Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Bedrockを活用したRAGの品質管理パイプライン構築
Search
とすり
February 04, 2026
Programming
1.1k
5
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Amazon Bedrockを活用したRAGの品質管理パイプライン構築
とすり
February 04, 2026
More Decks by とすり
See All by とすり
AWS IoT GreengrassとRaspberry Piを使って、怠惰な生活検知システムを作る
tosuri13
0
35
Honoを使ったリモートMCPサーバでAIツールとの連携を加速させる!
tosuri13
1
300
S3 VectorsとStrands Agentsを利用したAgentic RAGシステムの構築
tosuri13
6
740
GraphRAGの仕組みまるわかり
tosuri13
10
1.7k
NL2SQLを活用したExcelの生成AI利用アプローチ
tosuri13
0
130
RAGの精度が全然上がらない!! AOSSを使った社内RAG開発の反省
tosuri13
3
250
AWS Chaliceで始める爆速サーバレスチャットボット開発!!
tosuri13
1
320
Amazon BedrockでサーバレスなAIお料理ボットを作成する!!
tosuri13
3
700
React + TextAliveでカッコいいLyric Applicatioinを作ろう!!
tosuri13
1
960
Other Decks in Programming
See All in Programming
スマートグラスで並列バイブコーディング
hyshu
0
290
Haskell/Servantを通してWebミドルウェアを捉え直す
pizzacat83
1
480
【やさしく解説 設計編・中級 #4】ルールの寿命と、システムの年輪
panda728
PRO
2
110
【やさしく解説 設計編 #1】「ドメイン駆動」と「実装駆動」ってなに? 〜設計の考え方を、たとえ話で学ぼう〜
panda728
PRO
1
110
『コードを書く以外の』エンジニアリング〜課金基盤移行プロジェクト推進のためのTips4選
yuriko1211
0
300
【やさしく解説 設計編・中級 #6】良いアーキテクチャとは ~ 一本の登り道の、行き先 ~
panda728
PRO
0
130
Semantic Version 単位で戦略を柔軟に変えて、パッケージアップデートを自動化する
daitasu
1
350
AIエージェントで 変わるAndroid開発環境
takahirom
2
490
コーディングルールの鮮度を保ちたい for SRE NEXT 2026 / keep-fresh-go-internal-conventions-sre-next-2026
handlename
0
140
フィードバックで育てるAI開発
kotaminato
1
110
音楽のための関数型プログラミング言語mimiumにおける多段階計算の活用
tomoyanonymous
1
310
Observability in Practice:Grafana 與 Edge Device SRE 的那些事
blueswen
0
190
Featured
See All Featured
