![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
#author("2024-05-02T14:33:58+09:00","default:irrp","irrp") #author("2024-05-02T15:29:50+09:00","default:irrp","irrp") →自然言語処理 →大規模言語モデル →LLMのローカル知識対応 →LLMアプリ開発 #contents *一般 [#w6b6e4bd] -[[RAGの評価：評価の必要性と問題点 - Beatrust techBlog>https://tech.beatrust.com/entry/2024/05/01/RAG%E3%81%AE%E8%A9%95%E4%BE%A1%EF%BC%9A%E8%A9%95%E4%BE%A1%E3%81%AE%E5%BF%85%E8%A6%81%E6%80%A7%E3%81%A8%E5%95%8F%E9%A1%8C%E7%82%B9]] 2024.5 -[[AnthropicAI Tool で Retrieval-Augmented Generation を実装してみた>https://zenn.dev/mizchi/articles/impl-rag-by-anthropic-tools]] 2024.4 -[[コサイン類似度のいろんな書き方 - Speaker Deck>https://speakerdeck.com/nogawanogawa/kosainlei-si-du-noironnashu-kifang]] 2024.4 -[[LangChainを用いた4種類のRAG質問応答chainの実装と性能比較>https://zenn.dev/aidemy/articles/97d5fb6ac03a4f]] 2024.4 -[[ChatGPTが自社データを学習｜社内AI / RAG構築方法 #機械学習 - Qiita>https://qiita.com/heapjp/items/0ff0ef47823f10dbe6c3]] 2024.4 -[[RAGを複雑な質問に強くする手法「CoA」について>https://zenn.dev/knowledgesense/articles/508187f1c616e3]] 2024.4 -[[ここがポイント！RAGを活用した生成AIボットの検索精度向上について #ChatGPT - Qiita>https://qiita.com/ps010/items/cdb75f3cad5c97f85de8]] 2024.4 -[[優秀と噂なCohere社のCommand R+でRAGチャットボットを簡単に構築して体験しよう！ #LLM - Qiita>https://qiita.com/itokazu/items/2b519ef301fdf1430486]] 2024.4 -[[⼤規模⾔語モデルの拡張（RAG）が 終わったかも知れない件について - Speaker Deck>https://speakerdeck.com/nearme_tech/gui-mo-yu-moderunokuo-zhang-rag-ga-zhong-watutakamozhi-renaijian-nituite]] 2024.4 -[[Geminiを使ったマルチモーダルRAGのハンズオン - GMOインターネットグループ グループ研究開発本部>https://recruit.gmo.jp/engineer/jisedai/blog/gemini-multimodal-rag-hands-on/]] 2024.4 -[[Advanced RAG Techniques | Pinecone>https://www.pinecone.io/learn/advanced-rag-techniques/]] 2024.3 -[[総務省が8525万円をかけて作らせたGovbot（ガボット）を３時間で作った話｜Sangmin Ahn>https://note.com/sangmin/n/n3cb256cc22cc]] 2024.3 -[[Amazon BedrockのKnowledge BaseでRAGを構築し、RDSのデータを分析するアプリケーションを開発する | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ>https://techblog.nhn-techorus.com/archives/30709]] 2024.3 -[[ASCII.jp：RAGの基礎知識を得て“ゼロ円RAGシステム”を構築してみた>https://ascii.jp/elem/000/004/190/4190949/?rss]] 2024.3 -[[ReRankingを適用したRAGの精度向上について 実データを使ってやってみた | DevelopersIO>https://dev.classmethod.jp/articles/rag-with-reranking-analysis/]] 2024.3 -[[RAGの新しい手法「CRAG」を3分で理解する>https://zenn.dev/knowledgesense/articles/bb5e15abb3c547]] 2024.3 -[[RAGの実装戦略まとめ #Python - Qiita>https://qiita.com/jw-automation/items/045917be7b558509fdf2]] 2024.3 -[[Claude3を使ってパワポ資料を読み込む処理をLambda関数上で実行してみた | DevelopersIO>https://dev.classmethod.jp/articles/read-powerpoint-document-with-claude-3-on-lambda-funcion/]] 2024.3 -[[RAGでの回答精度向上のためのテクニック集（応用編-B）>https://zenn.dev/knowledgesense/articles/9303b94ea2c4eb]] 2024.3 -[[ロングコンテキストLLMに対応したRAGの新アーキテクチャ｜npaka>https://note.com/npaka/n/n0b17244bae47]] 2024.3 -[[社内用語集を気軽に質問できるSlackBotを作ってみた (RAGの応用アプリ) - ABEJA