Posted in人工知能
UbuntuにAnythingLLMをインストールする：セキュアなローカルAIナレッジベースを自律構築
Ubuntu上のAnythingLLMで安全な社内RAGシステムを構築。Dockerによるインストール手順、Ollamaとの連携、そしてデータの絶対的なセキュリティを確保するローカルAIナレッジベースの最適化ガイド。
Posted in人工知能
Docling：RAGシステムの「PDFの呪い」を解く — データのゴミから高品質なMarkdownへ
複雑なPDFの処理は、RAG構築において常に最大の難所です。IBMのDoclingがAIを用いてレイアウトを解析し、PDFを正確なMarkdownへ変換する方法を解説します。LLMがデータを深く理解し、よりスマートに回答できるようになります。
Posted in人工知能
Crawl4AI：わずか数行のPythonコードでウェブサイトをRAG向けの「クリーンな」Markdownに変換
RAG構築時の「汚い」ウェブデータへの悩みを解消。Crawl4AIを使用してウェブサイトを標準化されたMarkdownに変換する詳細な手順を解説し、AIシステムの効率を70%向上させます。
Posted inDatabase
pgvectorの使い方ガイド：PostgreSQLでベクトル埋め込みを保存・検索してAIとRAGパイプラインに活用する
pgvectorはPostgreSQLの拡張機能で、既存のデータベースにベクトル埋め込みをそのまま保存・検索できます——別システムのデプロイが不要です。インストール、HNSWインデックスの作成、セマンティック検索、PythonによるRAGパイプラインへの統合方法を、実運用から得たモニタリングのヒントとともに解説します。
Posted in人工知能
RAGASによるRAG評価：「直感」からFaithfulness、Answer Relevance、Context Precisionの指標評価へ
AIチャチャットボットを「なんとなく」で評価するのはやめましょう。RAGASを使用して、Faithfulness、Answer Relevance、Context Precisionを正確に測定する方法を学びます。
Posted in人工知能
Unstructured.ioによるRAG向けPDF/Officeデータのクレンジング：「ゴミ」を「宝」に変える方法
Unstructured.ioを使用して、PDFやOfficeドキュメントからRAG用データを抽出する方法を解説します。表の処理やインテリジェントなテキストクレンジングにより、回答精度を35%向上させます。
Posted in人工知能
Difyを使ったノーコードAIワークフロー構築ガイド：作業プロセスの最適化
Difyを使えば、チャットボットから要約ツールまで、コード不要で強力なAIアプリケーションを構築できます。このガイドでは、さまざまなアプローチを比較し、長所と短所を分析しながら、すぐに始めるための詳細な手順を提供します。
Posted in人工知能
RAGFlowでRAGシステムを構築する：インストールから効果的な本番環境デプロイまで
RAG（Retrieval-Augmented Generation）システムは、外部データソースから情報を検索することでLLMの回答精度を向上させます。RAGFlowは、RAGの効果的な構築、管理、デプロイを支援するプラットフォームです。本記事では、RAGFlowのインストール、RAGアプリケーションの作成、データとLLMの設定、APIデプロイ、および本番環境への最適化について解説します。
Posted in人工知能
Qdrantのインストールと使用方法：AIおよびRAGアプリケーションのための強力なベクターデータベースの実践ガイド
AIおよびRAGアプリケーションを効果的に構築するための強力なベクターデータベースであるQdrantのインストールと使用方法を詳細に解説した記事です。6ヶ月以上の本番環境でのQdrantデプロイ経験を共有し、長所と短所を分析し、すぐに始められるPythonコードサンプルを提供します。
Posted in人工知能
LangChainとPythonでRAGアプリを構築する：失敗から本番環境まで
LangChainとPythonを使った社内ドキュメント検索チャットボットのためのRAGシステム構築6ヶ月の実体験。ハルシネーション、コンテキストウィンドウの問題から、本番環境で実際に動作するソリューションまで、完全なコードサンプルとともに解説します。