RAG 最新ニュース・活用記事

【Vol.13】NotebookLM実践編｜資料を読ませて要約⇒理解する

NotebookLMを使って資料を読み込ませ、要約から理解までを行う実践的な手順を解説。資料のアップロード方法や、生成された要約を活用して内容を深く理解するプロセスが具体的に示されている。AIによる文書要約の実務活用に役立つ。

zenn · 2026-07-08

NotebookLM プロンプト RAG

"解体してみないと分からない、を契約前に少しだけ減らす ── 過去の似た物件だけから、伝えるべきことを取り出す道具"

物件の内見前に、過去の類似物件データから伝えるべき情報を抽出する手法を提案。解体しないと分からないリスクを契約前に減らすための実用的な道具として、データ活用の具体策が示されている。不動産取引における情報非対称性の解消に役立つ。

zenn · 2026-07-08

AI自動化 RAG

自律型AI-Agent 「業界特化」（Gov・自治体、SaaS、EC）& RAG　をスクラッチで作りました。

特定の業界（Gov・自治体、SaaS、EC）に特化した自律型AIエージェントとRAGシステムをスクラッチで構築する方法が得られる。具体的には、業界ごとのデータ構造や業務フローに合わせたエージェント設計と、RAGの実装におけるドメイン知識の組み込み方が判断材料となる。

zenn · 2026-07-08

AIエージェント AIコーディング RAG

AWSでRAGシステムを構築する（前編）— 全体設計とIngestionパイプライン

AWS上でRAGシステムを構築するための全体設計とデータ取り込みパイプラインの実装手順が得られる。具体的には、アーキテクチャの各コンポーネントの役割分担と、Ingestionフェーズでのデータ加工・ベクトル化の流れを把握できる。

zenn · 2026-07-07

AIコーディング RAG

AI時代の「会社のOS」をつくる〜Open Knowledge Format（OKF）とRAGで組織知を配れる形にする〜

Open Knowledge Format（OKF）とRAGを組み合わせて、組織の知識を配布可能な形にする「会社のOS」の構築方法がわかる。社内知見を検索可能な形で共有する仕組みを設計できる。

zenn · 2026-07-06

RAG AIスキル

【ハンズオン】AgentCore最新機能でRAG & AIエージェント構築に入門！

AgentCoreの最新機能を使ってRAGとAIエージェントを構築する手順をハンズオン形式で学べる。具体的には、エージェントの設定方法やRAGパイプラインとの連携手順が実践的に理解できる。

qiita · 2026-07-06

AIエージェント RAG

介護士がAIエンジニアを目指して、完全ローカルで動くRAGを作ってみた

完全ローカル環境でRAG（検索拡張生成）システムを構築する手順が得られる。介護士からAIエンジニアへのキャリアチェンジの過程で、ローカルLLMとベクトルデータベースを組み合わせたRAGを実装している。外部APIに依存しないため、コストを抑えつつプライバシーを保護できる点が実用的。

zenn · 2026-07-05

ローカルLLM RAG AIスキル

S3 Annotation を使って S3 Files によるエージェンティックサーチ基盤を改良する

S3 Filesを使ったエージェンティックサーチ基盤を、S3 Annotation機能で改良する方法が分かる。ファイルにメタデータや注釈を付与することで、検索精度やエージェントの判断品質を向上させている。具体的なAnnotationの設定方法や、検索結果への影響が実用的な知見として得られる。

zenn · 2026-07-05

AIエージェント RAG

AIに外部脳を持たせて1ヶ月運用した全記録

AIに外部脳（ナレッジベース）を持たせて1ヶ月運用した全記録から、継続的な知識管理の実践方法が得られる。具体的には、情報の取り込みルール、検索クエリの設計、および定期的なメンテナンス手順が、長期運用の安定性に寄与する。

zenn · 2026-07-05

AI自動化 RAG

# RAGパイプラインにおける時系列汚染: コンテキスト注入ドリフトのメカニズムと対策

RAGパイプラインで時系列データが汚染されるメカニズムとその対策が理解できる。コンテキスト注入ドリフトと呼ばれる現象の仕組みを把握し、データのタイムスタンプ管理や検索時のフィルタリング設定といった具体的な対策を実装に活かせる。