Tech Blog>https://tech-blog.abeja.asia/entry/in-house-jargon-slackbot-with-rag-202402]] 2024.2 -[[RAGの性能を改善するための8つの戦略 | Fintan>https://fintan.jp/page/10301/]] 2024.2 -[[RAGの実案件に取り組んできた今までの知見をまとめてみた | DevelopersIO>https://dev.classmethod.jp/articles/rag-knowledge-on-real-projects/]] 2024.2 -[[戦国武将クイズに答えるRAGを構築して評価を自動化したら爆速でした | IIJ Engineers Blog>https://eng-blog.iij.ad.jp/archives/23628]] 2024.1 --[[Introduction | Ragas>https://docs.ragas.io/en/stable/]] RAG評価ツール -[[【生成AI】私が考えるRAGシステムに必要な機能について - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/functions-required-for-rag-system]] 2024.1 -[[【生成AI】RAGシステムの解析：必要性と各アーキテクチャ要素の考慮事項 - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/analysis-of-rag-system]] 2024.1 -[[LLMを組み合わせたRAGの実装 - Speaker Deck>https://speakerdeck.com/biosugar0/llmwozu-mihe-wasetaragnoshi-zhuang]] 2024.1 -[[Retrieval-Augmented Generationシステムの改善方法の紹介 - AITC - ISID | AI トランスフォーメンションセンター コラム>https://aitc.dentsusoken.com/column/Retrieval-Augmented_Generation]] 2024.1 -[[社内規程集について回答してくれる生成AIを評価してみた〜生成AIのアーキテクチャ「RAG」の評価プロセス | LAC WATCH>https://www.lac.co.jp/lacwatch/people/20240118_003651.html]] 2024.1 -[[検索拡張生成（RAG）を用いたQA botを爆速で作る方法（Assistants API編） - GMOインターネットグループ グループ研究開発本部>https://recruit.gmo.jp/engineer/jisedai/blog/rag_by_assistants_api/]] 2024.1 -[[RAGによる社内ナレッジを活用したチャットボットの構築 #AI - Qiita>https://qiita.com/Mitsuhiro_Itagaki/items/be256775a8ce4b725827]] 2024.1 -[[RAG評価フレームワークのragasを使ってみた - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/what-is-ragas]] 2023.12 -[[LangChainを使ってリポジトリ内のソースコードについて答えてもらう #TypeScript - Qiita>https://qiita.com/koba_hiro_/items/4492d1ca920ee3c929c0]] 2023.12 -[[LLMのRAG（外部知識検索による強化）をまとめた調査報告 | AIDB>https://aiboom.net/archives/61367]] 2023.12 -[[生成AI／RAGで手持ちのソースコード解析（LangChain） #AI - Qiita>https://qiita.com/DeepMata/items/7136d43ef480751ded3d]] 2023.12 -[[GPTsより精度の高いRAGシステムの構築 - Speaker Deck>https://speakerdeck.com/mkazutaka/gptsyorijing-du-nogao-iragsisutemunogou-zhu]] 2023.12 -[[Q&A + RAG に特化したLLMをSFTで学習させ4bit量子化モデルを作り、GPT3.5以上の性能を7Bモデルで達成する - A Day in the Life>https://secon.dev/entry/2023/12/15/080000-qa-rag-llm-sft/]] 2023.12 -[[Prompt Flowで評価Flowを自作してRAGのイケてるLLMOpsを実現してみた - ENGINEERING BLOG ドコモ開発者ブログ>https://nttdocomo-developers.jp/entry/20231211_1]] 2023.12 -[[RAG、ファインチューニングとは｜生成AI進化の鍵は「ドメイン特化」 | AI専門ニュースメディア AINOW>https://ainow.ai/2023/12/14/275411/]] 2023.12 -[[ChatGPT+LangChain| Elasticsearch公式ドキュメントのQ&Aを作ってみる>https://zenn.dev/zozotech/articles/86543f2ad9a09e]] 2023.12 -[[GPT-4 Turboにドキュメントのチャンク分けを任せてみる - EXPLAZA Tech Blog>https://tech.explaza.jp/entry/2023/12/04/162659]] 2023.12 -[[OpenAI Embeddings APIとベクトル検索エンジンValdを使って類似文章検索をしてみよう>https://techblog.lycorp.co.jp/ja/20231202a]] 2023.12 -[[ChatGPTに自前の情報を画像込みで返答させてみた 〜実践的なRAGとEmbeddingの使い方〜 - バイセル Tech