RAGとDatabricks Vector Searchを使用してLLMチャットボットをデプロイする

この製品ツアーでは、エンドツーエンドのRAG（Retrieval Augmented Generation）システムがDatabricks上でどのように動作し、最新かつ関連性の高い情報を各クエリに動的に取り込むことで、AIアプリケーションの精度と関連性を向上させる方法をご覧いただけます。RAGをシームレスにワークフローに統合する方法を見てみましょう。これは、複雑なデータのやり取りを簡素化する直感的なユーザーエクスペリエンスを提供し、チームがデータ管理ではなく戦略的なタスクに集中できるようにします。このツアーでは、以下のことを学びます：

• 非構造化データ（PDF）を取り込むためのワークフローを設定し、それらをデルタテーブルに保存する
• エンベディングモデルを使用してテキストデータをベクトルに変換し、それらをベクトルデータベースに保存します
• 埋め込みモデル、基礎的な言語モデル、さらにはlangchainチェーンまで提供しています！
• あなたのLLMをデータと一緒に連鎖させて、モデルの応答を強化します

自分のワークスペースでこれを試してみたい場合は、製品チュートリアルをご覧ください。