Digital Ethics as a Driver of Design Innovation
axbom
PRO
1
340
KATA
mclloyd
PRO
35
15k
Ruling the World: When Life Gets Gamed
codingconduct
0
280
YesSQL, Process and Tooling at Scale
rocio
174
15k
Google's AI Overviews - The New Search
badams
0
1.1k
Learning to Love Humans: Emotional Interface Design
aarron
275
41k
The AI Revolution Will Not Be Monopolized: How open-source beats economies of scale, even for LLMs
inesmontani
PRO
3
3.6k
Leading Effective Engineering Teams in the AI Era
addyosmani
9
2.1k
Optimising Largest Contentful Paint
csswizardry
37
3.8k
Designing for Performance
lara
611
70k
VelocityConf: Rendering Performance Case Studies
addyosmani
333
25k
My Coaching Mixtape
mlcsv
0
170
Transcript
"NB[PO#FESPDLΛ׆༻ͨ͠ 3"(ͷ࣭ཧύΠϓϥΠϯߏங UPTVSJ.JEPTVKJ5FDI
ͱ͢Γ!UPTVSJ .05&9גࣜձࣾॴଐ +BQBO"MM"84$FSUJ fi DBUJPOT&OHJOFFST
3"(γεςϜͷ࣭Λҡ࣋͢ΔͨΊʹʁ
ҎԼͷΑ͏ͳ3"(γεςϜΛӡ༻͍ͯ͠Δ 8FC্Ͱެ։͞Ε͍ͯΔ υΩϡϝϯτ܈ 7FDUPS%# υΩϡϝϯτΛݕࡧ͢ΔͨΊͷ%# 3"(ηϚϯςΟοΫݕࡧͳͲͰऔಘͨ͠֎෦ͷใΛݩʹੜ"*ͷग़ྗΛڧԽ͢Δख๏ͷ͜ͱ "*νϟοτϘοτ औΓࠐΈ ݕࡧɾࢀর
3"(γεςϜಛ༗ͷ՝ ͦΕʜφϨοδͷυϦϑτʂ
3"(γεςϜΛϦϦʔεͯ͠ऴΘΓͰͳ͘ ܧଓͯ͠εϐʔσΟʹφϨοδΛߋ৽͠ଓ͚Δඞཁ͕͋Δʂ ݕࡧରͷυΩϡϝϯτ ͲΜͲΜͱ༰͕ߋ৽͞ΕΔ چόʔδϣϯͷ ༷Λճ ߋ৽ͤͣʹ์ஔ͍ͯ͠Δͱ ޡճϋϧγωʔγϣϯʹͭͳ͕ΔڪΕ͕ʜ ͜ΕΛφϨοδυϦϑτͱ͍͏
υΩϡϝϯτͷߋ৽ΛτϦΨʔʹͯ͠ ͙͢ʹ7FDUPS%#ө͢ΕେৎͩΑͶ
ͦΕ͚ͩͰෆेʂ υΩϡϝϯτͷߋ৽ΛτϦΨʔʹͯ͠ ͙͢ʹ7FDUPS%#ө͢ΕେৎͩΑͶ
औΓࠐΈݩͷυΩϡϝϯτ͕มߋ͞ΕΔ͜ͱʹΑΓɺ "*νϟοτϘοτͷճ࣭͕มΘͬͯ͠·͏Մೳੑ͕͋Δʂ ݹ͍υΩϡϝϯτͰ ͳ͘ճͰ͖͍ͯͨͷʹʜ ҙਤͨ͠ճ ߋ৽ޙͷυΩϡϝϯτͰ ޡͬͨճΛͯ͠͠·͏͜ͱ͕͋Δ φϨοδυϦϑτͷҰछ ؒҧͬͨճ ཁҼ
ɾจݴͷࠣࡉͳมԽ ɾϊΠζͱͳΔσʔλͷࠞࡏ ɾυΩϡϝϯτߏͷมԽ ɾνϟϯΫՕॴͷζϨͳͲʜ
εϐʔσΟʹφϨοδͷߋ৽Λߦ͑Δʜ ਫ਼ԼΛఆੑతʹධՁͰ͖ΔΈ͕ඞཁʂ
࣭ཧ͕Ͱ͖ΔύΠϓϥΠϯΛߏங͢Δ
࣮ࡍͷύΠϓϥΠϯ͕ͪ͜Β
ύΠϓϥΠϯͷίΞ෦ ͭͷεςοϓͰߏ͞Ε͍ͯΔ