Blog>https://tech.buysell-technologies.com/entry/2023/11/30/182729]] 2023.11 -[[LLM技術と外部データ活用による検索・回答精度向上手法（ファインチューニング、セマンティック検索、In-Context Learning、RAG）と著作権侵害｜知的財産・IT・人工知能・ベンチャービジネスの法律相談なら【STORIA法律事務所】>https://storialaw.jp/blog/10203]] 2023.11 -[[langchainとDatabricksで(私が)学ぶRAG : MultiQueryRetrieverを使ったRAG #Databricks - Qiita>https://qiita.com/isanakamishiro2/items/2e4ce270a8bd366ba44a]] 2023.11 -[[LangChain への OpenAIのRAG戦略の適用｜npaka>https://note.com/npaka/n/n62cd25213679]] 2023.11 -[[ChatGPTに社内文書に基づいた回答を生成させる仕組みを構築しました - コネヒト開発者ブログ>https://tech.connehito.com/entry/2023/11/14/221416]] 2023.11 -[[LlamaIndex の マルチモーダルRAG のしくみ｜npaka>https://note.com/npaka/n/n53e8aabed0f2]] 2023.11 -[[RAGにおけるドキュメント検索精度向上について(概要編)>https://zenn.dev/sompojapan_dx/articles/eb755a18e893ce]] 2023.11 -[[Retrieval-based LM (RAG system) ざっくり理解する - Speaker Deck>https://speakerdeck.com/smiyawaki0820/retrieval-based-lm-rag-system-zatukurili-jie-suru]] 2023.11 -[[RAGを使った生成AIボットでユーザの意図を理解して対話するためのフローを考えてみた | DevelopersIO>https://dev.classmethod.jp/articles/estimate-user-intention-in-genai-bot-with-rag/]] 2023.10 -[[入門KDB.AI (6) - サンプルコード(Image Search) - APC 技術ブログ>https://techblog.ap-com.co.jp/entry/2023/10/25/111523]] 2023.10 -[[ChatGPT/AOAI自社データ活用(RAG)の精度向上のプラクティス【情シス向け】 – CloudNative Inc. BLOGs>https://blog.cloudnative.co.jp/21171/]] 2023.10 -[[Retrieval-Augmented Generation(RAG)とは？ | IBM ソリューション ブログ>https://www.ibm.com/blogs/solutions/jp-ja/retrieval-augmented-generation-rag/]] 2023.10 -[[ベクトル検索で欲しい情報が得られないときの問題点と改良方法を考えてみた | DevelopersIO>https://dev.classmethod.jp/articles/problem-and-improve-methods-of-vector-search/]] 2023.7 -[[OpenAIのAPIを使って営業資料をベクトル検索するボットをつくってみた | DevelopersIO>https://dev.classmethod.jp/articles/implement-sales-documents-search-bot/]] 2023.7 -[[ChatGPTで独自データを扱うためのエンべディング｜緒方 壽人 (Takram)>https://note.com/ogatahisato/n/n899dcb459f35]] 2023.5 -[[OpenAIのEmbeddings APIのベクトルを使って検索を行う | DevelopersIO>https://dev.classmethod.jp/articles/search-with-openai-embeddings/]] 2023.5 -[[GPTのEmbeddingを利用してブログの投稿に対する近いものを探し出す - きしだのHatena>https://nowokay.hatenablog.com/entry/2023/03/09/094810]] 2023.3 -[[GPTのEmbeddingを使った近いエントリを探す処理がVector APIなどで10倍高速になった - きしだのHatena>https://nowokay.hatenablog.com/entry/2023/04/03/173313]] 2023.4 -[[【書籍出版記念】LangChainから学ぶLLMを使ったアプリケーションの工夫 - Speaker Deck>https://speakerdeck.com/os1ma/shu-ji-chu-ban-ji-nian-langchainkaraxue-bullmwoshi-tutaapurikesiyonnogong-fu]] 2023.10 -[[社内情報検索システムで用いられるRAGの4つの実装方法 - Speaker Deck>https://speakerdeck.com/mkazutaka/she-nei-qing-bao-jian-suo-sisutemudeyong-irareruragno4tunoshi-zhuang-fang-fa]] 2023.10 -[[ChatGPT・AOAIに自社データを組み込む場合(RAG)のアクセス制御のデザインパターン – CloudNative Inc. BLOGs>https://blog.cloudnative.co.jp/20885/]] 2023.10 -[[【ChatGPT】ベクトルデータベースによる企業内データの活用(RAG) - Qiita>https://qiita.com/ksonoda/items/ba6d7b913fc744db3d79]] 2023.9 -[[LangChainでCognitive SearchのベクトルDBと連携させたRAGを構築する - Qiita>https://qiita.com/tmiyata25/items/bfb7f4f5f22ec659c791]] 2023.9 -[[LLMを利用したRAG（Retrieval Augmented Generation）と著作権侵害｜知的財産・IT・人工知能・ベンチャービジネスの法律相談なら【STORIA法律事務所】>https://storialaw.jp/blog/9885]] 2023.8 -[[実践LangChain！