Technical Research and Architecture Design for a Conversational Search System PoC Project, Aug. 2025 ~ Sep. 2025

1. 背景

製造業大手企業をクライアントとするAIベンダーからの依頼で、「現場でのトラブル時に、対応策を提案する対話型高精度検索システム」のPoC（概念実証）プロジェクトにリサーチャーとして参画。本プロジェクトの目的は、GraphRAGを含む複数のRAG（Retrieval-Augmented Generation）技術を適用し、対話形式での回答精度向上を検証することにある。

2. 実施内容

プロジェクトの要求に基づき、以下の技術調査、評価、およびシステム設計を実施した。

2.1. RAGアプローチの体系的な評価

まず、プロジェクト要件を基に、RAG技術の評価基準を策定した。

• 評価基準:
  1. 実現可能性（PoC期間、既存技術での構築可否）
  2. ドメイン・データ特性への適合性
  3. 拡張性・保守性
  4. 実装難易度
  5. 堅牢性（ノイズ耐性）
  6. リアルタイム性

上記基準に基づき、ToG (Think-on-Graph)、GraphRAG、LightRAG、RAS (Retrieval-And-Structuring) を含む8つの最先端RAGアプローチについて、学術論文等の一次情報から各々の長所・短所を分析し、スコアリングによる客観的な比較評価を行った。

2.2. システムアーキテクチャの設計

評価結果を踏まえ、PoCで構築すべきシステムのアーキテクチャを設計した。

• 基本構成:
  • 知識ベース層: ドキュメント群からナレッジグラフを構築・管理する独立したAPIサーバー層。技術としてLightRAGの採用を提案。
  • LLMオーケストレーション層: ユーザーとの対話フローや外部ツール呼び出しを管理するアプリケーション層。LangChain/LlamaIndex等のフレームワーク利用を想定。

この2層分離構造により、開発・チューニングの簡素化、スケーラビリティ、および保守性の向上を図った。また、非構造化テキストからナレッジグラフを自動構築するための具体的な3ステップのパイプライン（エンティティ・関係抽出、構造化、重複排除・最適化）を定義した。

2.3. PoC開発計画の策定

設計したアーキテクチャに基づき、数ヶ月でMVP（Minimum Viable Product）を構築するための具体的なマイルストーンを策定した。

2.4. 技術的質疑への対応

プロジェクト関係者から寄せられるGNN-RAG等の特定技術に関する専門的な質問に対し、その原理や優位性、ユースケースについて、論文を引用しつつ詳細な説明資料を作成・提供した。