jpskill.com
✍️ ライティング コミュニティ

backend-fastapi

FastAPIで構築されたバックエンドのドキュメントを参照し、エンドポイントや依存性注入に関する情報を効率的に取得して、API開発をスムーズに進めるSkill。

📜 元の英語説明(参考)

Documentation for the FastAPI backend, endpoints, and dependency injection.

🇯🇵 日本人クリエイター向け解説

一言でいうと

FastAPIで構築されたバックエンドのドキュメントを参照し、エンドポイントや依存性注入に関する情報を効率的に取得して、API開発をスムーズに進めるSkill。

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux 
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o backend-fastapi.zip https://jpskill.com/download/16936.zip && unzip -o backend-fastapi.zip && rm backend-fastapi.zip
🪟 Windows (PowerShell) 
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/16936.zip -OutFile "$d\backend-fastapi.zip"; Expand-Archive "$d\backend-fastapi.zip" -DestinationPath $d -Force; ri "$d\backend-fastapi.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)
  1. 1. 下の青いボタンを押して backend-fastapi.zip をダウンロード
  2. 2. ZIPファイルをダブルクリックで解凍 → backend-fastapi フォルダができる
  3. 3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
  4. 4. Claude Code を再起動
⬇ .zip でダウンロード(推奨) ⬇ .skill 形式(上級者用) 元のソース ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-18
取得日時
2026-05-18
同梱ファイル
1

📖 Skill本文(日本語訳)

※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。

バックエンドアーキテクチャ (FastAPI)

概要

バックエンドは backend/ に配置された FastAPI アプリケーションです。チャットボットと RAG 機能を強化します。

エントリーポイント

  • ファイル: backend/main.py
  • 実行: uvicorn backend.main:app --reload (または npm run dev 経由)
  • ポート: デフォルトは 8000 です。

エンドポイント

POST /api/chat

  • 目的: メインの RAG チャットエンドポイントです。
  • 入力: ChatRequest (query, history, user_context)。
  • 処理:
    1. クエリを埋め込みます。
    2. Qdrant を検索します (search_qdrant)。
    3. プロンプトを構築します (build_rag_prompt)。
    4. Agent の応答を生成します。
  • 出力: ChatResponse (answer, contexts)。

POST /api/ask-selection

  • 目的: 選択されたテキストに対するターゲットを絞った Q&A。
  • 入力: AskSelectionRequest (question, selected_text)。
  • 処理:
    1. 選択されたテキストの長さを検証します。
    2. 選択に特化したプロンプトを構築します。
    3. 特定の Agent の指示。

依存関係とユーティリティ

  • backend/utils/config.py: Qdrant の初期化。
  • backend/utils/helpers.py: 埋め込みとプロンプト構築ロジック。
  • backend/models.py: OpenAI/Gemini クライアントのセットアップ。

環境変数

  • GEMINI_API_KEY: LLM と埋め込み用。
  • QDRANT_URL, QDRANT_API_KEY: ベクトル DB 接続。
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開

Backend Architecture (FastAPI)

Overview

The backend is a FastAPI application located in backend/. It powers the chatbot and RAG functionality.

Entry Point

  • File: backend/main.py
  • Run: uvicorn backend.main:app --reload (or via npm run dev)
  • Port: Defaults to 8000.

Endpoints

POST /api/chat

  • Purpose: Main RAG chat endpoint.
  • Input: ChatRequest (query, history, user_context).
  • Process:
    1. Embed query.
    2. Search Qdrant (search_qdrant).
    3. Build prompt (build_rag_prompt).
    4. Generate Agent response.
  • Output: ChatResponse (answer, contexts).

POST /api/ask-selection

  • Purpose: Targeted Q&A on selected text.
  • Input: AskSelectionRequest (question, selected_text).
  • Process:
    1. Validates selection length.
    2. Builds selection-specific prompt.
    3. specific Agent instructions.

Dependencies & Utils

  • backend/utils/config.py: Qdrant initialization.
  • backend/utils/helpers.py: Embedding and Prompt building logic.
  • backend/models.py: OpenAI/Gemini client setup.

Environment Variables

  • GEMINI_API_KEY: For LLM and Embeddings.
  • QDRANT_URL, QDRANT_API_KEY: Vector DB connection.