RAGによる特化LLMシステムの作り方 - Qiita>https://qiita.com/t_serizawa/items/a2ced4441da714b3076f]] 2023.6 *入門系 [#bede8e92] -[[【RAG基本編】Retrieval-Augmented Generation（RAG）とは｜Jun Ichikawa/ 市川 淳>https://note.com/jun_ichikawa/n/n6f09360c921d]] 2024.5 -[[RAGとは？生成AIの回答精度の向上技術を解説>https://www.techfirm.co.jp/blog/rag]] 2024.4 -[[知っておきたい生成AI用語「RAG」を解説する【イニシャルB】 - INTERNET Watch>https://internet.watch.impress.co.jp/docs/column/shimizu/1580947.html]] 2024.4 -[[ファインチューニングの課題を解決する「RAG」と「エンべディング」 | Think IT（シンクイット）>https://thinkit.co.jp/article/22887]] 2024.4 *AzureによるRAG [#efec7d98] -[[Azure OpenAI ServiceによるRAG実装ガイド>https://dev.noriyukitakei.jp/docs/aoai-rag-dev-guide.pdf]] 2024.4 -[[Azure OpenAI ServiceによるRAG実装ガイドを公開しました | SIOS Tech. Lab>https://tech-lab.sios.jp/archives/40774]] 2024.4 -[[Azure OpenAI Service #AOAIドーナツ本 第4章 RAG 勉強メモ #Azure - Qiita>https://qiita.com/chomado/items/834aa07c2f959685c57d]] 2024.3 -[[【RAG】Azure On Your DataがGAされたので使ってみた #Azure - Qiita>https://qiita.com/t_yoshikawa/items/6e0062d273aaec4aae54]] 2024.3 -[[RAG構築のためのAzure OpenAI Serviceリファレンスアーキテクチャ詳解 | SIOS Tech. Lab>https://tech-lab.sios.jp/archives/38900]] 2024.3 -[[AzureでRAGをガンガン試行錯誤してみて得たナレッジを紹介します！/Azure RAG knowledge share - Speaker Deck>https://speakerdeck.com/jnymyk/azure-rag-knowledge-share]] 2024.2 -[[「社内のアレ分からん、教えてAI」を支援 Microsoftの“自社版ChatGPT作成サービス”、外部データ取り込み機能が正式リリース - ITmedia NEWS>https://www.itmedia.co.jp/news/articles/2402/21/news156.html]] 2024.2 -[[Azure OpenAI サンプル(5. 企業内向けChatと社内文書検索) をデプロイしてみる>https://zenn.dev/microsoft/articles/aoai-5sample]] 2023.10 *AWS によるRAG [#cdad48bb] →Amazon Bedrock -[[[アップデート] Amazon Bedrockで新モデル「Cohere Command R/R+」が利用可能になったので、RAGで使ってみた | DevelopersIO>https://dev.classmethod.jp/articles/amazon-bedrock-cohere-command-r-rag/]] 2024.4 -[[Amazon BedrockにCohere Command R と Command R+ が来たよ！RAGがすげーよ！ #AWS - Qiita>https://qiita.com/moritalous/items/16797ea9d82295f40b5e]] 2024.4 -[[【Bedrock×Lambda】高精度なハイブリッド検索RAGをサーバレスで実装（Slack連携も可） #AWS - Qiita>https://qiita.com/Naoki_Ishihara/items/662d70a9bd0dc3a8c9ce]] 2024.4 -[[AWSのBedrockとKendraを使ってRAGの仕組み作ってみた！〜Terraform版〜〔後編〕 - 神戸のデータ活用塾！