検索拡張生成（RAG）
ナレッジベースから関連文書を検索してモデルに渡し、あなたのデータに基づいて回答させる手法。
典型的な流れ：文書をチャンクに分割してベクトルDBに埋め込み、質問に近いチャンクを検索して LLM にコンテキストとして渡す。ハルシネーションを減らし、再学習なしで回答を最新に保てる。
関連リソース
LlamaIndex フレームワークチュートリアル
LLM をカスタムデータソースに接続する RAG アプリケーション構築に特化したフレームワーク LlamaIndex の実践チュートリアル。データ取り込みパイプライン、インデックス戦略、クエリエンジン、エージェントベースの検索をカバーし、PDF・Web・データベースコネクタの実例を提供。自社ドキュメントに根ざしたドメイン特化型 AI アシスタントを構築したい開発者向け。
Haystack RAG フレームワーク
Haystack は deepset のオープンソースフレームワークで、本番対応の LLM アプリケーション構築に特化し、RAG と質問応答パイプラインを得意とする。ドキュメント処理、エンベディング、検索のモジュラーコンポーネントを提供し、OpenAI や Hugging Face のモデルと容易に連携できる。
Qdrant ベクトルデータベース
Qdrant は本番環境向けに設計された高性能オープンソースのベクトルデータベース・類似度検索エンジン。Rust で書かれ、豊富なペイロードフィルタリング、マルチテナンシー、セルフホストとマネージドクラウドの両デプロイに対応し、RAG パイプライン、推薦システム、セマンティック検索を支える。