学習記録 #5 後編】GAS × Gemini で RAG チャットボットを自作した

[前編] では、GAS で自作する理由、AI のデータ処理の仕組み、環境構築のつまずきポイントを記録しました。

後編では、実装の詳細、デプロイ、テスト結果、そして精度改善計画を記録します。

対象読者：エンジニア経験 1 年程度の方。前編を読んで環境構築まで完了している前提です。

この記事で分かる 3 点を最初に示します。

• RAG パイプラインの実装詳細― Embedding、検索、LLM 呼び出しの各工程 -
• デプロイとテスト― Web App として公開し、動作確認するまで -
• 精度改善計画― 回答精度を上げるための具体的な改善ロードマップ

Claude Code で一気にコード生成しましたが、生成されたコードの中で特に重要なポイントを解説します。

テキストを数値配列に変換する処理です。RAG の精度を左右する最重要コンポーネント。

使用モデル： gemini-embedding-001

テキスト：「腹水の主症は腹部膨大である」
│
│ Gemini Embedding API
...

重要ポイント：L2 正規化

Gemini Embedding 2 は MRL（Matryoshka Representation Learning）により、3072 次元→768 次元にスケールダウンできます。API リクエスト時に outputDimensionality: 768 を明示指定することで次元数を削減できます。ただし次元数を変えるとベクトルの長さ（ノルム）が変わるため、L2 正規化（ベクトルの長さを 1 に揃える処理）が必須です。

【L2 正規化のイメージ】
正規化前:
ベクトル A: 長さ 2.5 → [0.5, 1.0, 2.0, ...]
...

L2 正規化を行うことで、コサイン類似度の計算が単純な内積で済むようになります。

taskType の使い分け：

場面	taskType	理由
資料をベクトル化するとき	RETRIEVAL_DOCUMENT	ドキュメント用の最適化がかかる
質問をベクトル化するとき	RETRIEVAL_QUERY	クエリ用の最適化がかかる

同じテキストでも taskType が異なるとベクトルが変わります。ドキュメントとクエリで別の最適化がかかるため、正しく使い分けることで検索精度が向上します。

実装コード（核心部分）：

// TODO: 実際のコードに差し替え（embedDocument / embedQuery の核心部分）
function embedText(text: string, taskType: string): number[] {
const response = UrlFetchApp.fetch(
...

本格的なベクトル DB（Pinecone、Chroma など）の代わりに、Google Sheets をベクトルデータベースとして使っています。

Sheets の構成：

列	内容	例
A	id	doc_001_chunk_0
B	type	subject or topic
C	text	チャンクのテキスト
D	metadata	{"fileName":"鼓脹.pdf","chunkIndex":0}
E	embedding	[0.12,-0.34,0.56,...]
F	textHash	a1b2c3d4...（差分ビルド用）

差分ビルド： テキストの MD5 ハッシュを保存しておき、次回実行時にハッシュが変わっていないチャンクはスキップ。大量資料でも Embedding API の呼び出し回数を最小限に抑えられます。

【差分ビルドの流れ】
初回：全チャンク → ベクトル化 → Sheets 保存（100 チャンク）
処理時間：約 5 分
...

質問ベクトルと各チャンクベクトルの「意味の近さ」を計算して、最も関連性の高いチャンクを取得します。

質問：「腹水の主症は？」
│
│ ベクトル化
...

実装コード（核心部分）：

// TODO: 実際のコードに差し替え（cosineSimilarity の核心部分）
function cosineSimilarity(vecA: number[], vecB: number[]): number {
// L2 正規化済みベクトルなら内積 = コサイン類似度
...

ハイブリッド検索： 2 種類のチャンクを別レーンで検索してマージする設計にしています。

【subject チャンク】科目・テーマごとのまとまり
→ 「腹水について」の情報を広く取得
【topic チャンク】トピックごとのまとまり
...

検索結果（関連チャンク）と質問を組み合わせて、LLM に回答を生成させます。

┌─────────────────────────────────────┐
│ LLM に渡すプロンプト │
│ │
...

Gemini Pro Preview 系を使って 429 エラーが出た話：

実際に GAS 版でも Gemini Pro Preview 系モデルで 429 エラーが発生しました（gemini-2.5-pro 系は無料枠が非常に少ない）。

429 RESOURCE_EXHAUSTED
Quota exceeded for metric: generate_content_free_tier_requests
limit: 0, model: gemini-2.5-pro

교훈: Preview 버전의 Pro 모델은 무료 쿼트가 거의 없는 경우가 있습니다. 검증 단계에서는 Gemini 2.5 Flash 를 사용하세요.

모델	무료 쿼트
gemini-2.5-pro (가정)※	❌ 없음
Gemini 2.5 Flash
✅ 15req/분, 1500req/일

다음 보안 조치를 구현했습니다.

조치	내용
API 키 관리	스크립트 속성으로 관리 (코드에 하드코딩하지 않음)
...

