パターンを読み込んでいます…
⚡
高度な RAG(ARAG)
検索前および検索後の最適化を加えて強化した RAG。クエリ拡張、リランキング、コンテキストのキュレーションなどを含む
複雑さ: medium知識検索（RAG）
30秒でわかる概要
- 概要
- クエリ拡張、スパースとデンスのハイブリッド検索、クロスエンコーダによるリランキング、そして厳選したコンテキストの組み立てを経て、文書をモデルに渡します。
- 使いどころ
- 検索品質が回答の正確さに直結する知識集約型のタスク、とくに大規模またはノイズの多い文書コレクションを扱う場合に適しています。
- 注意点
- 複数回の検索とリランキング段階でレイテンシが積み重なり、リアルタイム用途では応答時間が許容できなくなることがあります。
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。
高度な RAG: 概要
検索前および検索後の最適化を加えて強化した RAG。クエリ拡張、リランキング、コンテキストのキュレーションなどを含む
- Pre-retrieval optimization
- Query expansion techniques
- Post-retrieval processing
- Context curation
- Document reranking
- Quality assessment
- Hybrid sparse-dense fusion with reciprocal rank fusion (RRF)
- Late-interaction retrieval (ColBERT-style) and cross-encoder reranking
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。
- Retrieval-Augmented Generation for Large Language Models: A Survey (Gao et al., 2023)arXiv:2312.10997
- Seven Failure Points When Engineering a Retrieval Augmented Generation System (Barnett et al., 2024)arXiv:2401.05856
- RAG vs Fine-tuning: Pipelines, Tradeoffs, and a Case Study (Ovadia et al., 2023)arXiv:2401.08406
- A Comprehensive Survey of RAG: Evolution and Future Directions (Gupta et al., 2024)arXiv:2410.12837
- Precise Zero-Shot Dense Retrieval without Relevance LabelsarXiv:2212.10496
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