Open NotebookをollamaとさくらのAI Engineで試してみる。

RAG LLM お勉強自然言語処理

GoogleのNotebook LMは大変有用なサービスです。しかし、利用しようにも利用できない事情が絡む場合があります。そこで、最近日本語の紹介文も増えてきたOpen Notebookを試してみます。触った結果： ollamaでLLMとしてGemma3:4bでトライしましたが、回答精…

#open-notebook #ollama #LLM

2025-10-26

Doclingを使って図入りmarkdownを作成してみる。#2

Python RAG お勉強

図入りmarkdownに手元の資料を整えておくと便利だなと思って、改めてmakdown化を見直し見ました。あっという間に進歩があるかもしれないので、PyMuPDF4LLMらと改めて比較しつつ試行錯誤しましたが、Doclingが良好でした。そのため、Doclingのラッパーに落ち…

#Docling #pdf

2025-08-17

メモ：いろんなRAGを試せるようにしてみる。

LLM RAG Python

目先を変えて色んなRAG方式による回答を試したいので、RAGお試しを作ってみることにしました。汎用的ではありませんが、新しい論文がでたらGemini CLIあたりを使って、追加実装できるような程度に設計用のドキュメントを用意して実装してみました。basicなRA…

#LLM #RAG

2025-08-10

簡単なFastAPIを利用したMCP RAG Serverを作成してみる。

LLM MCP Python RAG 自然言語処理

Model Context Protocol (MCP)に準拠したRAG（Retrieval-Augmented Generation）機能を持つMCPサーバを機能を絞って簡単なものを作ってみます。ローカルで運用するのではなく、別サーバーで運用できるようにします。ここのところお気に入りのjules君と作業…

#自然言語処理 #MCP

2025-07-06

メモ：Google julesのお題としてRAG戦略のテストができるものを作ってみた。

Python RAG LLM 自然言語処理お勉強

julesはGoogleのAIエージェントです。ベータテスト中のため、ごりごりお試しできそうだったので、RAGのお試し環境を構築してみます。以下の様な機能を持つようなお試し環境をかんがえました。 0. 簡単なUIでRAGをお試しできる。 1. User管理ができ、User別…

#LLM #RAG

2025-06-22

メモ：論文を見ながらRAGを実装してみる。RAG+: Enhancing Retrieval-Augmented Generation with Application-Aware Reasoning

RAG LLM 自然言語処理 Python

RAG+: Enhancing Retrieval-Augmented Generation with Application-Aware Reasoningという手法の論文が発表されていましたので試してみます。とにかく、動くところまで実装してみます。この方法のポイントは、RAGとして与えるコンテキストを、KnowledgeとAp…

#RAG #LLM

2025-06-14

メモ：RAGのハイブリッド検索を構築してみる

LLM RAG Python 自然言語処理

RAGのハイブリット検索を試してみます。ハイブリットということで複数の検索方法で検索した結果をRAGで利用するというものです。Langchainでは、multiple retrieversとして、EmsambleRetrieverを使った実装が紹介されています。 python.langchain.com ベクト…

#LLM

2025-05-25

メモ：RAGを実装してみる。理解、分解、再構築。

LLM Python RAG 自然言語処理

これまで、論文をヒントに幾つかのRAGを作成しました。折角なので、それらの機能を分解し、それぞれの機能を組み合わせてみます。今回もローカルLLMで挑戦です。ollamaで動作させたgemma3:4b-it-qatを利用します。4Bクラスとしては高い性能を有していますが…

#自然言語処理 #LLM #RAG

2025-05-21

メモ：Rag実装してみる。AgentRagだったんだけど・・・。

LLM Colaboratory Python RAG 自然言語処理

引き続き、RAG実装で遊んでみます。AgenticRagをChatGPTに読ませて骨子を確認したら、『「Retrieval → Evaluation → Query Refinement → 再検索 → Response Synthesis」という順序が、まさに論文中の処理パイプラインそのものになっています。各フェーズの出…

#LLM