生成AIによる基礎から構築方法を学ぶRAG構築入門

《デモンストレーションを通じてLangChain／

LlamaIndexを用いたRAG構築の流れを掴む》

【提携セミナー】

主催：株式会社情報機構

◆LangChain／LlamaIndexを用いたRAG構築の流れを、講師によるサンプルコードの実行を通じてデモンストレーション形式で分かりやすく解説します。
◆これからRAGシステムを構築するエンジニアの方、社内知識活用の生成AI導入を検討している技術者の方におすすめです◎

◆はじめに

生成AIの企業活用が急速に進む一方、大規模言語モデル（LLM）単体ではハルシネーションや情報の陳腐化、社内固有情報への非対応といった限界があります。これを補う技術として注目されているのがRAG（Retrieval-Augmented Generation：検索拡張生成）です。

本講座では、RAGの基本的な仕組みから、チャンク分割・埋め込み・ベクトル検索といった要素技術、検索精度を高める実践的な工夫、評価・チューニングの手法までを体系的に学びます。講座中盤では、LangChain／LlamaIndexを用いたRAG構築の流れを、講師によるサンプルコードの実行を通じてデモンストレーション形式で分かりやすく解説します。
これからRAGシステムを構築するエンジニアの方、社内知識活用の生成AI導入を検討している技術者の方に最適な内容です。

◆受講後に習得できること

• RAGの基本アーキテクチャと処理フロー（インデキシング～検索～生成）の理解
• 埋め込みモデル・ベクトルDB・チャンク分割など、RAGを支える要素技術の知識
• LangChain／LlamaIndexを用いたRAGシステムの実装イメージと勘所
• ハイブリッド検索・リランキングなど、検索精度を高める実践的ノウハウ
• RAGAS等を用いたRAGの評価・チューニング手法

◆受講対象者

• 生成AI・LLMを業務に活用したいが、RAGの仕組みを基礎から体系的に学びたいエンジニアの方
• 社内文書やナレッジベースを検索拡張生成で活用するシステムの構築・検討をしている開発者の方
• LangChainやLlamaIndexなどのフレームワークを用いたRAG実装の勘所を習得したい方
• RAGの精度（チャンク分割・検索手法・評価）に課題を感じている方

◆必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど

• 本講座は講師によるサンプルコード実行（デモンストレーション）形式のため、受講者ご自身での事前環境構築は不要です。
• Pythonの基本文法（変数、関数、ライブラリのimportなど）を理解していると、デモの理解がより深まります。
• ChatGPTなど生成AI・LLMの利用経験があることが望ましい（必須ではない）。
• 事前に目を通すと理解が深まるサイト：LangChain公式ドキュメント（https://python.langchain.com/）、LlamaIndex公式ドキュメント（https://docs.llamaindex.ai/）

◆ご講演中のキーワード

RAG（検索拡張生成）、大規模言語モデル（LLM）、埋め込み（Embedding）、ベクトル検索、チャンク分割、ハイブリッド検索、RAG評価（RAGAS）

担当講師

株式会社LINK.A　（リンクドットエイ）　代表取締役　太田　桂吾　氏

講師紹介
■略歴：
岡山大学　文学部卒業
システムエンジニアとして25年勤務

■専門および得意な分野・研究：
機械学習・ディープラーニング

セミナープログラム（予定）

1．はじめに：生成AIとRAGを取り巻く動向
1）生成AI・LLM活用の現状と企業導入における課題
2）LLM単体利用の限界（ハルシネーション、知識の陳腐化、機密情報の扱い）
3）RAGとは何か～LLMに外部知識を組み合わせるアプローチ
4）RAGとファインチューニングの違いと使い分け

2．RAG理解の前提となる生成AI・LLMの基礎知識
1）大規模言語モデル（LLM）の仕組みの概要
2）プロンプトエンジニアリングの基本
3）トークン・コンテキストウィンドウの考え方
4）主要LLM（GPT、Claude、Gemini等）の特徴と選定の視点

3．RAGの全体アーキテクチャ
1）RAGの処理フロー（インデキシング・検索・生成の3段階）
2）オフライン処理（インデックス構築）とオンライン処理（クエリ応答）
3）RAGシステムを構成する主要コンポーネント
4）RAG導入によるメリットと限界

4．RAGを支える要素技術①：文書の準備とチャンク分割
1）文書読み込み（PDF、Word、HTML等）とデータクレンジング
2）チャンク分割（チャンキング）の目的と重要性
3）固定長チャンキング、再帰的チャンキング、セマンティックチャンキング
4）チャンクサイズ・オーバーラップの設計指針
5）メタデータ付与と構造化情報の活用

5．RAGを支える要素技術②：埋め込みとベクトル検索
1）埋め込み（Embedding）とは何か
2）埋め込みモデルの種類と選定のポイント
3）ベクトルデータベース（Chroma、Pinecone、FAISS等）の比較
4）類似度検索（コサイン類似度等）の仕組み

6．RAGを支える要素技術③：検索精度を高める工夫
1）ベクトル検索（セマンティック検索）の限界
2）キーワード検索（BM25）とのハイブリッド検索
3）リランキング（Re-ranking）によるクエリ結果の再評価
4）クエリ拡張・HyDEなど検索前処理の手法

7．RAGを支える要素技術④：生成（Generation）フェーズ
1）プロンプトテンプレートの設計
2）検索結果のコンテキストへの組み込み方
3）引用元・出典情報の提示方法
4）回答生成時のハルシネーション抑制の工夫

8．【デモンストレーション】講師によるRAGシステム構築のサンプル実行
1）デモ環境・使用ライブラリの紹介（Python、LangChain／LlamaIndex等）
2）サンプル文書の読み込みとチャンク分割の実行画面解説
3）埋め込み生成とベクトルDBへの格納の実行画面解説
4）検索クエリの実行と結果確認
5）LLMと組み合わせた回答生成の実行画面解説
6）簡易RAGアプリケーションの動作確認とポイント解説

9．RAGの精度評価とチューニング
1）RAG評価の観点（忠実性・関連性・網羅性）
2）評価フレームワーク（RAGAS等）の紹介と活用方法
3）評価結果に基づくチューニングの進め方
4）継続的評価（CI／モニタリング）の考え方

10．RAG構築・運用における実践上の注意点
1）機密情報・社内データ活用時のセキュリティ対策
2）コスト（API利用料・インフラ費用）の見積もりと最適化
3）レイテンシ・スケーラビリティへの対応
4）運用フェーズでのデータ更新・再インデックス設計

11．RAGの発展形：GraphRAG／マルチモーダルRAG
1）知識グラフを活用したGraphRAGの考え方
2）画像・音声等を含むマルチモーダルRAG
3）適用シーンの見極め方

12．まとめ・今後の学習の進め方<br> 1）本講座のまとめ
2）RAG構築のロードマップ（PoCから本番運用まで）
3）さらに学ぶための参考情報

13．質疑応答

公開セミナーの次回開催予定

開催日

2026年10月26日   (月)　10:30-16:30　＊途中、お昼休みや小休憩を挟みます。

開催場所

Zoomによるオンラインセミナー

受講料

【オンライン受講（見逃し視聴なし）】：1名 50,600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39,600円

【オンライン受講（見逃し視聴あり）】：1名 56,100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45,100円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。

＊学校法人割引；学生、教員のご参加は受講料50％割引。

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

配布資料

●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。

• 配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
  
• 準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
  （土、日、祝日は営業日としてカウントしません。）
• セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

備考

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。