KDL Data Blog>https://kdl-di.hatenablog.com/entry/2024/04/17/090000]] 2024.4 -[[LangChain + Claude3(Amazon Bedrock) を動かしてみる 〜RAG編〜 #LLM - Qiita>https://qiita.com/yu-Matsu/items/4b3a3a0876e0868286af]] 2024.4 -[[LangChain + Claude3(Amazon Bedrock) を動かしてみる 〜RAG編〜 #LLM - Qiita>https://qiita.com/yu-Matsu/items/4b3a3a0876e0868286af]] 2024.4 -[[AWS 入門ブログリレー 2024 〜Amazon Kendra編〜 | DevelopersIO>https://dev.classmethod.jp/articles/introduction-2024-amazon-kendra/]] 2024.4 -[[[AIチャットボット]Amazon LexとAmazon Kendraを利用して、お問い合わせ内容を種別判定してみた | DevelopersIO>https://dev.classmethod.jp/articles/amazon-lex-kendra-inquiry-type/]] 2024.4 -[[Amazon Bedrock+KendraのRAGでXのポストをベースにした自己分析は出来るのか #AWS - Qiita>https://qiita.com/hiramax/items/77cda0e1890e60026a80]] 2024.3 -[[AWS Marketplace の Pinecone を Amazon Bedrock のナレッジベースとして利用する | Amazon Web Services ブログ>https://aws.amazon.com/jp/blogs/news/leveraging-pinecone-on-aws-marketplace-as-a-knowledge-base-for-amazon-bedrock/]] 2024.3 -[[Amazon Bedrockで実践してみるRAG-Fusion>https://zenn.dev/spiralai/articles/a189f4cbe6541c]] 2024.3 -[[Amazon Q for Business で おやき RAG を作成する | DevelopersIO>https://dev.classmethod.jp/articles/create-oyaki-rag-in-amazon-q-for-business/]] 2024.3 -[[Amazon Bedrock、Amazon Auroraを組み合わせたRAGで回答精度の向上に取り組んでみた！?概要編 #AWS - Qiita>https://qiita.com/Naoki_Ishihara/items/9f1b852917de19141847]] 2024.2 -[[Bedrock + KendraのRAG構築ハンズオンやってみた #AWS - Qiita>https://qiita.com/yuki_ink/items/c533dc3eb30b9af7355b]] 2024.2 -[[Amazon Bedrockを使った社内QAチャットボットを3か月運用して起きた変化 - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/bedrock_chatbot_assistant]] 2024.1 -[[StepFunctionsとKendraとBedrockを使ってノーコードでRAGを実現する #AWS - Qiita>https://qiita.com/cyberBOSE/items/8681183c38e970ac6869]] 2024.1 -[[Amazon Q(プレビュー)を利用し、手軽にRAGアプリを作ってみる - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/rag-application-by-amazon-q]] 2023.12 -[[Bedrock で RAG などを行うための 生成系 AI アプリケーション (generative-ai-use-cases-jp) を構築する手順を丁寧に解説 #AWS - Qiita>https://qiita.com/sugimount-a/items/aa7513de1f0947a94bdd]] 2023.11 -[[Amazon OpenSearch ServiceとBedrockを組み合わせてRAGを作る（LangChainいらず） #AWS - Qiita>https://qiita.com/moritalous/items/952025c00df1b9436cbb]] 2023.11 -[[Bedrock、Lambda、Kendra、S3を使用したRAGをSAMで実装してみた | DevelopersIO>https://dev.classmethod.jp/articles/rag-lambda-kendra-s3-sam/]] 2023.11 -[[LangChain AmazonKendraRetriever から必要な情報を返してもらえない人へ #AWS - Qiita>https://qiita.com/s3kzk/items/be046a2ed62cd0663dbb]] 2023.10 -[[Amazon KendraとAWS Lambdaを使い、RAGのRetrievalフェーズを試してみた | DevelopersIO>https://dev.classmethod.jp/articles/kendra-lambda-retrieval/]] 2023.10 -[[AWS 内で大規模言語モデルを利用できる Amazon Bedrock を使って作る RAG アプリケーション - クックパッド開発者ブログ>https://techlife.cookpad.com/entry/bedrock]] 2023.10 -[[【Amazon Bedrock】AWSサービスのみを使ったシンプル構成のRAGアプリを作ってみた - NRIネットコムBlog>https://tech.nri-net.com/entry/aws_bedrock_rag_app]] 2023.10 -[[【Amazon Bedrock】Titan Embeddings Generation 1を利用して過去のブログ記事から入力に関連する記事を出力してみた - DENET 技術ブログ>https://blog.denet.co.jp/bedrock-titan-embeddings/]] 2023.10 -[[【RAG】Amazon BedrockとConnect、Kendraを利用し、社内情報や社外の最新情報などの取り込んだデータをもとに回答するコールセンター向けAIチャットボットを構築してみた | DevelopersIO>https://dev.classmethod.jp/articles/amazon-bedrock-claude-connect-kendra-rag/]] 