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。
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。