【Difyで作るシリーズ 1】PDFファイルの要約

✅

この記事の対象者環境事前準備作成するAIアプリの概要完成イメージ作業手順 1. APIキーのセットアップ 2. ワークフローの新規作成 3. ワークフロー作成画面上での作業 4. ワークフローの動作確認応用おわりに

はじめに

Difyというサービスを聞いたことがあるけれど、「何ができるかわからない」、「どう使うのかわからない」などの理由で使ったことがない方々は多いのではないでしょうか。

そのような方のために、「Dify で何ができるのか？や Dify を使った活用事例」を紹介する記事をシリーズ化していきます。

シリーズ記事はこちらです

【Difyで作るシリーズ 1】 PDFファイルの要約
 【Difyで作るシリーズ 2】会社情報Q&Aチャットボット

【Difyで作るシリーズ 3】ニュース要約チャットボット

第1回目は、PDFファイルを日本語で要約するワークフローの作成する方法について紹介します。

この記事の対象者

Dify という言葉を聞いたことがあるが、何ができるのかがわからない人
Dify を業務に取り入れたいと検討している人

環境

Chrome
Dify v0.10.1（2024年10月25日時点）フリープラン

事前準備

APIキーの取得
- Gemini APIの場合
  1. ここにアクセスし、「APIキーを作成」を選択します
  2. 「新しいプロジェクトでAPIキーを作成」を押します
  3. APIキーをコピーします
- Open AI APIの場合
  サインアップした後、こちらからAPIキーを作成し、保存してください。
Difyへのサインアップ

Difyとは

Difyとは、プログラミング言語を使わなくても直感的な操作でAIチャットボットやAIアプリを構築できるツールです。

Dify 特徴

Dify の3つの特徴を説明します。

OSS（オープンソース）のLLMアプリ開発プラットフォーム
ノーコードでAIアプリを作成できる
作成したAIアプリの公開が簡単にできる

OSS（オープンソース）のLLMアプリ開発プラットフォーム
DifyはOSSであるため誰でも自分の環境で使うことができます。またOSSであるため利用者の声が開発者に届きやすくアップデートの頻度が高いのも特徴です。
ノーコードでAIアプリを作成できる
Difyでの操作はノーコードで行われます。非エンジニアにでもローコストでAIアプリを作ることが可能です。
作成したAIアプリの公開が簡単にできる
Difyで作ったAIアプリは簡単にユーザーに共有できます。WEBブラウザでアクセスで来るURLを発行してつかってもらったり、ホームページにチャットボットとして埋め込むことも可能です。

作成するAIアプリの概要

完成イメージ

まずは、今回作成するアプリの完成イメージについてです。

このアプリは、ブラウザからAIアプリにアクセスして使用します。

イメージ

使い方は以下の通りです。

画面の左側からファイルを選択してアップロード
エクスキュートボタンを押す
右画面に要約文が表示される

作成するワークフロー

上記のアプリを構築するためにワークフローを作る説明をします。

💡

ワークフローとは

一つ一つの処理を小さなブロック（ノード）としてつなぎ合わせて、一連のプロレスを自動化する機能です。

今回作成するワークフローのDifyの画面です。

このワークフローは、4つのブロックで構成されます。

graph LR
	開始[1.開始<br>PDFのアップロード]
	-->ドキュメント[2.ドキュメントエクストラクター<br>PDFの読み込み]
	-->_LLM[3.LLM<br>読み込んだ内容を要約]
	-->_終了[4.終了<br>要約した結果を出力]

「開始」ブロックでPDFをアップロードします。
「ドキュメントエクストラクター」ブロックでPDFの内容を読み込み、LLMが理解できるようにします。
「LLM」ブロックでPDFの内容を要約します。
「終了」ブロックで要約した結果を出力します。

作業手順

ここからは、ワークフロー構築の手順について説明します。

手順

APIキーのセットアップ
ワークフローの新規作成
ワークフロー作成画面上での作業
ワークフローの動作確認

1. APIキーのセットアップ

まず、右上の「Dify」を選択してから「設定」を選択します。
設定画面の「モデルプロバイダー」を選択し、Geminiの「セットアップ」を選択します。
「API key」を入力してから「保存」を選択します。

2. ワークフローの新規作成

最初の画面の「最初から作成」を選択します。
「ワークフロー」を選択し、「アプリのアイコンと名前」を記述してから「作成する」をクリックします。

3. ワークフロー作成画面上での作業

ワークフロー作成画面が表示されます。「開始」ノードが表示されているので「開始」ノードを選択します。
「開始」ノードにPDFをアップロードするための機能を設定します。
「＋」ボタンを押します。

下記の表のように項目に値を設定してください。

項目	値	備考
フィールドタイプ	Single File	1つのファイルをアップロードできます
変数名	file	任意の名前
ラベル名	file	任意の名前
Support File Types	Document	アップロード可能にするファイルの種類を選択できます。
Upload File Types	Both	Local Upload（ローカルに保存されているファイルをアップロード）」か、「URL（URLを取得してアップロード）」か、「Both（両方）」を選択できます

入力後、「保存」を選択します。

「開始」ノードの「＋」ボタンを押し、ブロック一覧の「ドキュメントエクストラクター」を選択します。

「ドキュメントエクストラクター」の入力フィールドを編集します。

項目	値	備考
入力変数	「開始 / file File」	「開始」ノードで設定した「file」を選択します。

「ドキュメントエクストラクター」ノードの「＋」ボタンを押し、「LLM」を選択します。
「LLM」ノードを選択し、モデル一覧で「Gemini 1.5 Flash」を選択します。
「SYSTEM」欄にプロンプトを入力します。
今回は「以下の内容を日本語で要約してください。」としました。

💡

プロンプトとは
生成AIに与える指示文のことです。生成AIに何をしてほしいかを記述します。

改行し、「{x} 」ボタンを押して「ドキュメントエクストラクター」の「{x} text」を選択します。
「＋」ボタンを押し、「終了」を選択します。
出力変数の変数名に「output」を入力し、変数に「LLM」の{x} textを選択します。

以上で完成です。

4. ワークフローの動作確認

ワークフローを作った後に正しく動くかの動作確認をします。
今回は、Apple社の業績がまとめられているファイルで実験してみました。
「公開する」を選択し、「アプリを実行」を選択します。

💡

「公開する」と？
アプリをすぐに利用できるWebページのURLが作成されます。ユーザーはこのURLにアクセスすることでアプリを利用できるようになります。
ただし、URLを知っている人ならば誰でも利用できるようになるため、ワークフロー内で社外秘の情報を設定している場合、外部の人間がその情報にアクセスできる危険性があります。URLの公開については社内のポリシーなどを確認してから公開しましょう。

以下のようなページに移りますので、PDFファイルをローカルからアップロードするか、PDFファイルのURLを入力します。
「Excute」を押します。
結果は、以下のようになりました。
無事にPDFを要約してくれました。