Posted in人工知能
Qdrantによるハイブリッド検索：RAGが苦手なキーワードで「物忘れ」する問題を解決する秘策
RAGシステムが特定のキーワードを見落としていませんか？キーワード検索とベクトル検索の強みを融合させるQdrantのハイブリッド検索の実装方法を解説し、精度を劇的に向上させる手法を紹介します。
Posted in人工知能
LanceDB：ベクトルデータベースの「SQLite」 – AIアプリケーション向けの超軽量ストレージソリューション
LanceDBは、SQLiteのように動作するAI向けの超軽量な組み込み型ベクトルデータベースです。RAGアプリケーション向けのインストール方法とベクトル検索の最適化について解説します。
Posted inMySQL
MySQL 9.0とVECTOR：外部DB不要でAIアプリのEmbeddingを保存するソリューション
MySQL 9.0がVECTORデータ型を正式サポート。AIのEmbedding保存、コサイン類似度の計算、そしてMySQL内での効率的なセマンティック検索システムの構築方法を詳しく解説します。
Posted in人工知能
Flowise：ドラッグ＆ドロップUIでチャットボット・RAGパイプラインを構築する — コード不要
Flowiseはオープンソースのツールで、ドラッグ＆ドロップのインターフェースを使ってチャットボット、RAGパイプライン、AIワークフローをコードなしで構築できます。本記事では、Docker/npmを使ったインストール方法と、OllamaでのチャットボットおよびPDFドキュメントを読むRAGパイプラインの構築手順を実践的に解説します。
Posted in人工知能
Mem0でAIエージェントに「長期記憶」を：Pythonデベロッパーのための長期記憶ソリューション
AIがユーザーの好みをすぐに忘れてしまいませんか？Mem0をPythonに統合して長期記憶を構築し、AIエージェントをより賢く、パーソナライズする方法を解説します。
Posted in人工知能
LlamaIndex + Ollama: 完全オフラインで構築する社内文書Q&Aシステム
LlamaIndexとOllamaを組み合わせることで、PDF・Word・社内Webサイトのデータをクラウドへ一切送信せずに文書Q&Aシステムを構築できる。各アプローチの比較、オフラインソリューションが適したケースの分析、インストールから本番導入までのステップバイステップガイドを解説する。
Posted in人工知能
Haystack 2.0: Document Indexing・Hybrid Retrieval・スマートQ&Aで構築するドキュメント処理パイプライン
Haystack 2.0は有向グラフ形式のAIドキュメント処理パイプラインを構築できる。各コンポーネントが明示的に接続され、デバッグも拡張も容易だ。本記事では、ドキュメントのインデックス化、BM25とEmbeddingを組み合わせたHybrid Retrieval、Pythonを使った本番対応Q&Aパイプラインまでを実践的に解説する。
Posted in人工知能
DeepEvalを使ってLLMアプリのUnit Testingを自動化する方法
DeepEvalを使えば、AnswerRelevancy・Faithfulness・ハルシネーション検出などのメトリクスでLLMアプリのユニットテストをpytestと同じ感覚で書ける。5分でのインストールからCI/CDインテグレーションまで、デプロイ前にAI品質を自動管理する方法を解説する。
Posted inDatabase
MilvusベクターデータベースをDockerでセットアップ：RAGとAIのナレッジストアを構築する
Docker ComposeでMilvus Vector Databaseをセットアップし、コレクション作成・ベクターembedding保存・完全なRAGパイプライン構築を解説。インデックスタイプの選び方、Chunkingストラテジー、本番環境の最適化Tipsを現場経験から紹介。
Posted inDatabase
ChromaDBのインストールと使い方：AIエージェントの知識ストレージシステムを構築するためのオープンソースVector Database
ChromaDBはオープンソースのベクターデータベースで、意味的なデータの保存と検索を実現する — ローカルで動かせる軽量さと、RAGやAI Agentの基盤となる十分なパワーを兼ね備えている。本記事ではインストール、ドキュメントのインデックス化、セマンティック検索のクエリ、Dockerによるデプロイを実際の手順で解説する。