【2025年5月完全版】RAG の教科書

はじめに 昨今、AI の進化により、様々な分野での応用が進んでいます。特に、自然言語処理(NLP)の分野では、RAG( Retrieval-Augmented Generation)が注目されています。RAG は、情報検索と生成を組み合わせた手法であり、特に大規模言語モデル(LLM)と組み合わせることで、その性能を大幅に向上させることができます。 また、NativeRAG や GraphRAG, AgentRAG などさまざまな RAG のバリエーションが登場しており、これらは特定のユースケースやデータセットに対して最適化されています。 今回は、RAG の基本的な概念から、RAG のプロジェクトの進め方、精度向上の方法に至るまで詳しく解説します。 みなさんの GenAI Application の開発に役立てていただければ幸いです。 本記事は 5 万文字を超える大作となっております。 お時

[KAZ99K]

このとおり、RAG自作にはあまりにも技術理解が深く必要になるため、野良RAGを組もうと考える酔狂なエンジニアはもう絶滅危惧種になった(半年前までは相当数いた)。今ならDifyなりNotebook LMなりが良い感じにしてくれる。

[bakuhate]

メタフィールド設計と既存の業務データを連携させるのが信じられんほどめんどくさく、何よりAI業界の陳腐化が早すぎて実務まで実装するモチベがあまり沸かない。そのうちそのへんもやってくれるんでしょ？

[nishi1231chang]

実装MCPで連携できるようになれば、自分達でRAG実装不要になる。他コメントにある通り、自分達でやるには労力のわりに精度が上がらなかったり、かけるコストに見合わないケースばかり。

[mame-tanuki]

2025/05/25に公開記事。まず、この記事を生成AIに食わせる所から⋯w　〉「本記事は 5 万文字を超える大作」

[hirorinya]

これをAIに食わせて調整させる

[mr_mayama]

得られるものより正確性を出すためのコストが高いしなかなか理解されない。Difyで軽く実装して行けそうならGo、沼りそうなら諦め、ぐらいがちょうど良いんでは。

[eagleyama]

やればやるほど嘘が増えてしまう予感が

[strawberryhunter]

RAGなんてたいそうな名前は要らないだろ。

[incubator]

あとで読む

[misshiki]

“RAG の基本的な概念から、RAG のプロジェクトの進め方、精度向上の方法に至るまで詳しく解説します。”

[testedquality]

組織の問題解決するためにはデータがないとLLMの利用用途が限られちゃうな。データ大事

[cloverstudioceo]

めもー

[stealthinu]

これはだいぶ細かくまとまってる。まあ最近はdeep research系があるからまとめるの楽になったよね。でも質のいいまとめはありがたい。

[FreeCatWork]

ふむふむ…RAGの教科書にゃ？難しいにゃ！でも、ボク、可愛い顔で許してもらえるにゃ！

[takuver4]

これは読んでおくべきか

[dcr-naka]

“公開 Azure OpenAI LLM RAG tinetuning Tech ”

[mottin231]

いままで見たRAG資料で一番分かりやすいです

[tofu-kun]

すごい詳細かつ、わかりやすい

[IGA-OS]

あとで読みたい

[convivial]

“🧠”

[konk303]

rag