AI RAG パターンの活用

AI RAG パターンとは

Retrieval Augmented Generation (RAG) は、グラウンディング データを提供する情報取得システムを追加することで、ChatGPT などの大規模言語モデル (LLM) の機能を拡張するアーキテクチャです。 情報取得システムを追加すると、応答を作成するときに LLM によって使用されるグラウンディング データを制御できます。

Azure AI Search のカスタム RAG パターン

パターンの大まかな概要は次のとおりです。

  • ユーザーの質問または要求 (プロンプト) から始めます。
  • Azure AI Search に送信して、関連情報を見つけます。
  • 上位の検索結果を LLM に返します。
  • LLM の自然言語理解と推論機能を使用して、最初のプロンプトに対する応答を生成します。

  • Azure AI Search が LLM プロンプトに入力を提供しますが、モデルのトレーニングはしません。 RAG アーキテクチャでは、追加のトレーニングはありません。 LLM はパブリック データを使用して事前トレーニングされますが、取得コンポーネント (この場合は Azure AI 検索) からの情報によって拡張された応答を生成します。

    • Azure AI Search を含む RAG パターンには、次の図に示す要素があります。
    • ユーザー エクスペリエンスのためのアプリ UX (Web アプリ)
    • アプリ サーバーまたはオーケストレーター (統合と調整レイヤー)
    • Azure AI Search (情報取得システム)
    • Azure OpenAI (生成 AI 用の LLM)

実践方法

先ずは、Azure OpenAI Service 入門ハンズオンラボを参考に、RAG パターンを活用した AI アプリケーションを構築します。

※ 注意: 7章 社内文書データの投入の際に data/ フォルダにこちらの デモプロジェクト用 PDF ファイル に差し替えてください。

構築した AI アプリケーションを使って、デモプロジェクトの用件を取り入れた状態で、開発タスクに的確な支援を提供することができるようになります。