RAGと知識システム
個人向けRAG、本番環境の検索、チャンク分割、権限、取り込み、情報源の境界。
13件のコンテンツ (記事7件 · 動画6件)
ここから開始
一覧を見る前に、まずおすすめのコンテンツをいくつかご覧ください。
このトピックの他の記事
9 分の読書溜め込まず、必要なときに取り出せる個人ナレッジシステム
明確な用途、取り出しテスト、見直し日、削除ルールに加え、機微なメモ、他人のデータ、プロバイダーが管理するアカウントへの注意点を備えた、範囲を限定した記録・取り出しシステムです。
中級者
20 分RAGの権限とアクセス制御:詳細チュートリアル
Paragon. 本番RAGの権限問題を順を追って説明し、ツール呼び出し、名前空間、ACLテーブル、関係ベースの権限を比較します。これは、検索で返してよいのは現在のユーザーに閲覧権限がある情報源だけであり、情報源となるシステムの権限を後付けにしてはならない、という記事の中核原則を直接支えます。
上級者
7 分DoclingでRAGとAIエージェントを高度化する
IBM Technology. RAGとエージェントの取り込み側、すなわちPDFなどのファイルを準備し、文書構造、表、レイアウトを後続の検索処理まで維持する方法を説明します。複雑な業務文書を解析する場合は特に、RAGの品質と安全性は埋め込み処理より前に決まるという記事の警告を裏付けます。
上級者
11 分の読書RAG向け文書を安全に取り込む:PDF、OCR、メタデータ、保持
RAGの品質は検索の前から始まります。PDF、OCR、メタデータ、権限、情報源の鮮度、削除、マルウェアリスク、運用上の所有を扱う、安全な取り込みの手引きです。
上級者
11 分の読書AIカスタマーサポートエージェントの設計:選別、ナレッジ、アクション、エスカレーション
サポートの選別、検索、回答案、制御されたアクション、人へのエスカレーションを、キューで評価するための参照設計です。安全な試行に必要なポリシーと測定の境界も示します。
中級者
11 分の読書n8nで初めてのAIエージェントを構築する:リード振り分けの全工程
公式ドキュメントに基づくn8nのリード振り分け設計です。入力を検証し、エージェントのツールを制限し、構造化出力を検証して、提案を原子的に保存します。顧客に影響する操作は、すべて承認後に限ります。
中級者
12 分の読書プロンプティング、RAG、ファインチューニングの選び方(および組み合わせるべき場面)
プロンプティング、RAG、ファインチューニングは、LLMを課題に適応させるための3つの大きな手段です。それぞれに適した課題と適さない課題があります。選択のためのフレームワーク、各手法の現実的なコスト、そして組み合わせることで効果を発揮する本番パターンを解説します。
上級者
11 分2024年版NotebookLMの使い方(初心者向けチュートリアル)
TheAIGRID. 収録時の画面で、複数形式の情報源のアップロード、単一情報源への絞り込み、ブリーフィング文書、Audio Overviewを紹介する、以前の機能中心のツアーです。ワークフロー要素を把握するには有用ですが、現在のGemini Notebookの画面や機能提供を確認する資料にはなりません。
中級者
26 分NotebookLMの使い方(GoogleのAI「理解支援ツール」)
Tiago Forte. 『Building a Second Brain』の著者Tiago Forteが、当時NotebookLMと呼ばれていた製品をノート、PDF、切り抜きで実演します。有用なパターンは、対象を限定した情報源群の選択、文書への質問、リンクされた箇所の確認、生成物を既存の知識ワークフローにどう組み込むかの判断です。
中級者
9 分RAGとファインチューニングの比較
IBM Technology. チームが最も混同しやすい2つの手法に、より焦点を絞っています。データの鮮度、出典の帰属、ファインチューニングによる推論時の速度向上を詳しく説明します。不要なファインチューニングのプロジェクトに反対する根拠を示したい場合に、視聴する価値があります。
上級者
13 分RAG・ファインチューニング・プロンプト技術:AIモデルを最適化する
IBM Technology. 3つの手法と、それぞれのコストをホワイトボードで明快に説明します。検索のレイテンシー、学習の計算コストと破滅的忘却、プロンプトだけによる解決策の限界に加え、本番環境で実際に有効な組み合わせを扱います。最後に紹介される3つすべてを使用した法務AIシステムの例は、記事の「組み合わせるタイミング」という主張とほぼ完全に一致します。
上級者
