ollama pull llama3.2          # メインの会話モデル（軽量版）
ollama pull nomic-embed-text  # 記憶検索用の埋め込みモデル

python -m venv venv         # 仮想環境を作成
venv\Scripts\activate       # 仮想環境を起動（Windowsの場合）

pip install langchain
pip install langchain-community
pip install langchain-ollama
pip install chromadb

from langchain_ollama import OllamaLLM
from langchain_ollama import OllamaEmbeddings
from langchain_chroma import Chroma
from langchain.schema import Document
 
# ========= 設定 =========
LLM_MODEL = "llama3.2"          # 使うモデル名
EMBED_MODEL = "nomic-embed-text" # 記憶検索用モデル
 
# ========= LLM（会話AI） =========
llm = OllamaLLM(model=LLM_MODEL)
 
# ========= Embedding（記憶の変換） =========
embeddings = OllamaEmbeddings(model=EMBED_MODEL)
 
# ========= ChromaDB（記憶の保存先） =========
db = Chroma(
    collection_name="memory",
    embedding_function=embeddings,
    persist_directory="./chroma_db"  # ここにDBが保存される
)
 
# システムプロンプト（AIの基本設定）
SYSTEM_PROMPT = """
あなたは親切なAIアシスタントです。
ルール:
- 初心者向けに説明する
- 日本語で回答する
- 危険なコードは書かない
- 専門用語は少なめにする
"""
 
print("AIチャット開始（終了するには exit と入力）")
 
while True:
    user_input = input("\nあなた: ")
    if user_input == "exit":
        break
 
    # ===== 過去記憶の検索 =====
    memories = db.similarity_search(user_input, k=3)
    memory_text = "\n".join([m.page_content for m in memories])
 
    # ===== プロンプトの組み立て =====
    prompt = f"""{SYSTEM_PROMPT}
 
【過去の記憶】
{memory_text}
 
【ユーザーの質問】
{user_input}
 
上記の記憶を考慮して回答してください。
"""
 
    # ===== AI回答の生成 =====
    response = llm.invoke(prompt)
    print(f"\nAI: {response}")
 
    # ===== 会話を記憶として保存 =====
    db.add_documents([
        Document(page_content=f"ユーザー: {user_input}\nAI: {response}")
    ])

docker run -d ^
  -p 3000:8080 ^
  -v open-webui:/app/backend/data ^
  --name open-webui ^
  ghcr.io/open-webui/open-webui:main