4UFQલॲཧ ߋ৽ରͱͳΔυΩϡϝϯτ܈Λ"84ڥʹऩू͠ ޙଓͷॲཧΛ؆ܿʹ͢ΔͨΊͷมॲཧΛߦ͍·͢ ɾ3"(ͷݕࡧରʹͳΒͳ͍ϑΝΠϧΛআ֎͢Δ ɾෳࡶͳσΟϨΫτϦߏΛύΠϓϥΠϯ༻ʹ࠷దԽ͢Δ ͳͲΛߦ͏
4UFQϕΫτϧੜ υΩϡϝϯτͷΫϦʔχϯάͱνϟϯΩϯάΛߦ͍ "NB[PO#FESPDLͷຒΊࠐΈϞσϧΛ༻ͯ͠ ׂ͞ΕͨνϟϯΫΛຒΊࠐΈϕΫτϧʹҰׅม͠·͢ ˞3"(Ͱ"*͕ॊೈʹυΩϡϝϯτΛݕࡧͰ͖ΔΑ͏ ྨࣅݕࡧͱ͍͏ख๏͕Ұൠతʹར༻͞Ε·͢ ͜ͷͱ͖ʹݕࡧʹ༻͢Δͷ͕ຒΊࠐΈϕΫτϧͰ͢
4UFQσʔληοτੜ υΩϡϝϯτΛ#FESPDLͷςΩετੜϞσϧʹࢀরͤ͞ɺ ࣭ͱճͷϖΞ σʔληοτ Λੜ͠·͢ ͜ΕʹΑΓɺυΩϡϝϯτ͕ߋ৽͞Εͨͱͯ͠ ࣗಈతʹධՁ༻σʔληοτΛ࡞͢Δ͜ͱ͕Ͱ͖·͢
σʔληοτ࡞ͷྫ ݩͱͳΔυΩϡϝϯτ ࠓͷ$POOQBTTΛྫʹ $POWFSTF"1*ͷ5PPM6TFΛ༻ͯ͠ 4USVDUVSFE0VUQVUͷΑ͏ͳܗͰ+40/Λੜͤ͞·͢ ͜͜ʹϝλσʔλΛՃ͑ͯɺධՁ༻ͷσʔληοτͱ͠·͢ ۩ମతʹࢀߟݩιʔεͷ63-Λ༩͢Δ
4UFQਫ਼ධՁ ࣮ࡍʹ"*νϟοτϘοτ͕༻͢ΔϓϩϯϓτΛ༻͍ͯ ݕࡧɾҾ༻ͷਫ਼ධՁΛߦ͍·͢ ɾݕࡧਫ਼ 3FUSJWBM)JU3BUF ɹྨࣅݕࡧͰऔಘͨ͠υΩϡϝϯτ͕σʔληοτͱҰக͍ͯ͠Δ͔Ͳ͏͔ ɾҾ༻ਫ਼ $JUBUJPO)JU3BUF
ɹ--.͕ճͷࢀߟͱͯ͠Ҿ༻ͨ͠υΩϡϝϯτ͕σʔληοτͱҰக͍ͯ͠Δ͔Ͳ͏͔ ҎԼͷ࣠Λ3"(γεςϜͷਫ਼ධՁʹ༻͠·͢
ύΠϓϥΠϯͷӡ༻ίετΛԼ͛Δ 'BSHBUFλεΫͷதͰ ධՁ༻ίϯςφͱ7FDUPS%#ίϯςφͷ ͭΛىಈͯ͠ਫ਼ධՁΛߦ͍·͢ શαʔόϨεɺݻఆඅ༻ͳ͠Ͱ ਫ਼ධՁ͕Ͱ͖ΔΑ͏ʹʂ ˞ຊདྷͰ͋Ε0QFO4FBSDI4FSWJDF "VSPSBͳͲΛผ్ىಈ͢Δඞཁ͕͋Δ ˞νϟϯΫϝλσʔλͷ࣋ͪํ͕ෳࡶͰ͋ΔͨΊɺ,OPXMFEHF#BTFTͰͳ͘ผͷ7FDUPS%#Λ࠾༻͍ͯ͠Δ
ύΠϓϥΠϯಋೖͷޮՌ 👍φϨοδυϦϑτΛ͛ΔΑ͏ʹͳͬͨʂ ˠυΩϡϝϯτͷߋ৽ɾެ։ޙɺ͙͢ʹ3"(γεςϜөͰ͖ΔΑ͏ʹ ˠਫ਼ධՁͷείΞΛϞχλϦϯά͢Δ͜ͱͰɺਫ਼ԼΛ͙͢ʹݕͰ͖ΔΑ͏ʹ 👍࣭ςετͷΛେ෯ʹݮ͢Δ͜ͱ͕Ͱ͖ͨʂ ˠσʔληοτͷࣗಈ࡞ͳͲɺຊདྷͰ͋Εͷ͔͔Δ࡞ۀΛࣗಈԽ͢Δ͜ͱ͕Ͱ͖ͨ ˠͷݮʹΑΓɺυΩϡϝϯτߋ৽࣌ͷϦϦʔεΛਝʹߦ͑ΔΑ͏ʹ ˞ੜ"*ʹΑΔϋϧγωʔγϣϯ5PYJDJUZͳͲύΠϓϥΠϯʹΑΔࣗಈධՁͷΈͰશʹ୲อ͢Δ͜ͱ͕Ͱ͖ͳ͍ͨΊɺ ࣮ࡍʹઐࣝΛ࣋ͭΤϯδχΞʹΑΔਓతνΣοΫͱΈ߹Θͤͨ3"(γεςϜͷධՁΛߦ͍ͬͯΔ
·ͱΊ
🌟3"(γεςϜͰφϨοδυϦϑτʹؾΛ͚ͭΔඞཁ͕͋Δ ˠϦϦʔεޙܧଓతʹίϯςΩετΛΞοϓσʔτ͠ͳ͚ΕͳΒͳ͍ ˠߋ৽ޙʹਫ਼Լ͕ൃੜ͍ͯ͠ͳ͍͔Ͳ͏͔ࢹ͢ΔΈ͕͋Δ͜ͱ͕·͍͠ 🌟'BSHBUF 4UFQ'VODUJPOT #FESPDLͷΈ߹Θͤͱͯڧྗ ˠ͍ͣΕαʔόϨεͳαʔϏεͰɺӡ༻ཧͷίετΛେ෯ʹݮ͢Δ͜ͱ͕Ͱ͖Δ ˠϞσϧͷมߋλεΫͷՃͳͲɺγεςϜͷมߋʹରͯ͠ॊೈʹରԠͰ͖Δ ·ͱΊ
͍͞͝ʹએ IUUQTBXTBNB[PODPNKQCVJMEFST fl BTIDSFBUFSBHRVBMJUZQJQFMJOF "84ͷެࣜ8FCϚΨδϯʮ#VJMEFST fl BTIʯʹฐࣾͷࣄྫ͕ ܝࡌ͞Ε͍ͯ·͢ͷͰɺͪ͜Βͥͻ͝ཡ͍ͩ͘͞🙇
5IBOLZPVGPSMJTUFOJOH !UPTVSJˡ5XJUUFSϑΥϩʔ͓ئ͍͠·͢🙇