こんにちは AIチームの戸田です 今回は文章検索をひとつのパッケージで実現できる txtai を紹介したいと思います。 LLMは強力ですが、手元の社内資料や議事録などの固有データに関する質問には回答することができません。そこで重要になるのがRAG（Retrieval Augmented Generation）です。 固有データを検索し、関連コンテキストを取り出してPromptとしてLLMに渡すことで、固有データに関する質問に対しても回答することができるようになります。実務での活用において、現在も多くの企業

NTT WEST Engineers' Blog事務局の真木です。   NTT西日本グループの公式ブログで初めてのアドベントカレンダーを実施させていただき、 多くの技術者が企画に参加し、様々な魅力的な記事を書いてくれました！ 今回のアドベント記事をまとめましたので、見逃したものがあればぜひ見てみてください。 （気になる記事タイトルをクリックすると当該記事へジャンプします！） .advent-2025 table { width: 100%; border-collapse: collapse; font-

こんにちは。 ファインディ株式会社でFindy AI+の開発をしているdanです。 Findy AI+ではLLMを活用した分析機能を提供しています。 分析対象は個人・チーム・組織と幅広く、データ量に応じて分析に時間がかかることがあります。分析が完了するまで画面に何も表示されないと、ユーザーは処理が進んでいるのか分からず、待ち時間が長く感じられてしまいます。 この課題を解消するため、LLM分析結果の表示にストリーミング出力を導入しました。 今回は、実装内容とどの程度待ち時間が改善されたのかについてお話ししま

初めに メリークリスマス！！ども！龍ちゃんです。 いや～クリスマスですね。年末ですし、そろそろいろいろな締め作業がありますね。 実は弊社では、裏でこっそりアドベントカレンダーもどきをやっていました。アドベントカレンダーもどきってのは、アドベントカレンダーって「テーマ」があるはずなんですけど、弊社のブログとエンジニアの特徴上、ネタの一貫性を持たせるのが大変だからって理由だったので「フリーテーマ」ですね。というわけで 12 月は毎日投稿されていたって感じです。この時期で投稿記事が爆増えして、ブログの企画をやっ

はじめに NTT西日本の酒井です。本記事ではTableauという分析ツールの生成AI機能を触りながらデータ分析と生成AIの未来について考察します。内容は記事執筆時点(2025年12月16日)時点の情報に基づきます。 対象読者 この記事は以下のような人を対象に書いています。 Tableauと生成AIの連携に興味がある人 生成AIでデータ分析がどう変わるか考えたい人 背景 私はこの会社でデータ分析に関わる仕事に10年ほど携わってきました。ネットワークトラフィックの分析や社内でのデータ活用の推進、社内外のコミュ

こんにちは、サイオステクノロジーの遠藤です。 最近、AIエージェントの話題が増えてきましたね。Claude Code、GitHub Copilot、Cursor… 単体で動くAIツールはたくさんありますが、「複数のAIエージェントを連携させたい」と思ったことはありませんか？ そんなニーズに応えるのが、Googleが2025年4月に発表した A2A（Agent2Agent）プロトコル です。今回は、A2Aプロトコルとは何か、MCPとの違い、どんなメリットがあるのかを解説します。 こんな人に読んでほしい AI

0. はじめに 1. 対象読者 2. 執筆の背景 3. AIエージェントとは？ 3-1. AIエージェントのコアコンポーネント 3-2. 代表的なAIエージェントフレームワーク 3-3. 今回活用したAIエージェント：CrewAIについて 4. AIエージェントの実装 4-1. 実装の目的 4-2. プロセスと実装アーキテクチャ 4-3. 動作環境 4-4. 構築手順 4-4-1. 事前準備 4-4-2. 必要なライブラリのインストール 4-4-3. APIキーの取得 4-4-4. コードファイルの作成と

.table-of-contents > li > ul > li > ul { display: none; } はじめに こんにちは、SRE部 検索基盤SREブロックの 花房 です。2025年12月11日に東京の虎ノ門で開催された「 OpenSearchCon Japan 2025 」にZOZOのエンジニア5人が参加しました。本記事では、会場の様子と印象に残ったセッションについて紹介します。 はじめに OpenSearchCon Japanとは 会場の様子 セッションレポート Maximize Res

こんにちは。 ファインディ株式会社でFindy AI+の開発をしているdanです。 今回は、プロンプトにどのようなデータや指示内容を与えるとLLMが誤った出力をしやすいのかについてお話しします。 プロンプトには何を書くべきで、何を書かないべきなのか。また、LLMに渡すデータはどのような形であるべきなのか。私自身が経験した実際の例をあげて解消までのアプローチ方法をご紹介します。 分析の精度をあげるにはここで紹介する内容では不十分ですが、入門編として参考になれば幸いです。 この記事はファインディエンジニア #

1.はじめに NTT西日本の大賀です。 先日投稿された「話題のAIエージェント作ってみた（ 話題のAIエージェントを作ってみた - NTT WEST Engineers' Blog ）」では、エンジニアが AI エージェントを 1 から実装する方法について紹介されていました。 今回はより幅広

こんにちは、サイオステクノロジーの遠藤です。本ブログはSIOS Tech Labアドベントカレンダー18日目の投稿です。 今回は、RAG評価フレームワークである Ragas の最新バージョン v0.4.0 について紹介します。 さらに、GPT-5の reasoning_effort パラメータを使って、 minimal（高速モード）とhigh（推論重視モード） での評価結果の違いも検証しました。 Ragasのv0.4.0で何が変わったの？ Azure OpenAI ServiceのGPT-5でRagasを

はじめに PS-SLの佐々木です。 アドベントカレンダー14日目になります。 今回はRAGシステムを構築している際にデータの一覧や統計データの取得、集計をしたい場合のTipsを紹介します セマンティック検索が苦手な質問 RAG（Retrieval-Augmented Generation）システムを構築したことがある方なら、こんな経験はないでしょうか。 ユーザー: 「完了率を教えてください」 RAG: 「完了に関する情報が見つかりました。タスクAは完了しています。タスクBも完了しています...」 ユーザー

こんにちは、MEKIKI X AIハッカソンもくもく勉強会の12日目を担当するYokoiです！ 普段はモダナイゼーション案件で生成AIの活用支援をしています。プライベートではドライブとサウナにハマっています。 今日は、ローカル環境で完結するRAG構築について書いてみました。 2025年10月22日、ついに LangChain v1 がリリースされました。 API 設計やエージェント機能が大きく進化しましたが、ネット上にはまだ v0 系の情報が多く、最新仕様で実装しようとすると意外とつまずきがちです。 そこ

目次 はじめに 再帰チャンキング (Recursive Chunking) とは 概略 分割のイメージ Recursive Chunkingによる分割結果 参考URL 実践：インデキシング 1. 準備 2. Inference Endpoint の作成 3. インデックスの作成 4. マッピングの追加 5. ドキュメントの取り込み 6. データの反映 実践：検索と結果検証 ケース1. 表データの検索 考察 比較：Sentence Chunking の場合 ケース2. 階層が深いブロックの検索 比較：Wor

この記事は KINTOテクノロジーズ Advent Calendar 2025 の10日目の記事です🎅🎄 はじめに KINTOテクノロジーズのCloud Infrastructure G(CIG)でInfrastructure Architectを担当している劉(YOU)です。11月から技術広報 Gも兼務することになりました。 2025年11月、弊社は「 CloudNative Days 2025 Winter 」に、スポンサー企業として参加しました。今回のイベントでは、弊社の社員2名が登壇し、私が所属し