"], metadata=doc["metadata"]) for doc in documents]
        index = VectorStoreIndex.from_documents(indexed_documents)
        index.storage_context.persist()
        return index

    def query(self, customer_question):
        # 質問内容をコンソールに出力
        print(f"受け取った質問: {customer_question}")
        print(f"質問内容: {self.chat_history.messages}")
        
        # 会話の履歴にユーザーのメッセージを追加
        self.chat_history.messages.append(HumanMessage(content=customer_question))
        query_prompt = f"質問内容: '{customer_question}' に対して、読み込んだ情報を基に丁寧に回答してください。"
        response = self.index.as_query_engine().query(query_prompt)
        
        # 解答も引き続きコンソールに出力
        print(f"解答: {response}")

        return response