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。
23件のコンテンツ (記事11件 · 動画12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。
10 分の読書パーソナルRAGを構築する：自分の文書と対話する（コード不要）
コードを書かずに、1時間以内で自分専用の文書ベースのチャットを構築します。2026年に使う価値のある3つのノーコード選択肢、そのトレードオフ、そして便利なRAGと使いづらいRAGを分ける設計パターンを解説します。
中級者
12 分の読書本番環境向けRAGの構築：取り込み、埋め込み、検索、再ランキング、評価
本番環境向けRAGパイプラインは6つの段階で構成され、各段階の具体的なパターンが品質を左右します。アーキテクチャ、各段階での選択、そして機能するRAGと期待外れのRAGを分ける反復的な評価の規律を解説します。
上級者
10 分の読書社内ナレッジRAG：権限、漏えい、情報源の境界
社内ナレッジアシスタントの安全性は、検索が権限を尊重する場合にのみ確保されます。RAGの情報源の境界、ACLフィルタリング、文書のオーナーシップ、ログ記録、古い情報源の処理、回答拒否の挙動を設計する方法を説明します。
上級者このトピックの他の記事
9 分の読書A personal knowledge system that helps you retrieve, not hoard
Highlights, clippings, and AI summaries pile up without making you smarter. A small capture-to-retrieval system built around three real decisions — plus what to do about sensitive notes, other people's data, and the false privacy of a personal account.
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のための安全な文書取り込み：PDF、OCR、メタデータ、保持
RAGの品質は検索前に決まります。PDF、OCR、メタデータ、権限、情報源の鮮度、削除、マルウェアのリスク、運用上の責任者を扱う、安全な取り込みのためのガイドです。
上級者
11 分の読書チケットの70%を解決するAIカスタマーサポートエージェント
一般的な問い合わせを解決し、難しいものはエスカレーションし、Hacker Newsで話題になるような失敗を避ける、現実的なAIカスタマーサポートエージェントの設計です。アーキテクチャ、プロンプト、ガードレールを解説します。
中級者
11 分の読書チャンク分割、リランキング、ハイブリッド検索：RAGを実用レベルにする
多くのRAG実装がうまく機能しない原因は、3つの点を誤っていることです。検索エンジニアにならなくても実践できる、文書のチャンク分割、結果のリランキング、キーワード検索とセマンティック検索の組み合わせ方を解説します。
中級者
12 分の読書コンテキストエンジニアリング：コンテキスト劣化を避けて100万トークンのウィンドウを管理する
100万トークンのコンテキストウィンドウは実現していますが、品質は上限に達するはるか前から低下します。コンテキストエンジニアリングとは、何を含め、何を要約し、何を新たに検索するかを決め、コンテキストが増えても高い品質を維持するパターンを適用することで、コンテキストウィンドウを効果的に使うための規律です。
上級者
11 分の読書n8nで初めてのAIエージェントを構築：リード選別ワークフローを最初から最後まで
新規リードを選別し、情報を補完し、スコアを付けて振り分ける、実用的なAIエージェントをn8nで構築する全手順です。すべてのノード、プロンプト、注意点を解説します。
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
12 分の読書チャンクを超えるRAG：グラフRAG、エージェント型RAG、ロングコンテキストRAG
従来のチャンクベースRAGには限界があります。グラフRAG、エージェント型RAG、ロングコンテキストRAGは、それぞれ異なる方法でその限界を打ち破ります。各手法が適する状況、実際の仕組み、本番環境で重要なトレードオフを解説します。
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. PDF、YouTubeの文字起こし、ブログ記事など、異なる形式の情報源のアップロード、ブリーフィング文書の生成、単一の情報源に絞ったチャット、音声概要ポッドキャストといった機能を短時間で一通り紹介します。長い解説に時間をかける前に、機能の全体像を素早く把握したい場合に適しています。
中級者
26 分NotebookLMの使い方（GoogleのAI「理解支援ツール」）
Tiago Forte. Tiagoは『Building a Second Brain』の著者であり、NotebookLMを記事の説明どおり、自分のノート、PDF、切り抜きを対象とするパーソナルRAGとして扱っています。引用に基づくチャット、ツールの限界、ReadwiseやObsidianのワークフローとの組み合わせ方を紹介しており、記事の読者の多くが目指す自然な到達点を確認できます。
中級者
69 分検索のためのテキスト分割：5つのレベル
Greg Kamradt. 記事ではチャンク分割を詳しく扱っています。この動画は、文字単位の再帰的分割から、文書構造を考慮した分割、セマンティック分割、エージェント型分割まで、それぞれの戦略が実際に何をしているのかを最も長く丁寧に説明しています。調整を始める前に、Gregが無料で提供するChunkVizツールと組み合わせて、直感的な理解を深めてください。
中級者
24 分手元の知識でLlama 3の性能を10倍に：ローカル・エージェント型RAG
AI Jason. 記事で推奨しているクエリ変換、ハイブリッド検索、リランキング、修正型RAGのループという構成を、1つの実行可能な実装で扱います。「チャンク化 → リランキング → 回答」のパイプラインが適切に機能するとどのようになるのか、実践的なメンタルモデルを得られます。
中級者
17 分本番環境のRAGエージェントから得た10の教訓－RAG考案者Douwe Kiela
AI Engineer. Douwe KielaはFAIRでRAG原論文を率い、現在は規制対象の企業へRAGを提供しています。講演の中心は、大規模化すると機能しなくなる要素です。100k文書では通用しないチャンキング戦略、「精度は最低条件であり、真の問題は不正確さである」という考え方、埋め込みモデルよりも帰属情報と可観測性が重要な理由を説明します。記事の評価と監視に関する節を読み直す前に、判断基準を整えるために役立ちます。
上級者
19 分本番対応RAGアプリケーションの構築：Jerry Liu
AI Engineer. LlamaIndexのCEOが、「素朴なRAGデモ」と実際のパイプラインの隔たりを説明します。small-to-big検索、サブクエリのルーティング、ハイブリッド検索、評価を扱います。スライドの構成は記事のパイプラインに関する各節とほぼ直接対応しています。先に動画を見て、その図を思い浮かべながら記事を読み直してください。
上級者
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
39 分RAG 2.0入門：エージェント型RAGとナレッジグラフ（無料テンプレート）
Cole Medin. エージェント型RAGとナレッジグラフを組み合わせた実際に動く実装です。エージェントがベクトル検索を行うタイミング、Neo4jへ問い合わせるタイミング、その両方を行うタイミングを判断します。記事で説明する「検索プランナーとしてのエージェント」パターンを、実際にダウンロードして実行できるコードで示す、YouTube上で最も明快なデモです。
上級者
16 分Graph RAG：ナレッジグラフでRAGを改善する
Prompt Engineering. MicrosoftのGraphRAGに焦点を絞った解説です。エンティティ抽出、コミュニティ要約、クエリ指向の要約を扱い、コストに関する注意事項とともにローカルマシンへセットアップします。特に記事のグラフRAGに関する節のために視聴してください。多くの解説で省略されているコストの議論が重要です。
上級者