Repository navigation
ja usage knowledge readme
LangBotはRAG（Retrieval-Augmented Generation）をネイティブサポートしています。ナレッジベースを作成してパイプラインにバインドすることで、ナレッジベースの内容に基づいて質問に答えることができます。
ナレッジベースはRAGエンジンプラグインによって駆動され、異なるRAGエンジンは異なるインデックス作成と検索戦略を提供します。利用可能なRAGエンジンプラグインはプラグインマーケットプレイスで見つけることができます。
ナレッジベースページでナレッジベースを作成ボタンをクリックします:
- ナレッジベース名を入力
- RAGエンジンを選択（インストール済みのプラグインが提供）
- 選択したエンジンの設定フォームに基づいて関連パラメータを入力（例: 埋め込みモデル、チャンクサイズなど）
-
作成ボタンをクリック
Note
RAGエンジンによって設定パラメータが異なり、エンジンのcreation_schema定義に依存します。一部のエンジンでは、まず埋め込みモデルの設定が必要な場合があります。モデルの設定をお読みください。
選択したRAGエンジンがドキュメントのアップロードをサポートしている場合（DOC_INGESTION能力を宣言している場合）、作成後にナレッジベースの「ドキュメント」タブに移動してドキュメントをアップロードします。LangBotはバックグラウンドで自動的に解析とインデックス化を行います。
パイプライン設定に移動し、「AI」タブでLocal Agentをランナーとして選択してから、先ほど作成したナレッジベースを選択します。
ナレッジベースを選択した後、下方で再順位付けモデルを設定して検索品質を向上させることができます：
- 再順位付けモデル：設定済みのRerankモデルを選択（未設定の場合は先にモデル設定で追加してください）
- 再順位付け保持数（Top-K）：再順位付け後に保持する最も関連性の高い結果数、デフォルトは5
Tip
再順位付けモデルはオプションです。設定すると、ナレッジベース検索から返される候補ドキュメントが再順位付けモデルで再スコアリングされ、最も関連性の高い上位K件のみが保持され、大規模モデルに渡されます。無関係な情報の干渉が大幅に減少します。
Note
LangBotの組み込みナレッジベースは、ランナーがLocal Agentに設定されている場合にのみ使用できます。他のランナーについては、それぞれのドキュメントを参照してください。
これでチャットデバッグでナレッジベースを使用したり、このパイプラインにリンクされたボットを通じて使用できます:
既存の知識エンジンプラグインがニーズを満たさない場合、独自の知識エンジンプラグインを開発できます。開発方法については、コンポーネント: 知識エンジンを参照してください。