汎用LLM・AI開発⭐ リポ 5品質スコア 67/100

ai-searching-docs

ドキュメントを検索してAIが質問に回答するシステムを構築できます。ナレッジベース、ヘルプセンターのQ&A、ドキュメントとの対話、データベースからの質問への回答、社内ドキュメントの検索・回答、カスタマーサポートボット、FAQシステムの構築に利用できます。また、埋め込み検索で重要な文脈が失われる場合、検索結果が関連性の低い場合、目的のドキュメントが検索結果の深くに埋もれている場合、RAGパイプラインの構築、ドキュメント上のセマンティック検索、ベクトルデータベースの検索品質を向上させたい場合にも活用できます。

description の原文を見る

Build AI that searches your documents and answers questions. Use when building a knowledge base, help center Q&A, chatting with documents, answering questions from a database, search-and-answer over internal docs, customer support bot, or FAQ system. Also use when embedding search loses critical context, retrieval returns irrelevant results, the right document is buried deep in search results, RAG pipeline tutorial, semantic search over documents, or vector database search quality.

SKILL.md 本文

注意: このスキルのライセンスは ライセンス未確認 です。本サイトでは本文プレビューのみを表示しています。利用前に GitHub の原本でライセンス条件をご確認ください。

AIを使ったドキュメント検索システムの構築

ユーザーがドキュメントを検索して質問に正確に答えるAIの構築をガイドします。DSPyのRAG(検索拡張生成)パターンを使用します。関連する文章を取得してから、それに基づいた回答を生成します。

ステップ0: データの読み込み

ファイル、データベース、SaaSツールにドキュメントがある場合は、LangChainのドキュメントローダーを使用して、検索パイプラインを構築する前に標準的な形式に変換します。

LangChainドキュメントローダー

from langchain_community.document_loaders import (
    PyPDFLoader,
    TextLoader,
    CSVLoader,
    WebBaseLoader,
    DirectoryLoader,
    NotionDBLoader,
    JSONLoader,
)

# PDF files
docs = PyPDFLoader("report.pdf").load()

# All text files in a directory
docs = DirectoryLoader("./docs/", glob="**/*.txt", loader_cls=TextLoade

...

全文を GitHub の原本で見る →リポジトリ

詳細情報

作者: lebsral
リポジトリ: lebsral/DSPy-Programming-not-prompting-LMs-skills
ライセンス: 不明
最終更新: 2026/5/8

GitHubで原本を見る →フィードバックを送る

Source: https://github.com/lebsral/DSPy-Programming-not-prompting-LMs-skills / ライセンス: 未指定