Odoo生成AI実現目標

① Retrieverパターン（RAG）

❖ 想定用途：

• 操作マニュアル、議事録、設計書、仕様書（ファイル・DBベース）の検索と要約
• Odooのカスタマイズ仕様などの社内ナレッジ検索

❖ LangChain構成：

pythonコピーする編集するfrom langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS
from langchain.document_loaders import DirectoryLoader
from langchain.chains import RetrievalQA

• 文書はDirectoryLoaderで読み込み（PDF, Markdown, HTML）
• OpenAIEmbeddingsでベクトル化
• FAISSなどで永続ベクトルDB構築
• RetrievalQAで質問に対してRAG方式で検索・回答

---

② Toolパターン（Odoo APIの操作）

❖ 想定用途：

• LangChain AgentにOdooのJSON-RPCをラップしたToolを渡すことで、「データの照会」「レコード作成」などを自然言語で指示可能に

❖ 実装例：

pythonコピーする編集するfrom langchain.agents import Tool
from langchain.agents import initialize_agent
from langchain.agents.agent_types import AgentType

# Odoo JSON-RPCをラップする関数
def search_partner(query: str):
    # 内部でrequests使ってOdooのsearch_read呼び出し
    ...
    return f"{len(results)} results found"

odoo_search_tool = Tool(
    name="SearchPartnerTool",
    func=search_partner,
    description="Find partners in Odoo by name or criteria"
)

agent = initialize_agent(
    tools=[odoo_search_tool],
    llm=ChatOpenAI(),
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION
)

---

③ SQLDatabaseChainによるPostgreSQL直結

❖ 想定用途：

• OdooのバックエンドDBに対して直接SQL発行し、構造的な情報を取得・要約
• 例：売上レポート、在庫照会、期間別分析

❖ 実装：

pythonコピーする編集するfrom langchain.sql_database import SQLDatabase
from langchain.chains import SQLDatabaseChain

db = SQLDatabase.from_uri("postgresql+psycopg2://odoo:odoo@localhost:5432/odoo")
chain = SQLDatabaseChain.from_llm(llm=ChatOpenAI(), db=db, verbose=True)

response = chain.run("Show me total sales by month for the last 3 months.")

※ metadataの定義次第でJOINも可
※ セキュリティのため読み取り専用アカウントを使うこと

---

🔌 LangChainの統合戦略（まとめ）

構成要素	LangChain構成	補足
Odoo JSON-RPC	Tool として登録	requests or xmlrpc.client
マニュアル／仕様書	RetrieverQA + FAISS	社内ナレッジ検索
PostgreSQLの照会	SQLDatabaseChain	読み取り専用接続
UI連携	Streamlit, Gradio, Odoo内iframe	実装次第で埋め込み可能
チェーン制御	MultiPromptChain, RouterChain	意図分類 or RAG/Tool切替

これに加えてMetabaseを用いてグラフをかけるようにする