根拠: Slack要件(検索・提案・レビュー自動化、AIエージェント + RAG)。構築方式: スクラッチ(プラットフォーム非依存)。
1. アーキテクチャ概要
ユーザー(社員)
│
▼
Concierge エージェント ── 意図判定 → [検索 / 提案 / レビュー] へ分配
│
├─▶ 検索エンジン ── RAG(文書ストア)
├─▶ 提案エンジン ── 多観点レビュー → クレジット化判定 + 事業提案ドラフト
└─▶ レビューエンジン ── 成果物レビュー・フィードバック
│
▼
RAG 文書ストア (手法・論文・ガイドライン + 社内文書)
基本原則: RAGで根拠を確保し、LLMエージェントが検索・提案・レビューを実行する。 すべての応答は出典・根拠を伴う。
2. RAG設計 (共通基盤)
① 収集 — クレジット手法PDF(J-Credit AG/FO/WA)、農水省ガイド、学術論文、社内文書。
② 前処理・インデックス化 — チャンキング → 埋め込み → ベクトルインデックス保存。
③ 検索 — ベクトル類似(dense) + キーワード(BM25)ハイブリッド → リランク → 上位K。
④ 引用 — 応答に文書名・ページ・関連度スコアを付与。
3. 機能別設計
3-1. 検索 (Search)
- 自然言語クエリ → RAG検索 → 出典付き要約応答。
- 例:「AWDクレジット化の手法要件は?」→ AG-005 等の根拠を提示。
3-2. 提案 (Proposal)
- 入力:「このプロジェクトはクレジット化できるか?」+ プロジェクト情報。
- 処理: RAG根拠の上で多観点レビュー(市場性 / 収益性 / 手法適合性 等)を経て判定。
- 出力: クレジット化可否判定 + 事業提案ドラフト(根拠・リスク含む)。
- 人間承認ゲート: 最終判断は人が承認。
3-3. レビュー (Review)
- 提案書・文書等の成果物をレビューし改善点をフィードバック。
3-4. オープンイノベーション (社外 / 将来)
- 取引先の技術がクレジットになるか判定する対応窓口。
- 組織間の能力をマッチングし、新規クレジット事業の仮説を提示。
4. 技術スタック
| 要素 | 選択(案) |
|---|
| Embedding | text-embedding-3-large 等 — 精度重視 |
| LLM | 精度重視モデル (規制・手法解釈対応) |
| 検索 | ベクトルインデックス(pgvector) + BM25 ハイブリッド |
| エージェント | LLMエージェント・オーケストレーション (検索・提案・レビュー分配) |
5. データ
- RAGコーパス: Slack指定の公開資料(J-Credit / 農水省 / 経産省 / AWD 等)。
- 社内文書: Greencarbonから受領してインデックス化。
スクラッチ設計 — Slack要件ベース。デモ画面と対応。