RAG・エージェント

エージェントが取りうる行動の選択肢全体の範囲。

大量データを高速に検索するために事前に整理した索引構造。

エージェントが過去の情報を保持・参照する仕組み。文脈の継続に使う。

処理中の失敗を検知し、適切に対処してシステムを止めない仕組み。

テキストなどを意味ベクトルに変換することに特化したモデル。

複数のAI・ツール・処理の流れを統括し、全体を協調させる制御。

定型作業を自動化するRPAに、AIの判断力を組み合わせた業務自動化。

AIの回答を、信頼できる根拠情報に結びつけて裏付けること。

2つのベクトルの向きの近さで意味の似ている度合いを測る指標。

親エージェントから特定の役割を任される、補助的なエージェント。

AIが自分の誤りに気づき、自ら訂正する能力。

人の逐次指示なしに、自ら計画・実行して目標を達成するAI。

意味理解やAIを活用し、より的確に目的の情報へ導く検索。

言葉の表面ではなく意味を理解して関連情報を探す検索。

大きな課題を、扱いやすい小さなサブタスクに分割すること。

会話中だけ保つ短期記憶と、セッションを越えて残す長期記憶の区別。

長い文書を検索しやすい適切な大きさの断片に分割する処理。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

AIが参照する知識・文書を集めたデータの蓄積。RAGの情報源。

重要な判断に人間の確認・承認を組み込み、AIの暴走や誤りを防ぐ設計。

LLMが、あらかじめ定義された関数を構造化された形で呼び出す仕組み。

目標達成までの手順をAI自身が組み立てること。エージェントの中核能力。

複数の処理を同時に走らせ、全体の処理時間を短縮すること。

データをベクトル化し、意味の近さで検索する手法。RAGの基盤。

複数のAIエージェントが役割分担・協調して課題を解決する仕組み。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

LLMアプリ開発を支援する人気フレームワーク。RAGやエージェント構築に使う。

推論と行動(ツール使用)を交互に繰り返し、課題を解決させる手法。

AIが自分の出力や手順を振り返り、改善点を見つけて修正する仕組み。

ベクトル同士の近さを測り、最も似たデータを探し出す処理。

定型業務の一連の流れを、AIやツールの連携で自動的に処理すること。