#ベクトルDB

3件の記事

Oracle 23ai → PostgreSQL+pgvector 移行記：embedding 384次元→3072次元同時移行でRAG精度51%改善した話

本番RAGシステムをOracle 23aiからPostgreSQL+pgvectorに移行した実録です。同時にembeddingモデルを384次元から3,072次元に刷新し、検索精度が51%改善しました。Oracle Freeの12GB制限に直面し、HNSW作成失敗・undo破損など連鎖障害を経験。移行手順・コスト実績・具体的なはまりポイントまで、実装者視点で詳細に解説しています。

#RAG #PostgreSQL #pgvector

記事を読む →

📚

Qiita3月15日· 1分で読める上級🔥 注目

RAGを本番で破綻させないためのチャンキング設計とデータ品質管理チップス

RAGが本番で失敗する原因の80%がチャンキング設計にあります。固定長チャンキングの忠実度は0.47〜0.51に対し、セマンティックチャンキングは0.79〜0.82。最小256トークン確保・セマンティック分割・親子チャンキングの使い分けと、メタデータ付与など実践的なチップスを具体的コード付きで解説します。本番運用で実際に効いた知見が詰まっています。

#RAG #チャンキング #データ品質

記事を読む →

📚

Qiita3月14日· 1分で読める上級

RAGとは

RAGは「質問前に関連資料を検索してからAIに答えさせる」技術です。ドキュメントをベクトル化してDBに保存し、質問時に意味的に近い文章を取り出して与えることで、LLMの3つの弱点（知識のカットオフ・ハルシネーション・社内情報の欠如）を補えます。チャンク化の質が検索精度を大きく左右する実装知見も得られます。

#RAG #ベクトルDB #LLM

記事を読む →