🦙 LlamaIndex 0.9 : 理解 : LLM アプリケーションの構築 (翻訳/解説)

翻訳 : クラスキャット セールスインフォメーション
作成日時 : 12/05/2023 (v0.9.11)

* 本ページは、LlamaIndex の以下のドキュメントを翻訳した上で適宜、補足説明したものです：

• Understanding : Building an LLM application

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

🦙 LlamaIndex 0.9 : 理解 : LLM アプリケーションの構築

「LlamaIndex の理解」のスタートにようこそ。これはより高度で微妙なストラテジーに深入りする前に、貴方が LlamaIndex の使用方法を知るための、LLM アプリケーションを構築するすべての段階についての短い、簡単に理解できるチュートリアルのシリーズです。もし経験豊富なプログラマーである貴方が LlamaIndex を始めるには、ここが良い開始点です。

LLM アプリケーションを構築する主要ステップ

Tip : 貴方が既に 上位コンセプト のページを読んでいる場合、これらのステップの幾つかを認識するでしょう。

データについて質問応答、チャットボットや自律エージェントの作成等、任意の LLM-強化アプリケーションを構築するのに伴う一連の主要ステップがあります。ドキュメントを通して、アプリケーションを構築する際にこれらのステップを実行する順序でセクションがおおよそ配置されていることに気付くでしょう。以下について学習します :

• LLM の使用 : それが OpenAI であれ、ホストされた任意の数の LLM であれ、貴方自身のローカル実行のモデルであれ、データのインデックス作成と保存からクエリーやパースまで、LLM が過程のすべてのステップで使用されます。LlamaIndex は非常に多くの信頼性の高い、テストされたプロンプトを装備し、そして貴方自身のものをカスタマイズする方法も示します。
  

• ロード : データが非構造化テキスト, PDF, データベース, あるいは他のアプリケーションへの API のいずれでも、それが在るところからデータを取得します。LlamaIndex は LlamaHub であらゆるデータソースへの数百のコネクターを持ちます。
  

• インデックス作成 : データを取得したら、アプリケーションが最も関連性の高いデータを常に操作することを確実にするため、そのデータへのアクセスを構造化する無数の方法があります。LlamaIndex は膨大な数のこれらのストラテジーを組み込んでおり、最良のものを選択するのに役立つことができます。
  

• ストア (保存) : データをインデックス化された形式か、LLM により提供される事前処理された要約を、多くの場合ベクトルストア (下記参照) として知られる特別なデータベースにストアすることがより効率的であることが多分わかるでしょう。インデックス、メタデータ等をストアすることもできます。
  

• クエリー : すべてのインデックス作成ストラテジーは対応するクエリーストラテジーを持ち、そして貴方が取得したものと (API のような構造化レスポンスに変換することを含む) LLM がそれを返す前に行うことの関連性、スピードと精度を向上させる多くの方法があります。
  

• すべてをまとめる : 貴方が質問 & 応答、チャットボット、API あるいは自律エージェントのいずれを構築しているにせよ、アプリケーションを実運用させる方法を示します。
  

• トレースとデバッグ : 可観測性 (observability) とも呼ばれます、それは LLM アプリケーションで問題をデバッグし、改良すべき場所を特定するのに役立つように何が起きているか内部の動作を調べられることは特に重要です。
  

• 評価 : すべてのストラテジーは長所と欠点があり、アプリケーションの構築、出荷と進化の主要なパートは、精度、パフォーマンス、明確さ、コスト等の観点から、変更がアプリケーションを改良したか評価することです。確実に変更の評価をすることは LLM アプリケーション開発の大きなパートです。

以上