zenn · 2026-07-04

RAG AIスキル

AIにGitHubリポジトリを認識させるなら「階層構造＋index.md」と「Obsidian形式」どっちが速くて安くて正確か

AIにGitHubリポジトリを認識させる方法として、「階層構造＋index.md」と「Obsidian形式」のどちらが高速で低コストかつ正確かを比較した検証結果が得られる。具体的には、両方式の処理速度、APIコスト、認識精度の違いと、リポジトリ規模に応じた最適な選択基準が理解できる。

zenn · 2026-07-03

AIコーディング AIコスト削減 RAG

AIを乗り換えても記憶を引き継ぐには？モデル移行で文脈を失わない設計

AIモデルを乗り換えても会話の文脈や記憶を引き継ぐための設計方法が得られる。モデル移行時に文脈を失わないための具体的なデータ構造や連携方法、注意点を実装レベルで理解できる。

zenn · 2026-07-02

RAG AIスキル

ベクトルDBの再インデックス地獄を回避！TypeScriptで実現する「ゼロダウンタイム・モデル移行」

ベクトルDBの再インデックス処理に伴うダウンタイムを回避する、TypeScriptによるゼロダウンタイム・モデル移行の実装手法が得られる。具体的なコードやアーキテクチャパターンを学び、サービスを停止せずにモデルを切り替えるための手順を理解できる。

zenn · 2026-07-02

AIコーディング RAG

ナレッジ基盤の上に「対話でコンポーネントページを生成する」MVP の話（３）（済）

ナレッジ基盤を構築し、その上で対話形式によりコンポーネントページを自動生成するMVPの実装知見が得られる。具体的には、ナレッジと対話生成を組み合わせるアーキテクチャの設計判断と、MVP段階でどの機能を優先したかの取舍選択が参考になる。シリーズ3回目で完了した記事のため、全体像を把握できる。

zenn · 2026-07-01

AIエージェント RAG

国会会議録をRAGライクに検索する「国会GPT」を作ってみた話

国会会議録をRAGライクに検索できるシステムの構築方法が分かる。全文検索とベクトル検索を組み合わせた検索手法や、議事録データの前処理・チャンク分割の具体的な手順を参考にできる。

zenn · 2026-07-01

RAG AIスキル

46リポジトリに跨るコンテキストを、AIがセマンティックに検索できるようにした話（後編）

46リポジトリに跨るコンテキストを、AIがセマンティックに検索できるようにした仕組みの後編を解説する。大規模なコードベース全体を横断検索するためのインデックス設計やクエリ手法の具体例が得られる。

zenn · 2026-06-30

AIコーディング RAG

AIエージェント向けナレッジベース「ContextMixer」を作って、運用してわかったこと

AIエージェント向けナレッジベースの構築・運用ノウハウが得られる。運用時のデータ更新頻度や検索精度の維持方法、実際に使ってわかった注意点が具体的に書かれている。

zenn · 2026-06-29

AIエージェント RAG

GitHub - hirokawaguchi/open-genai: デジタル庁のガバメントAI「源内(GENAI)」を完全ローカル(ローカルLLM/OpenAI互換)で動かす非公式プロジェクト。SAML認証(Keycloak)・RAG(Qdrant)・文字起こし(Whisper)・画像生成(SD)・チーム単位ナレッジをローカル完結。

デジタル庁のガバメントAI「源内(GENAI)」を、ローカルLLMやOpenAI互換環境で完全ローカル動作させる非公式プロジェクトの概要が得られる。SAML認証(Keycloak)、RAG(Qdrant)、文字起こし(Whisper)、画像生成(Stable Diffusion)、チーム単位ナレッジ管理をすべてローカル

hatenablog · 2026-06-29

無料AIツールローカルLLM RAG

AI-readable knowledge design: fact-bound records

AIが読みやすい知識設計、特に事実に基づいたレコードの書き方についての原則が得られる。タイトルから、AIによる情報検索や推論の精度を高めるためのデータ構造や記述ルールについて、具体的な設計思想が解説されていると推測できる。読者は、AIを活用したナレッジベース構築のための基礎的な設計パターンを学べる。

zenn · 2026-06-29

RAG AIスキル

RAGの画像文書検索手法を調べて使ってみた

RAG（検索拡張生成）において、画像や文書を検索対象とする手法を調査し、実際に試した結果が得られる。テキストだけでなく画像も扱えるRAGの実装方法や、適切な検索手法の選び方が具体的に解説されている。特に、画像の特徴量抽出方法や、テキストとの統合検索の手順が実用的なポイントとなる。

