社内文書のAI検索（RAG）とは？
社内文書のAI検索（RAG）とは、社内文書をAIに答えさせたいという状態を、仕組みで解消することです。KnowledgeBase-RAG-LLM-Systemは、この用途に使えるオープンソースのひとつです。StreamlitとLangChainを用いた軽量なRAG学習プロジェクトです。
- ローカル知識ベースを用いたQAシステムの開発
- RAG（検索拡張生成）の仕組みの学習
- チャット形式のインターフェースを持つAIの試作
- 社内ドキュメントを活用した検索エンジンの構築
- Pythonを用いたLLMアプリケーションの開発
KnowledgeBase-RAG-LLM-Systemを使うと何が変わるのか
このソフトウェアは、Streamlit、LangChain、およびChromaをベースにした軽量なRAG（検索拡張生成）の学習用システムです。ユーザーはローカルの知識ベースをアップロードすることができ、それに基づいた検索拡張型QAやチャット形式のインタラクションを実現します。Pythonで記述されており、LLMを活用した知識検索システムの構築を目的としています。QwenなどのモデルやDashScopeとの連携もサポートしています。
すでに世界で使われている完成品を土台にするので、同じものをゼロから作るより短い期間で済みます。当社は、この土台に対して日本語化、画面や項目の変更、権限、帳票、既存システムとの連携を加えて、御社の業務に合う状態にします。
KnowledgeBase-RAG-LLM-Systemの日本語対応（実測）
KnowledgeBase-RAG-LLM-Systemには日本語のファイルがありません。日本語化から始める必要があります。
| ライセンス | MIT |
|---|---|
| 主な言語 | Python |
| GitHubスター | 239 |
| 日本語ロケール | 日本語ファイルなし（0ファイル） |
GitHubの公開ファイル一覧から日本語ロケールの実ファイルを数えた結果です。配布用のビルド成果物は除いています。技術的な詳細はKnowledgeBase-RAG-LLM-SystemのOSS情報にまとめています。
進め方は？
進め方とは、現場を見て対象を決め、動くものを見ていただきながら作り、御社の環境へ導入するまでの流れのことです。書類で仕様を固めてから作る進め方はしません。
1日目（無料）
現場に伺い、いまのやり方を見せていただきます。社内文書のAI検索（RAG）のどこから手を付けるかを決めます。
2〜4日目
KnowledgeBase-RAG-LLM-Systemを土台に、御社のPCで目の前で開発します。動くものを見ながらその場で直します。
5日目
御社の環境へ導入し、ソースコードと開発ノウハウをお渡しします。以後は自社で改造できます。
その後
追加の作り込みが必要なら、範囲を決めてあらためてお見積もりします。延長を前提にした進め方はしません。
この方法が向かないのは？
向かないのは、基幹システムの全面刷新や、複数部門にまたがる大規模な仕組みのことです。15時間という枠では作り切れません。また、決まった手順を正確に繰り返すだけの処理は、AIを使わないほうが速く確実です。当社ではその部分は普通のプログラムとして作ります。
社内文書のAI検索（RAG）を、まず15時間で試す
名古屋市内なら、1日3時間×5日間の計15時間・税別15万円で試せます。初日3時間のヒアリングと提案は無料です。御社のPCと御社名義のAIエージェントで目の前で開発するので、作り方ごと社内に残ります。成果物とソースコードはお客様のものです。
AI導入お試し実験を見る 動くデモを先に見る（110,000円〜） KnowledgeBase-RAG-LLM-Systemについて相談する社内文書のAI検索（RAG）に使える他のオープンソース
同じ用途に使える土台は他にもあります。ライセンス、日本語対応、規模を比べて選べます。
