関連動画
この記事は、「文書をベクトルデータベースに投入する」だけのRAGから一歩進み、品質を実際に左右する3つの調整項目、チャンク分割、リランキング、ハイブリッド検索を扱います。これらの動画では、各項目を実際に調整する様子を確認できます。最もおすすめの動画では、分割処理が具体的に何をしているのかを時間をかけて詳しく解説します。エージェント型RAGの構築動画では、3項目すべてを1つの実行可能なパイプライン内で調整します。
1:08:59Greg 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。
このセクションから得られるもの: 実際の検索システムを調整する前に、チャンク分割の選択肢を直感的に理解できます。
視聴または事前に知っておくべきもの: 埋め込みの基礎と、検索品質が文書の分割方法に左右される理由を理解していること。
AI Expertの注記: 特定のライブラリやデモは古くなる可能性がありますが、チャンク分割のトレードオフは変わりにくいものです。問題を診断するための用語をこの動画で学び、自分の文書とクエリを使ってチャンクサイズと分割処理をテストしてください。
24:01AI 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。
このセクションから得られるもの: クエリの書き換え、ハイブリッド検索、リランキング、修正ループを1つのRAGパイプラインに組み合わせる方法を確認できます。
視聴または事前に知っておくべきもの: 検索してから生成する基本パターンを理解し、コード解説を問題なく読めること。
AI Expertの注記: フレームワーク、モデル、Llama3固有の設定はバージョン依存として扱ってください。パイプラインの構造は活用できますが、実装をコピーする前に、現在のパッケージAPI、モデルの選択、リランカーの品質、評価結果を確認してください。