zenn · 2026-06-25

RAG AIスキル

AI外部脳の設計——「記憶は生成するもの」という一つの解

AIの外部記憶を「生成するもの」として設計する考え方を学べる。従来の保存・検索型ではなく、その都度必要な記憶を生成するアプローチを提案し、その設計パターンを解説している。具体的には、記憶の生成タイミングや保持すべきデータ構造の選び方についての指針が得られる。

zenn · 2026-06-25

AIエージェント RAG

ハルシネーションは「距離」で説明できる ── L2A-SCP の中間成果物が多段に分かれる理由

AIのハルシネーションを「距離」という概念で説明し、L2A-SCPの中間成果物が多段に分かれる理由を考察する。中間成果物が段階的に生成されるほど、元の情報からの「距離」が離れ、誤りが混入しやすくなるというメカニズムが理解できる。具体的には、成果物の分割数とハルシネーション発生率の関係性が、システム設計時の判断材料となる

zenn · 2026-06-25

AIエージェント RAG

TiDBのハイブリッド検索を、ポケモンのパーティ構築で試してみる

TiDBのハイブリッド検索（ベクトル検索＋全文検索）の動作を、ポケモンのパーティ構築という具体例で試せる。検索精度や応答速度の違いを実際のデータで比較する方法が分かり、ハイブリッド検索の導入判断材料として使える。

zenn · 2026-06-25

RAG AIスキル

Claude Codeに「昨日の続き」を覚えさせる — 人間の記憶構造をMarkdown＋BM25で実装した話

Claude Codeに前回の作業を記憶させる仕組みを、MarkdownとBM25アルゴリズムで実装する方法が学べる。人間の記憶構造を模倣したデータ管理により、会話の文脈を維持しながら継続的な開発が可能になる。具体的には、Markdownファイルに作業ログを保存し、BM25で関連情報を検索してプロンプトに組み込む手順が

zenn · 2026-06-24

Claude AIコーディング RAG

オンデバイスAI検索の精度を上げるための備忘録。30文字制限とタイトルブーストの実装｜Exa-Vision日記 #3

オンデバイスAI検索の精度を上げるための実装テクニックが得られる。30文字制限とタイトルブーストという具体的な手法とその効果について、実装の備忘録として詳細に説明されている。

zenn · 2026-06-22

RAG AIスキル

TiDB CloudとGroqで、育つナレッジRAGチャットを小さく試す

TiDB CloudとGroqを組み合わせて、知識が成長するRAGチャットを小規模に試す方法が分かる。データベースとしてTiDB Cloudを使い、推論エンジンにGroqを採用することで、低コストでスケーラブルなナレッジベースを構築する手順が示されている。特に、データの追加・更新に応じてチャットの応答がどう変化するかの

zenn · 2026-06-22

AIコスト削減 RAG

Obsidianで自由にジャーナリングし、Codex Automationsで後から分析する構成を作った

Obsidianで自由にジャーナリングした内容を、Codex Automationsを使って後から構造化・分析する構成が構築できる。具体的には、日々の自由記述をAIが自動でタグ付け・要約し、後日の振り返りや傾向分析に活用する手順が得られる。

zenn · 2026-06-22

AI自動化 Notion AI RAG

AIエージェントの知識ベースを自己更新させる設計

AIエージェントが外部知識ベースを自動で更新する設計手法が得られる。具体的には、エージェントがユーザーとの対話やタスク実行結果から新たな知識を抽出し、ベクトルDBやグラフDBに追加する仕組みを実装する。知識の重複排除や古い情報の削除ルールを事前に定義しておくことで、知識ベースの品質を維持できる点が実用的である。

zenn · 2026-06-20

AIエージェント AI自動化 RAG

Claude Code で"第二の脳"を作る — AI記憶・自動化・コスト管理の実装と運用

Claude Codeを使って「第二の脳」となる記憶・自動化・コスト管理システムを構築する実装手順が得られる。記憶の永続化方法、自動化トリガーの設定、API利用料を抑えるコスト管理の具体策が学べる。

zenn · 2026-06-20

AIエージェント AI自動化 Claude AIコスト削減 RAG

AI初学者のためのRAG実装ガイド

AI初学者向けにRAG（検索拡張生成）の実装手順を解説している。ベクトルデータベースの選定、文書のチャンク分割方法、埋め込みモデルの選択といった基本的な構成要素から、実際のコード例までが提供される。具体的には、LangChainやLlamaIndexを使った実装手順と、検索精度を上げるためのパラメータ調整方法が解説され

zenn · 2026-06-20

AIコーディング RAG