AIエンジニアリング・アカデミー：2.18Vision RAG ビジョン機能

クロード・コードは、これまでで最も楽しいAIエージェントのワークフローのひとつだ。指示されたコードの編集や即興ツールの開発を煩わしくなくするだけでなく、それを使う経験自体が楽しい。クロード・コードには、興味深いタスクをこなすのに十分な自律性がある。

検索強化生成（RAG）に基づく知識ベースアプリケーションを構築する際、文書の前処理とスライシング（チャンキング）は、最終的な検索結果を決定する重要なステップである。オープンソースのRAGエンジンであるRAGFlowは様々なスライシング戦略を提供しているが、その公式ドキュメントには手法の詳細や具体的なケースに関する明確な説明がないため、...

RAG（Retrieval Augmented Generation：検索拡張世代）システムを構築する際、開発者はしばしば次のような不可解なシナリオに遭遇する。 あいまいなスキャンに直面したとき、モデルが確信を持って完全に正しくないコンテンツを与えてしまう。 数式中の和記号 "Σ "が誤って...

まずは簡単なタスクから始めよう。 ユーザーが、"ねぇ、明日ちょっと同期してみない？"と言ったとする。 プロンプト・エンジニアリングだけに頼るAIなら、"はい、明日で結構です。何時に予約しますか？" と答えるかもしれない。 しかし、この返答は...

概要 大規模言語モデル（LLM）の出現により、生成モデルを使用して情報を収集し、要約してユーザーのクエリに回答する検索エンジンの新しいパラダイムが開かれた。我々は、この新たな技術を、正確でパーソナライズされた回答を生成するGenerative Engines (GEs)のフレームワークの下に統合する。

Manusプロジェクトの初期、チームは重大な決断に迫られた。オープンソースのモデルをベースにエンド・ツー・エンドのエージェントモデルをトレーニングすべきか、それとも最先端モデルの強力な「コンテキスト学習」機能を活用してエージェントを構築すべきか。 10年前にさかのぼれば、開発者には自然言語処理における選択肢すらなかった。...

RAGやAIエージェントのようなAIシステムを構築する場合、検索品質はシステムの上限を決定する鍵となる。開発者は通常、キーワード検索とセマンティック検索の2つの主要な検索技術に頼っている。 キーワード検索（例：BM25）：高速で完全一致が得意。しかし、一度ユーザーの質問の文言...

会話の内容をいつも忘れてしまい、毎回最初から話し始めなければならない友人とのコミュニケーションは、間違いなく非効率的で疲れるものだ。しかし、現在のほとんどのAIシステムでは、まさにこれが普通なのだ。それらは強力だが、一般的に記憶という重要な要素が欠けている。 真に学習し、進化し、協力できるシステムを構築するためには...