Impact-Site-Verification: 578d421e-1081-463d-918b-ec5e29c5b9db
<戻る

AIエージェント意思決定支援システム

業務委託 | Forward Deployed Engineer

概要

同じ問いを賛成・反対の両視点から別々に論証するAIエージェントの開発に参加した.LangGraphで社内文書検索とWeb検索を必要なときだけ呼び,利用企業ごとに検索対象と記憶を分けた.

処理の流れ

記憶の読み込み → 検索要否の判定 → 社内文書検索とWeb検索 → 賛成・反対の論証 → 統合 → 記憶の保存,の順に流れるグラフを組んだ.

  1. 検索が要るかを先に判定する段を置き,不要な検索を呼ばないようにした.
  2. 賛成と反対の論証は,同じ文脈をそれぞれ独立に読み,ReActの形で必要に応じて検索を呼びながら,出典付きの主張を組み立てる.
  3. LLMで推論する段と,記憶の読み書きや文脈の統合のように決まった処理をする段を分けた.

企業ごとの分離と記憶

検索クエリに利用企業の識別子をフィルターとして付け,企業ごとに検索対象を分けた.会話の履歴は利用者とスレッドごとに持ち,上限を超えた分は古いメッセージから削る.回答には情報源のURLを出典として添え,根拠をたどれるようにした.

開発

Dev Containerで開発環境をそろえ,pytestでテストを書き,LangSmithでLLMの呼び出しをトレースした.

使用技術

PythonLangGraphLangChainVertex AI SearchTavilyReActLangSmithpytestDev Container