RAGより知識の構造化が進んで良さそうだけどメンテのコストどうなんだろ
動的検索するんだから要するにRAGだよな！！！！！！データモデルやライフサイクルの話だ！！！！！！
人間のアナロジーで言うと、すごく頭のいい人に「あなたの知識をひとつずつ文章にしてください」ってお願いするような効率の悪さを感じる。
セキュリティで各社引っかかってる印象
面白いけどもう少しベクトル寄りのデータベースがあった方が良さげな気がする
1ヶ月ほど運用中。Vaultが育つほどトークン使用量が増えるため、いろいろ工夫中だが、知識が育っていくので楽しい。
LLM Wikiは、LLMがMarkdown Wikiを永続的に構築・維持する“育つ”ナレッジ基盤。RAGが元資料検索向きなのに対し、複数資料の概念理解・統合や個人学習・研究に向く。
従来はワークフローを実装してた部分をLLMが持ってくれるから、圧倒的に柔軟で拡張しやすいのがよいところ。コンテキストを食うのと時間がかかることが欠点なので、単機能で何か提供するならRAGを作る使い分けかなー
“育つ”ナレッジ基盤「LLM Wiki」とは？RAGとの違いをイラスト付きで整理してみた - Qiita
RAGより知識の構造化が進んで良さそうだけどメンテのコストどうなんだろ
動的検索するんだから要するにRAGだよな！！！！！！データモデルやライフサイクルの話だ！！！！！！
人間のアナロジーで言うと、すごく頭のいい人に「あなたの知識をひとつずつ文章にしてください」ってお願いするような効率の悪さを感じる。
セキュリティで各社引っかかってる印象
面白いけどもう少しベクトル寄りのデータベースがあった方が良さげな気がする
1ヶ月ほど運用中。Vaultが育つほどトークン使用量が増えるため、いろいろ工夫中だが、知識が育っていくので楽しい。
LLM Wikiは、LLMがMarkdown Wikiを永続的に構築・維持する“育つ”ナレッジ基盤。RAGが元資料検索向きなのに対し、複数資料の概念理解・統合や個人学習・研究に向く。
従来はワークフローを実装してた部分をLLMが持ってくれるから、圧倒的に柔軟で拡張しやすいのがよいところ。コンテキストを食うのと時間がかかることが欠点なので、単機能で何か提供するならRAGを作る使い分けかなー