7週間で本格的なAI検索システムを作れるようになる！実践型RAGコース — production-agentic-rag-course

アーキテクチャ・技術スタック

production-agentic-rag-courseは、複数のサービスをDocker Composeで統合したマイクロサービス構成で動作します。

主要な機能一覧

• 自動データ取り込み: arXiv APIから論文を自動取得、Doclingを使ったPDF解析
• BM25キーワード検索: OpenSearchによる高精度なキーワード検索基盤
• ハイブリッド検索: RRF（Reciprocal Rank Fusion）を用いたキーワード＋セマンティック検索の融合
• セクション対応チャンキング: 文書をセクション単位で分割し、オーバーラップ戦略を適用
• ストリーミング応答: Server-Sent Eventsによるリアルタイムレスポンス
• エージェント型RAG: ガードレール（不適切クエリの検出）、文書のグレーディング（関連性評価）、クエリ書き換え、適応的リトリーバル
• プロンプト最適化: 80%のプロンプト削減で6倍の速度向上

パフォーマンス

• Redisキャッシュにより150〜400倍の応答速度向上
• プロンプト最適化で6倍の速度改善（80%のプロンプトサイズ削減）

開発ツール

• UV: パッケージ管理
• Ruff: コードフォーマッター/リンター
• MyPy: 型チェック
• Pytest: テストフレームワーク
• Makefile: make start、make test、make healthなどの便利コマンド

API エンドポイント

設定オプション

• JINA_API_KEY: Week 4以降のハイブリッド検索に必須（無料APIキー）
• TELEGRAM__BOT_TOKEN: Week 7のTelegramボットに必須
• LANGFUSE__PUBLIC_KEY / LANGFUSE__SECRET_KEY: Week 6の監視機能用（オプション）

コスト

• 基本無料: すべてローカルで動作
• オプション: 外部LLMサービスを使う場合のみ約2〜5ドル

ライセンス

MITライセンス（商用利用可能）

前提条件

• Docker Desktop（Docker Compose付き）
• Python 3.12以上
• UVパッケージマネージャー
• 8GB以上のRAM、20GB以上のディスク空き容量

インストール手順

# 1. リポジトリをクローン
git clone <repository-url>
cd arxiv-paper-curator

# 2. 環境変数の設定
cp .env.example .env
# .envファイルを編集（Jina APIキーやLangfuseキーを追加）

# 3. 依存関係のインストール
uv sync

# 4. 全サービスの起動
docker compose up --build -d

# 5. 動作確認
curl http://localhost:8000/health

特定の週のコードだけを試す場合

git clone --branch week3.0 https://github.com/jamwithai/arxiv-paper-curator
cd arxiv-paper-curator
uv sync
docker compose down -v
docker compose up --build -d