RAG・AI Agentを支えるRetriverの基礎知識と実装まとめ

RAG・AI Agentを支えるRetriverの基礎知識と実装まとめ

はじめに 株式会社neoAIの研究開発組織 (neoAI Research) / 東京大学の竹本健悟です。 巷では昨年からRA...概要を表示 はじめに 株式会社neoAIの研究開発組織 (neoAI Research) / 東京大学の竹本健悟です。 巷では昨年からRAG（Retrieval Augmented Generation）、そして最近ではAI Agentが大いに注目を集め世間を騒がせていますね。 これらの技術を活用して、社内ドキュメントを外部知識としてLLMに提供するアプリケーションを構築する際、実運用に足る精度を出すためには質問に対して適切なドキュメントを高精度で取得することが最も重要なカギとなります。 今回はそんなRAG・AI Agentの中核を担うRetrieverについて、ベクトル検索やキーワード検索といった代表的な手法や評価指標まで基礎的な知識を網羅的に解説していきます。 オープンソースのベクトルDBであるQdrantを用いた日本語キーワード検索の実装方法や、AWS、Microsoft Azure、GCPとい

• AI
• あとで読む