2025年11月19日

ライフサイエンス企業検索・リサーチBot　Part3　質疑応答機能の実装

目次（STEP2：スレッド対応編）

1. 導入

前回の記事では、Slack上で「@bot 企業名」とメンションするだけで、自動的に企業情報を収集・要約し、スレッドにレポートを返すワークフローを紹介しました。

今回はその発展編として、スレッド上での質問応答が可能な機能を追加します。

これにより、同一スレッド内で追加の質問や深掘り分析ができ、チーム内の議論をよりインタラクティブに進めることができます。

通常、Slackボットは単発のメッセージに反応する構成が多く、文脈をまたいだ応答が難しいという課題がありました。

しかし、n8nとSlack APIを組み合わせることで、スレッド構造を検知し、親メッセージ（ルートメッセージ）を参照した上で、文脈を保持した回答を生成することが可能になります。

この仕組みにより、Slack上で「企業調査→補足質問→AIによる再分析」といった流れを1つのスレッド内で完結できます。

ワークフローの基本的な流れは以下の通りです：

スレッド情報を取得するため、Slack Appに以下のBot Token Scopesを追加する必要があります：

•	channels:history
•	groups:history
•	im:history
•	mpim:history

これにより、ボットがスレッドの履歴データを取得し、前後文脈を参照可能になります。
権限を変更した場合は、再インストール（Reinstall the App）を忘れずに行います

Slack Triggerノードの直後にIFノードを追加します。

判定条件は以下の通りです：

条件：thread_ts が存在するか
- 存在しない → 新規企業検索（STEP1ワークフローへ）
- 存在する → スレッド返信（STEP2ワークフローへ）

この分岐によって、n8nがスレッド内返信か新規検索かを自動で判断できます。

リプライ時の分岐では、Slack APIノード「Get a thread of messages posted to a channel」を使用します。

設定項目：

•	Channel：トリガーから受け取ったチャンネルID
•	Thread_TS：スレッドの親メッセージID
•	Limit：1（親スレッドのみ取得する場合）

これにより、ルートメッセージを取得してLLMに読み込ませることができます。

次に、OpenAIノードを追加し、以下のプロンプト構成を設定します：

•	system: 企業アナリストとしての役割を指定
•	instruction: ルートメッセージとスレッド全体を参照し、質問に応じた補足説明を生成
•	input: Slackスレッドの本文
•	output: Markdown形式の回答

こうすることで、単発回答ではなく「前回のレポート＋質問内容」を踏まえた整合的な回答を出力できます。

最後に、Mergeノードで両分岐（新規検索／スレッド返信）を統合し、Slack Messageノードでスレッドに返信します。

設定ポイント：

•	Send Message To: チャンネルID
•	Message Text: OpenAIノードの出力
•	Reply to a Message: メッセージID（ts）

これで、新規検索でもスレッド返信でも安定した出力が可能になります。
リンクエラーを避けるため、フィールド指定は手動入力が推奨です。

Slack上での実行イメージ：

•	新規メンション → 企業情報レポートを自動返信
•	スレッド内質問 → 前回レポートを参照し、AIが文脈に沿って回答

この結果、Slack上での「リサーチBotとしての継続的対話」が実現します。
ユーザーは、複数回の検索やブラウザ操作を行わずに、チャット内で知見を深めることができます。

今回紹介したスレッド対応機能により、Slack連携ボットが「一問一答型」から「文脈理解型」に進化しました。

次回は、STEP3としてRAG（Retrieval-Augmented Generation）を導入し、企業情報のデータベースを活用した高度な再検索・補足分析を実現します。