【오류 처리의 생각】
❌ 나쁜 예 (사용자에게 상세 표시):
「Error: API key AIzaSy... is invalid」
...

GAS 에디터에서 「프로젝트 설정」→「스크립트 속성」에 다음을 등록하세요.

속성명	확인 위치
GEMINI_API_KEY
https://aistudio.google.com/apikey
DRIVE_FOLDER_ID
Drive 폴더 URL 의 /folders/ 뒤
VECTOR_SHEET_ID
스프레드시트 URL 의 /d/ 뒤

1. GAS 에디터에서「initialSetup」실행 → 헤더 생성 등
2. Google Drive 폴더에 자료 업로드 (2~3 파일)
3. 「rebuildEmbeddings」실행 → 벡터화
...

고침 포인트⑥: clasp open 가 사용 불가

Unknown command "clasp open"

clasp 의 새 버전에서는 open
명령어가 폐지되었습니다.

해결책: .clasp.json
의 scriptId 를 사용하여 직접 URL 열기.

1. GAS 에디터에서「배포」→「새로운 배포」
2. 종류: 웹 앱
3. 다음 사용자로서 실행: 나
...

항목	내용
자료	침술·동양의학 강의 자료 (2~3 파일)
...

질문: 「鼓脹의 주증은 무엇입니까？」
답변: （TODO: 실제 답변 텍스트 붙기）
정확도:まあ悪くない 🟡
...

비교 항목	Dify 버전	GAS 버전
답변 속도	TODO: 실측치 교체 (예: 평균 2.1 초)	TODO: 실측치 교체 (예: 평균 7.8 초)
...

상세는次回記事（学習記録 #6）에서 다룹니다.

현재 정확도는「まあ悪くない」수준입니다. 여기서부터 정확도를 높이기 위한 개선 계획을 세웠습니다.

| 레벨 | 주제 | 개요 |
|---|---|
Level 1 |
チャンク 전략의 개선 | Chunk 사이즈 최적화·세맨틱 체인킹·메타데이터 충실 |
Level 2 |
프로ンプ트의 개선 | Few-shot 추가·답변 형식 지정·할루시네이션 억제 강화 |
Level 3 |
검색 정확도의 개선 | Rerank 모델 도입·HyDE·쿼리 확장·Top K 동적 조정 |
Level 4 |
평가의 체계화 | 테스트 세트 생성·자동 평가 스크립트·A/B 테스트·로그 분석 |

前後編を通じて의 고침 포인트 목록입니다.

| # | 고침 | 오류 메시지 | 해결책 |
|---|---|
| 1 | clasp 권한 승인 | （브라우저 승인 화면） | 「모든 선택」→「계속」 |
| 2 | webapp 지정 불가 | Invalid container file type |
--type standalone 변경 |
| 3 | GAS API 미활성화 | User has not enabled the Apps Script API |
설정 페이지에서 API 온 |
| 4 | TS 타입 주석 오류 | Unexpected token ':' |
clasp 3.x 는 TypeScript 를 컴파일하지 않음. tsc 로 사전 컴파일 후 dist/ 에서 push (상세는 전편 참조) |
| 5 | 마니페스트 덮어쓰기 | Do you want to push and overwrite? |
y 허용 |
| 6 | clasp open 불가 | Unknown command "clasp open" |
scriptId 로 직접 URL 생성 (→ 2-2 참조) |
| 7 | Gemini Pro 무료 쿼트 | 429 RESOURCE_EXHAUSTED |
Gemini 2.5 Flash 변경 (→ 1-4 참조) |

GAS × Gemini 로 RAG 챗봇을自作한 전 기록을 요약했습니다.

Dify 버전과 GAS 버전의 2 개의 RAG 챗봇을同日에 구축 및 테스트 완료 - GAS + TypeScript + clasp 개발환경 구축
Gemini Embedding (gemini-embedding-001) 으로 벡터화
Google Sheets 를 벡터 DB 로 사용
Gemini 2.5 Flash 로 LLM 답변 생성
Web App 으로 배포하고, 브라우저에서 챗 가능하게

1. RAG 의 전 과정을「손맛」으로 이해함 → Embedding, 벡터 검색, 컨텍스트 구축의 메커니즘
2. clasp 3.x 는 TypeScript 를 컴파일하지 않음...

정확도 개선 계획의 Level 1 (테스트 세트 제작 + 프롬프트 개선) 에서 시작 예정임.

• [【학습 기록 #5 전편】GAS × Gemini 로 RAG 챗봇을自作した ― 환경構築・つまずきポイント編](TODO: 전편 기타 URL 을 붙임)
• GAS + Gemini 로 만드는社内 RAG 챗봇 - Qiita（ogaryo 님）
• Google Apps Script 공식
• Gemini API 문서
• Gemini Embedding API
• clasp GitHub

다음회予告: [학습 기록 #6] 정밀도 개선 사이클 — 테스트 세트 제작과 프롬프트 최적화