RAGの精度向上とエージェント活用

Transcript

1. 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
2. SPEAKER プロフィール
3. AGENDA 本日の流れ
4. AWS SUMMIT NY 2026 — UPDATE 速報｜マネージドナレッジベースの登場
5. 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
6. 01｜全体像 RAGとは｜ハルシネーションを抑える仕組み
7. 01｜全体像 意味で探す｜埋め込みとセマンティック検索
8. 01｜全体像 なぜ“精度向上”が必要か
9. 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
10. 02｜構築時 ナレッジベース構築の流れ
11. 02｜構築時 チャンク戦略
12. 02｜構築時 ベクトルストアの選択｜まずはS3 Vectors
13. 02｜構築時 解析戦略と埋め込みモデル
14. 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
15. 03｜呼び出し時 APIパラメータで精度を上げる
16. 03｜呼び出し時 リランキング｜精度を上げる代表手法
17. 03｜呼び出し時 クエリ分解｜複合質問に強くなる
18. 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
19. 04｜評価 Amazon Bedrock評価（Evaluations）とは
20. 04｜評価 ナレッジベース評価は2種類
21. 04｜評価 メトリクスと進め方
22. 04｜評価 “感覚”で終わらせない｜お勧め導入3ステップ
23. 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
24. 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。
25. 05｜エージェント 組み込み方法｜retrieveツール / MCPサーバー
26. 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）
27. 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
28. 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
29. 06｜幻のハンズオン 構築は5ステップ
30. 06｜幻のハンズオン データを準備する
31. 06｜幻のハンズオン ナレッジベースを作る（ウィザード）
32. 06｜幻のハンズオン データソースを同期する
33. 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
34. 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
35. 06｜幻のハンズオン アプリから呼び出す
36. 06｜幻のハンズオン 完成！｜こんなことができる
37. WRAP-UP まとめ
38. APPENDIX — REFERENCE 参考｜マネージド と セルフマネージド の比較