2023.10 -[[【Bedrock / Claude】AWSオンリーでRAGを使った生成AIボットを構築してみた【Kendra】 | DevelopersIO>https://dev.classmethod.jp/articles/implement-rag-with-aws-services/]] 2023.10 -[[【Bedrock / Claude】AWSオンリーでRAGを使った社内情報を回答できる生成AIボットで構築してみた【Kendra】 | DevelopersIO>https://dev.classmethod.jp/articles/implement-rag-with-aws-services/]] 2023.10 *Amazon Bedrock Knowledge Base [#kee4c028] -[[Knowledge bases for Amazon Bedrock を HashiCorp Terraform で作ってみる | DevelopersIO>https://dev.classmethod.jp/articles/create-knowledge-bases-for-amazon-bedrock-via-terraform/]] 2024.4 -[[AWS 入門ブログリレー 2024 〜Knowledge bases for Amazon Bedrock編〜 | DevelopersIO>https://dev.classmethod.jp/articles/introduction-2024-knowledge-bases-for-amazon-bedrock/]] 2024.4 -[[Amazon Bedrock ナレッジベースの使い方（API編） #AWS - Qiita>https://qiita.com/devKita/items/1d370e2afe2b2a82ce9d]] 2024.4 -[[Bedrockのナレッジベースに今週来たRAG精度向上アプデまとめ #AWS - Qiita>https://qiita.com/minorun365/items/be50326d94c25779b22f]] 2024.3 -[[Knowledge Base for Amazon Bedrock でメタデータフィルタリングが可能に #AWS - Qiita>https://qiita.com/hayao_k/items/f486b7d1385c8d5f897c]] 2024.3 -[[Amazon BedrockのKnowledge BaseでRAGを構築し、RDSのデータを分析するアプリケーションを開発する | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ>https://techblog.nhn-techorus.com/archives/30709]] 2024.3 -[[BedrockのナレッジベースがClaude 3 Sonnetに対応！ #AWS - Qiita>https://qiita.com/minorun365/items/a2c8d7596c40bd6723ab]] 2024.3 -[[RAGをもっと簡単に？Amazon Bedrockのナレッジベースとは #bedrock - Qiita>https://qiita.com/devKita/items/fecf03eb9f812ff77ffa]] 2024.3 -[[RAG検索の精度向上!? ナレッジベース for Bedrockがハイブリッド検索に対応 #AWS - Qiita>https://qiita.com/minorun365/items/0772bfa4d3426ef62480]] 2024.3 -[[AWSの生成AIで社内文書検索！ Bedrockのナレッジベースで簡単にRAGアプリを作ってみよう #AWS - Qiita>https://qiita.com/minorun365/items/24dfb0ea3afde6ed0a56]] 2024.3 -[[StepFunctionsとKnowledge baseを使ってノーコードでRAGを実現する #AWS - Qiita>https://qiita.com/cyberBOSE/items/538e79ef1210929ba73a]] 2024.1 -[[【コピペでRAG構築】Knowledge Base for Amazon Bedrock(Aurora Serverless v2 for PostgreSQL) - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/easy-rag-setup-knowledge-base-for-amazon-bedrock-aurora-serverless]] 2024.1 -[[Amazon BedrockのKnowledge baseで簡単にRAGを構築 - Taste of Tech Topics>https://acro-engineer.hatenablog.com/entry/2023/12/20/140000]] 2023.12 -[[生成AI初心者がAmazon BedrockのKnowledge baseを使ってRAGを試してみた – TechHarmony>https://blog.usize-tech.com/amazon-bedrock-rag/]] 2023.12 -[[[やってみた]Amazon BedrockのKnowledge baseを触ってみた #AWSreInvent | DevelopersIO>https://dev.classmethod.jp/articles/try-bedrock-knowledge-base/]] 2023.11 -[[[アップデート] Amazon Bedrockで簡単にRAGが実現できる、Retrieval Augmented Generation (RAG) with Knowledge BaseがとうとうGAになりました！！ #AWSreinvent | DevelopersIO>https://dev.classmethod.jp/articles/update-reinvent2023-bedrock-rag/]] 2023.11
