生成AIの実務活用を知る
RAG、AIエージェント、Amazon Bedrock、ベクトル検索など、生成AIを業務や開発に使うときに重要な記事をまとめたページです。LLMの仕組みだけでなく、検索、外部ツール、運用、セキュリティまでつなげて確認できます。
まず押さえたい実務活用の流れ
生成AIの実務活用では、LLM単体の理解に加えて、外部データを参照する仕組み、業務ツールとの連携、運用時の評価と安全対策が重要になります。
| 学ぶ順番 | 内容 | 記事 |
|---|---|---|
| 1. LLMの基本 | 大規模言語モデルが何を得意とし、どこに限界があるかを確認します。 | 大規模言語モデルの知識：可能性と限界 |
| 2. RAG | 社内文書や外部データを検索して回答に使う仕組みを学びます。 | RAGとは？意味・仕組み・活用例をわかりやすく解説 |
| 3. 検索基盤 | ベクトル検索、埋め込み、ベクトルデータベースの役割を理解します。 | ベクトル検索：意味で繋がる新しい検索体験 |
| 4. エージェント | AIが外部ツールを使い、タスクを進める考え方を確認します。 | 外部ツールで進化するLLMとは？RAG・Function Calling・エージェントを解説 |
| 5. 運用 | LLMOps、プロンプト、セキュリティを含めて継続運用を考えます。 | LLMOpsとは？意味と使い方をわかりやすく解説 |
RAG・検索拡張生成
- RAGとは？意味・仕組み・活用例をわかりやすく解説
- GraphRAGとは？意味と使い方をわかりやすく解説
- 生成AIの進化：RAGによる新たな可能性
- 外部ツールで進化するLLMとは？RAG・Function Calling・エージェントを解説
ベクトル検索・埋め込み
AIエージェント・外部ツール連携
- 人工知能におけるエージェント
- 試行錯誤で学ぶAIエージェント
- 自動で目標達成！革新的ＡＩエージェント「AutoGPT」
- 自ら考え行動するＡＩエージェント：AgentGPT
- プロンプトエンジニアリングとは？基本の作り方・例・注意点を解説