IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 新製品・サービス ＞ エクサウィザーズ、生成AIの回答品質を自社の運用で継続的に改善する「RAGOps」 AI AI記事一覧へ [新製品・サービス] エクサウィザーズ、生成AIの回答品質を自社の運用で継続的に改善する「RAGOps」 2024年5月13日(月)日川 佳三（IT Leaders編集部） リスト エクサウィザーズは2024年5月13日、AIシステム開発ツール「exaBase Studio」のテンプレートとして、AIの回答品質を自社の運用で継続的に改善する「RAGOps」を同年5月から提供すると発表した。品質が高い回答をキャッシュする一方で、品質が低い回答についてはオペレーターが回答を行う仕組みを提供する。入力した回答はデータベースに蓄積され、以降の回答に利用する。回答の品質が求められる用途で活用できるとしている。

前提 Difyのバージョンは Dify：0.6.11 Dify：0.6.13です。 今の最新バージョンで現状できないことをまとめてみました。 いろんな人がXでDifyでできることをあげていってくれていますが、あまりできないことをまとめている人はいなかったのでまとめた次第です。 「探索に時間を費やしたけど結局できなかった...」となる人が少なくなること祈って書いています。 ループ処理の制限 現在のDifyでは、特定の条件を満たすまでループを回す処理の実装が困難です。例えば、Self-RAGのような自己反復型のRAGの実装ができません。 一時的解決策 現状見つかっていないです。実装方法あったら教えてください。 モニタリングツール（LangSmith、Langfuse）との連携 (0.6.12からできるようになりました) できるようになったので、混乱を与えないため内容は削除しました。 AIモデル

はじめに この記事で想定している読者の方 LangChain経由でLLMを用いたchainを使用している方 LangChainと共に使用するLLM実験管理ツールを迷っている方 「LangChain」はLLMをシステムに組み込む際に非常に便利なライブラリであり, 実際に開発に用いられている方も多いと思います。ですが, LLMの性質上プロンプトやchainの構造を変化させての実験が多くなってしまい, 記録・管理が大変になりがちです。そんな場合に使用したいLLMの実験管理ツールについて前編の記事にてLangChainから使用するために選定したLangSmithとLangfuseについて今回は実装を行った上で比較して行こうと思います! TL;DR 今回は以下の画像のデモアプリを作成し3種類のchainについて実際に記録しLangSmithとLangfuseの比較を行いました! デモアプリの入力画面

It’s not just you, Next.js is getting harder to use I wrote a blog post the other day about how Next.js Middleware can be useful for working around some of the restrictions imposed by server components. This led to some fun discussions in the world about whether this was a reasonable approach or if Next.js DX was just... bad. From my perspective, Next.js’ App Router has two major problems that mak

概要 dependency-cruiserは 「循環依存を検知」 「package privateな設計を守る」 このようなことを実現してくれるライブラリです！ スライド版はこちらです！ 目次 背景 🖼️ 使い方 🚧 2.1 install 2.2 configファイル作成 2.3 依存関係グラフ作成 2.4 依存関係の検証 実際にコマンド叩いてみる 🧪 3.1 install 3.2 configファイル作成 3.3 依存関係グラフ作成 3.4 依存関係の検証 ユースケース 💡 4.1 github-actionsで循環依存関係になっているものを検出して知らせる 4.2 package private のような設計を作る 最後に 🚢 参考 ✨ 1. 背景 🖼️ こちらのイベントでdependency-cruiserという言葉を聞いて気になったからです。 業務でTypeScri

Azure AI Searchではベクトル検索の機能が利用できますが、プログラム経由で検索を行うためにテキストをそのまま渡してもベクトル検索が行えませんでした。 本記事では、プログラム経由でベクトル検索を行う手順を紹介します。 前提条件 ベクトル検索実施手順 作業概要 コンソールアプリプロジェクトの作成 必要なパッケージのインストール 検索文字列のEmbbeding ベクトル検索 おわりに 前提条件 以下の環境で実施いたしました。 Azure OpenAIリソースを作成し、「text-embedding-ada-002」をデプロイ Azure AI Searchリソースを作成し、ベクトル検索を有効化したインデックスの作成(ベクター化は上記モデルで実施) C# .Net 8 ベクトル検索実施手順 作業概要 作業は以下の手順で実施します。 コンソールアプリプロジェクトの作成 必要なパッケージの

はじめに この記事はDifyを使った業務用AIツールの開発方法をまとめたものです。 Macのローカル環境上でテキスト分類器を作成することをゴールとしており、 環境構築から実装までを初心者向けに最初から解説しています。 環境構築 モデルの入手 モデルは商用利用可能なElyzaを利用します。 公式が量子化(軽量化)済みのGGUF版を提供してくださっているのでそちらを使用します。 以下のURLのFiles and Versionsからggufファイルをダウンロードしておいてください。 Ollamaの準備 LLMはollama上で動かします。以下の手順に従ってollamaのインストール後、elyzaを起動しておいてください。 ollamaのインストール 以下のURLよりollamaをインストールします。インストール後に起動するとステータスバーにllamaのアイコンが現れます。 ダウンロードURL

概要 Dify v0.6.11で利用可能になったFirecrawlでWebサイトのナレッジ登録が可能に SaaS版のFirecrawlは無料だと500回のリクエスト制限がある OSS版のFirecrawlは無制限でリクエストが可能 この記事ではローカルでOSS版のFirecrawlを立ち上げDifyと繋げる方法を紹介 前提 DockerやGitコマンドが使える ローカル上にDifyが既に起動している OSS版Firecrawlをローカル起動 クローン OSS版Firecrawlは下記で活発に開発が行われています。 このリポジトリをローカルにクローンします