パターンを読み込んでいます…
🔧
修正型 RAG（CRAG）
品質評価と再検索を通じて、質の低い検索結果を自動的に検出・修正する RAG システム
複雑さ: high知識検索（RAG）
30秒でわかる概要
- 概要
- ドキュメントを取得し、関連度を採点し、品質がしきい値を下回った場合は絞り込んだクエリで取得をやり直します。
- 使いどころ
- 検索が中心となるタスクで、最初の結果が不完全だったり古かったりすることが多く、追加の API 呼び出しを許容できる場合。
- 注意点
- 品質のしきい値を高くしすぎると再取得のループが終わらなくなり、低くしすぎると仕組みの意味がなくなって計算資源を無駄にします。
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。
修正型 RAG（CRAG）: 概要
品質評価と再検索を通じて、質の低い検索結果を自動的に検出・修正する RAG システム
- Retrieval quality assessment
- Automatic error detection
- Corrective re-retrieval
- Query refinement strategies
- Knowledge source expansion
- Quality-based filtering
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。
- Corrective Retrieval Augmented Generation (Yan et al., 2024)arXiv:2401.15884
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection (Asai et al., 2023)arXiv:2310.11511
- Active Retrieval Augmented Generation (Jiang et al., 2023)arXiv:2305.06983
- Searching for Best Practices in Retrieval-Augmented Generation (Barnett et al., 2024)arXiv:2407.01219
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