集めた候補を並べ直す工夫
問題
検索で集めた候補を、質問との関係の深さで並べ直し、上位だけをLLMに渡す工夫はどれか。
同じカテゴリの問題
- 目標に向けて自分で作業を進めるAI
- 対話型の生成AIとの違い
- 人が流れを決めておくエージェント
- AIエージェントが実用に近づいた背景
- 自律性のレベルの考え方
- 処理の途中に人の確認を入れる考え方
- 答える前に資料を探して読む仕組み
- RAGが必要とされる理由
- チャンクに付けるメタデータとは
- ベクトルデータベースの役割
- 言葉が違っても意味の近さで探す検索
-
● 集めた候補を並べ直す工夫 (表示中)
- 基本形の前後に工夫を足したRAG
- 検索の進め方をAIが判断するRAG
- 事柄のつながりをたどって答えるRAG
- RAGを導入するときに大事なこと
- エージェントの中でLLMが受け持つこと
- 大きな目標を小さな作業に分ける利点
- LLMが道具を呼ぶ依頼を出す仕組み
- 作業をまたいで残す記憶
- 長い作業で渡す情報を整理すること
- LLMに見せるもの全体を設計する考え方
- 外れてはいけない範囲を守る仕組み
- プログラムが読める形で出させること
- ループの中の「観察」の段階
- AIアプリと外部をつなぐ共通ルール
- MCPでつなぐときの権限の考え方
- まとめ役から仕事を任される側
- エージェントどうしが仕事を頼み合う共通ルール
- 仕事の手順を必要なときだけ読み込む仕組み
- MCP・A2A・Agent Skillsの違い
- 開発の作業を受け持つエージェント
- エージェントが働く環境を整えること
- 3つのエンジニアリングの範囲
- 画面を操作するエージェントの任せ方
- 何十もの資料を読んでレポートにする機能
- 仕事に必要な範囲を超えて任せること
- 使ってよいものだけを並べる方法
- 最初の誤りが後ろの作業で大きくなること
- エージェントで危ない「間接型」の攻撃
- 1つの対策に頼らない考え方
- Human-in-the-Loopとは
- 使う前にエージェントを試験すること
- 使い始めてからの見守り方