【要約】OCI Data Catalog 第3回：Object Storage上のOracle DatabaseマニュアルPDFでSelect AI with RAGを構築してみてみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
[WARN: Partial Data] 記事の末尾が途中で切断されているため
// Problem
技術者が膨大な製品ドキュメントから必要な情報を探す際、情報の発見と内容の把握が分断される課題がある。カタログで文書を特定できても、中身を確認するには全文を読む手間が発生する。また、RAGを構築しても、回答の根拠となる公式URL等のメタデータが欠落すると、情報の信頼性を検証できない。
- ・文書の発見と内容検索の役割分担の欠如
- ・回答の根拠（ソース）の提示不足
- ・RAGにおけるメタデータの管理不全
// Approach
筆者はOCIの各サービスに明確な役割を与え、文書管理とRAGを組み合わせた構成を採用した。Data Catalogで文書の所在を管理し、Select AIで内容を検索する。
- ・OCI Data Catalogで文書名やURIを管理
- ・Autonomous AI DatabaseでPDFの抽出、チャンク分割、ベクトル化を実施
- ・Resource Principalを用いてセキュアなサービス間連携を実現
- ・Object StorageのCustom Metadataに公式URLを保持し、回答のSourcesとして表示
// Result
検証の結果、Oracle AI Database 26aiのマニュアルを用いて、高精度なRAG環境を構築できた。これにより、専門的な質問に対しても正確な回答を得ることが可能となった。
- ・約9,590件のチャンクを登録し、自然言語での正確な回答を実現
- ・未記載の情報に対して「確認できません」と回答する制御を確認
- ・Custom Metadataを活用し、回答に公式URLを紐付け可能にした
Senior Engineer Insight
> DBエンジン内でベクトル検索とLLM連携を完結させる設計は、データ移動を最小化し、セキュリティ面でも極めて合理的だ。Resource Principalの活用により、認証情報の管理コストも低減されている。ただし、Data CatalogとRAGは直接連携していないため、実運用ではObject Storageへのメタデータ付与を含むパイプラインの自動化が不可欠となるだろう。