RAGの精度向上とエージェント活用

BPStudy#226 RAGの精度向上とエージェント活用 Amazon Bedrock ナレッジベースで実践するチャンク戦略 S3 Vectors Advanced
RAG エージェンティックRAG 2026.06.23 KINTOテクノロジーズ株式会社 Principal Generative AI Engineer 森田和明

SPEAKER プロフィール

AGENDA 本日の流れ

AWS SUMMIT NY 2026 — UPDATE 速報｜マネージドナレッジベースの登場

CHAPTER 01 RAGと精度向上の全体像 RAGとは / なぜ精度向上が必要か

01｜全体像 RAGとは｜ハルシネーションを抑える仕組み

01｜全体像意味で探す｜埋め込みとセマンティック検索

01｜全体像なぜ“精度向上”が必要か

CHAPTER 02 精度向上① 構築時の工夫チャンク戦略・S3 Vectors・埋め込み

02｜構築時ナレッジベース構築の流れ

02｜構築時チャンク戦略

02｜構築時ベクトルストアの選択｜まずはS3 Vectors

02｜構築時解析戦略と埋め込みモデル

CHAPTER 03 精度向上② 呼び出し時の工夫検索タイプ・リランキング・クエリ分解

03｜呼び出し時 APIパラメータで精度を上げる

03｜呼び出し時リランキング｜精度を上げる代表手法

03｜呼び出し時クエリ分解｜複合質問に強くなる

CHAPTER 04 効果を測る Amazon Bedrock評価（Evaluations）でナレッジベースを採点する

04｜評価 Amazon Bedrock評価（Evaluations）とは

04｜評価ナレッジベース評価は2種類

04｜評価メトリクスと進め方

04｜評価 “感覚”で終わらせない｜お勧め導入3ステップ

CHAPTER 05 エージェントにおけるRAG活用 retrieveツール / MCP / エージェンティックRAG

05｜エージェント通常のRAGとエージェンティックRAG コンテキストエンジニアリングの「選択（Select）」戦略の代表例がRAG。検索は“ツールの一つ”になる。

05｜エージェント組み込み方法｜retrieveツール / MCPサーバー

05｜エージェント実例：リサーチエージェント（第４章でハンズオン掲載）

CHAPTER 06 マルチモーダルRAG 紙面の都合で削除したハンズオンから紹介

06｜幻のハンズオン画像も音声も“読める”マルチモーダルRAG

06｜幻のハンズオン構築は5ステップ

06｜幻のハンズオンデータを準備する

06｜幻のハンズオンナレッジベースを作る（ウィザード）

06｜幻のハンズオンデータソースを同期する

06｜幻のハンズオンコンソールでテスト｜画像から回答する

06｜幻のハンズオンコンソールでテスト｜音声から回答する

06｜幻のハンズオンアプリから呼び出す

06｜幻のハンズオン完成！｜こんなことができる

WRAP-UP まとめ

APPENDIX — REFERENCE 参考｜マネージドとセルフマネージドの比較

RAGの精度向上とエージェント活用

RAGの精度向上とエージェント活用

More Decks by KintoTech_Dev

Other Decks in Technology

Featured

Transcript