パターンを読み込んでいます…
🎯
コンテキスト選択パターン(CSEL)
RAG、セマンティック検索、インテリジェントなコンテキストキュレーションによる、関連コンテキストの動的な取得と組み立て
複雑さ: highコンテキスト管理
30秒でわかる概要
- 概要
- セマンティック検索と RAG を用いて複数のソースから関連コンテキストを動的に取得して順位付けし、タスクごとに上位の結果を組み立てます。
- 使いどころ
- 全体のコンテキストがトークン上限を超え、関連性がタスクの種類によって変わる大規模なナレッジベース。
- 注意点
- 取得したコンテキストは、その分野特有の機微を取りこぼしたり、互いに矛盾したりすることがあるため、エージェントが動く前に検証が必要です。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
コンテキスト選択パターン: 概要
RAG、セマンティック検索、インテリジェントなコンテキストキュレーションによる、関連コンテキストの動的な取得と組み立て
- Dynamic context assembly based on task requirements
- Semantic similarity-based context retrieval
- RAG integration for enterprise knowledge bases
- Intelligent context prioritization and ranking
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Dense Passage Retrieval for Open-Domain Question Answering (Karpukhin et al., 2020)arXiv:2004.04906
- ColBERT: Efficient and Effective Passage Search (Khattab & Zaharia, 2020)arXiv:2004.12832
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- Learning Dense Representations for Entity Retrieval (Yamada et al., 2019)arXiv:1909.10506
- Pinecone Vector Database - Semantic Search
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで