AI-ChatGPT活用

ChatGPTで RAGへの学習方法について

色々な情報をChatGPT側に学習させて、自分用の知りたい回答を受けたい希望があり、その為にRAG（Retrieval-Augmented Generation） を利用するのですが、その際のデータ整備用に、自分の設計書や仕様データをベクトルDBに「学習（登録）」させる方法をメモします。

💻全体構成：ChatGPT + RAG の流れ

以下の流れは、c#、PyThon等のプログラムで自動化ができます。

●登録側
テキストへ編集する[設計書や仕様書(PDF/Word/Excel)] 
      ↓ チャンク分割・前処理
[テキストのチャンク群] 
      ↓ ベクトル化（埋め込み）
[ベクトルDB（FAISS/Chroma/Weaviateなど）]
●利用時      
　　　↑↓ 検索クエリを送る
[近い文脈] → ChatGPT に送信 → 回答生成

👉 RAGの学習＝「文脈を事前に登録して検索可能にする」だけ

  • GPTは設計書そのものを「学習（重み変更）」するのではなし。
  • 設計書を検索できるように「ベクトルで登録」し、クエリ時に「文脈」として送るのがポイント。

ベクトルDBの選択肢

DB名特徴
FAISS軽量でローカルOK、導入簡単
ChromaRAG特化、LangChainと親和性高
WeaviateHTTP API対応、拡張性高
Pinecone商用利用・スケーラブル

💻応用例

利用目的登録内容クエリ例
設計書レビューの自動回答機能仕様書・画面設計書「この機能F001の出力項目は？」
コーディングアシスタント自社のコーディングルール、ログ仕様「ログ出力方法を標準に合わせて教えて」
開発者Q&Aチャットボット（社内用）設計書＋ルール＋用語集＋エラーパターン「登録画面でエラーが出たときの対応は？」

上記の手順と応用例から、プログラム化及びデータの整備を進めていきたいです。

Share this content:

コメントを送信

CAPTCHA