「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
- LangChainベースのOSSのローコードLLMツール
- 主にRAGシステムやカスタムAIチャットボットの作成に活用される。
特徴と機能 †
ノーコード・ローコード開発 †
- D&Dでフローを構築できるUI。
- コーディングせずAIアプリを作成可能。
LangChainを基盤にしているため、プロンプトチェーンやエージェントの設計が容易。
RAG構築 †
VDB（Pinecone、Weaviate、Qdrant など）と連携
モデル対応 †
- OpenAI (GPT-4/3.5) や LLaMA、Gemma、Claude などをサポート。
- Ollama経由でローカルLLMとも連携可能。
APIエンドポイント †
作成したフローは自動的にAPIとして公開可能。
拡張性 †
プラグイン機能で独自のコンポーネントを追加可能。
デバッグ＆モニタリング †
フロー実行時のログを可視化し、エラー特定が容易。
主な活用例 †
- 企業向けFAQチャットボット
- RAGアプリケーション（社内ドキュメント検索システムなど）
- AIエージェントによる自動データ分析
- プロトタイピングやAIサービス開発の効率化
使い方の流れ †
- セットアップ
Dockerを使ってローカル環境に展開可能。
- フロー設計
ノードをD&DしてプロンプトやRAG構造を設計。
- モデル＆DB選定
LLMモデルやベクターストアを選んで接続。
- テスト＆デプロイ
ビルトインのテスト機能で確認後、APIとしてデプロイ。
RAG構築時の強み †
FlowiseAIは、RAGのコア課題である「適切なチャンクの取得」に関して、以下のサポートがある。
- Embeddingモデル選定: チャンクの質を向上。
- 複数DB連携: クエリ時の精度向上。
- インデックス管理:
詳細 †
主な機能 †
GUIでのワークフロー設計 †
D&DでLLMアプリを設計可能。 †
- LangChainのチェーンやエージェント、RAGの構築が容易。
- 言語モデルの推論やデータ取得処理をシームレスに組み合わせ可能。
RAGの構築 †
- ドキュメントをインデックス化し、コンテキストに基づいた回答を生成。
- Vector Store（Pinecone、Weaviate、Chromaなど）に対応。
- 自動インデックス化機能：ユーザーの関心に基づいて。
マルチLLM対応 †
- OpenAI (GPT-4)、Anthropic (Claude)、Mistral、Gemma、Llama3（Ollama経由）など複数のモデルに対応。
- LangChain経由でカスタムモデルも統合可能。
プラグイン＆API連携 †
- Web APIを使って、SlackやDiscord、社内システムと連携。
- LangChainのTool（Tools and Chains）や、Gemma2のWeb APIなども利用可能。
カスタマイズ＆拡張性 †
- ローコードだけでなく、PythonやTypeScript?を使ったカスタムコードの埋め込みが可能。
- カスタムノード用にはJavaScript または TypeScript?、外部API経由でPython。
- Define-by-Run的な設計思想（？エージェントのコト？）で、柔軟に機能を拡張。
技術的なポイント †
RAGの最適化 †
- RAGの構築を前提にしており、インデックス作成の自動化や検索効率の改善が容易。
- チャンクサイズの調整やEmbeddingモデルの選択でチューニング可能
タスクに応じて、チェーンやRetrieval Toolを自動的に選択可能
LLMの選定と調整 †
- ReAct?（Reasoning + Acting）やCoT（Chain-of-Thought）プロンプト設計の支援。
- Zero-shot、Few-shot、K-shotのプロンプト設定もUI上で簡単に調整可能。
使用例 †
- FAQチャットボット
- 社内ナレッジ検索
- データサイエンスワークフロー
デプロイと管理 †
- ローカル環境 or クラウド
- Dockerイメージで簡単にローカル起動可能。
- AWSやGCPなどクラウド環境にもデプロイ可能。
- APIエクスポート
作成したワークフローはREST APIとしてエクスポートし、既存システムに統合。
参考 †
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
