生成AI応用のための RAG入門 －Naïve RAG から Multimodal RAG まで、 簡易実装を通した基礎事項の理解と構築法－

★基本的な RAGの実装方法から、様々な工夫を施した Advanced RAG の構築方法、
　GraphRAG、GPTs、Dify、Perplexit 等による様々な改良手法まで！

生成AI応用のための RAG入門
－Naïve RAG から Multimodal RAG まで、 簡易実装を通した基礎事項の理解と構築法－

＜講師＞
茨城大学　工学部　情報工学科　教授　新納 浩幸 氏

＜日時＞
2025年11月7日(金)　13:00-17:00

＜会場＞
[東京・大井町]きゅりあん 6階中会議室

＜受講料＞
【会場受講】：1名46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円

＊受講料やセミナー申し込み～開催までの流れなど、詳細については、弊社HPのセミナーページを必ずご確認ください。

＜セミナーポイント＞
生成 AI 技術の有力な応用として RAG（Retrieval-Augmented Generation）があります。ChatGPT のようなチャットボットはあらゆる質問に回答できるため、非常に重宝しますが、社内文書や特定の文書に特化した質問には答えることができません。また Web か API を経由して利用するしかないため、セキュリティの面も気になります。そのような背景から RAG が登場しました。
RAG は対象の文書をデータベースに持ち、質問に関連のある記述を文書内から検索して、その検索結果を質問と一緒にチャットボットに入力することで、対象の文書に関する質問にも回答できるようになります。さらにチャットボットの核となる LLM (Large Language Model)をローカルに持てば、オンプレミスの形で、自社内のインフラでRAG システムを運用することが可能となります。
　本セミナーでは RAG の基本事項を解説します。LangChain を利用して、簡易な RAG システムを実装することでRAG とはどういったものか、どういったところに改良点があるか、どういった課題があるかなどが理解できると思います。
また RAG は ChatGPT の出現当初から活発に研究されており、様々な改良手法が提案されています。その中の重要な手法として GraphRAG があります。GraphRAG についても簡単な実装を通して、解説します。
現在 RAG （に相当するシステム）は様々な形でノーコードにより実現することができます。GPTs、Dify、Perplexity、NotebookLM を使ってそれらを解説します。
最後に、図や表などを含む文書に対する RAG（いわゆる Multimodal RAG）の現状についても解説し、ColQwen2 と Gemma3 を利用した簡易な Multimodel RAG の実装法を解説します。

＜講演プログラム＞
(1) RAG とは
　RAG は、大規模言語モデル（LLM）に外部知識を組み合わせて応答を生成する手法です。どのような背景から、この技術が出てきたのか、また現状どのような点が問題になっているかを解説します。

(2) Naïve RAG の実装・構築方法
　RAG の基本概念と仕組みを理解するために、LangChain を使った基本的な RAG (Naïve RAG) の実装例を解説します。

　 (2-1) FAISS を利用したデータベースと検索器の作成
　 (2-2) LangChain の RetrievalQA を利用した RAG の構築
　 (2-3) 公開 LLM の利用

(3) Advanced RAG の実装・構築方法
　Naïve RAG に様々な工夫を施した RAG の総称が Advanced RAG です。検索前後の工夫が多いです。ここでは検索に通常の埋め込みによるものとキーワードによるもののハイブリッド検索、及び検索後の文書のリランキングについて解説します。

　 (3-1) ハイブリッド検索
　 (3-2) リランキング

(4) GraphRAG の実装・構築方法
　GraphRAG は Naïve RAG におけるデータベースをエンティティ間の関係性を記述したグラフ構造を持つ知識グラフに変更し、 RAG における文脈理解と検索精度を高める手法です。

　 (4-1) GraphRAG とは何か
　 (4-2) Neo4j のインストール、インスタンスの作成、起動
　 (4-3) GraphCypherQAChain を利用した GraphRAG の構築

(5) GPTs による RAG システムの構築法
　GPTs はノーコードで ChatGPT をカスタマイズするツールです。GPTs は予め用意してある資料に基づいて GPTs に回答させることができます。これを利用すれば RAG と同じ動作をするシステムが構築できます。

　 (5-1) GPTs とは何か
　 (5-2) GPT Builder の「知識」を利用した RAG の構築

(6) Dify による RAG システムの構築法
　Dify は GPTなどの LLM を活用してAIアプリケーションを簡単に開発・運用できるプラットフォームです。外部のデータソースを検索して回答に利用する RAG の仕組みが GUI や API で手軽に設定できます。

　 (6-1) Dify とは何か
　 (6-2) Dify のインストール
　 (6-3)「ナレッジ」からの「知識を作成」
　 (6-4)「引用と帰属」の設定

(7) Perplexity や NotebookLM によるローカルファイルに対するチャットボット構築法
　Perplexity はインターネット検索を併用したチャットボットですが、検索先の URL を指定できるために、RAG と同等のシステムを実現できます。また NotebookLM は RAG が進化したものと言えます。単純な RAG としての利用以外にも様々な利用法があります。

　 (7-1) Perplexity
　 (7-2) NotebookLM

(8) Multimodal RAG の実装・構築方法
　現実的には、RAG の元になるデータは図や表などを含むマルチモーダルな文書集合である場合がほとんどです。そのため文書内ある図や表などに関するクエリにも対応できる Multimodal RAG の研究が、近年、活発に行われています。

　 (8-1) Multimodal RAG の必要性
　 (8-2) VisRAG、M3DocRAG、MDocAgent などの研究紹介
　 (8-3) ColPali
　 (8-4) ColQwen2 と Gemma3 を利用した Multimodel RAG の構築

　　＜質疑応答＞

• セミナーホームページを見る