# GenAIワークフローの概要

> GenAIワークフローの概要 - ベクターデータベース、LLMブループリントの構築と比較、評価指標の追加といった、生成LLMの構築ワークフローに関する一般的な説明を確認します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.662284+00:00` (UTC).

## Primary page

- [GenAIワークフローの概要](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [スタートガイド](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#get-started): In-page section heading.
- [ベクターデータベースの作成](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#create-a-vector-database): In-page section heading.
- [LLMブループリントの構築](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#build-llm-blueprints): In-page section heading.
- [LLMブループリントとのチャットと比較](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#chat-and-compare-llm-blueprints): In-page section heading.
- [LLM評価ツールの使用](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#use-llm-evaluation-tools): In-page section heading.
- [LLMのデプロイ](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#deploy-an-LLM): In-page section heading.
- [次のアクション](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md#whats-next): In-page section heading.

## Documentation content

このセクションでは、生成LLMの構築ワークフローについて、一般的な説明を行います。これには、以下の内容が含まれます。

- ベクターデータベース の作成とバージョン管理。
- LLMブループリント の作成。
- LLMブループリントとの チャットと比較 。
- 評価指標の適用とコンプライアンステストの作成 。
- LLMブループリントの デプロイ 準備。

> [!TIP] ヒント
> 実際に体験してみたい方は、 [GenAIの基本ステップ](https://docs.datarobot.com/ja/docs/get-started/how-to/genai-walk-basic.html.md) をお試しください。

独自のデータやLLMの使用方法、UIではなくコードを使用して作業する方法、およびNVIDIA NIMとの連携に関する情報は、 [完全なドキュメント](https://docs.datarobot.com/ja/docs/agentic-ai/index.html.md) を参照してください。

## スタートガイド

すべては、 [ユースケースの作成](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/usecases/build-usecase.html.md) と [RAGプレイグラウンドの追加](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/playground-overview.html.md#add-a-playground) から始まります。 プレイグラウンドとは、ワークベンチ内のLLM専用のエクスペリメント環境のことで、構築、レビュー、比較、評価、デプロイを行うことができます。

## ベクターデータベースの作成

プレイグラウンドが設定されたら、必要に応じて [ベクターデータベースを追加](https://docs.datarobot.com/ja/docs/agentic-ai/vector-database/index.html.md) します。 ベクターデータベースの役割は、LLMに送信される前のプロンプトを関連性のあるコンテキストで強化することです。 ベクターデータベースを作成する際には、以下の操作を行います。

- プロバイダーを選択します。
- データを追加します。
- 基本設定とテキストチャンキングの詳細を設定します。

[ベクターデータベースはバージョン管理が可能](https://docs.datarobot.com/ja/docs/agentic-ai/vector-database/vector-versions.html.md#create-a-version) であるため、LLMの回答に最新のデータを使用することができます。

## LLMブループリントの構築

LLMブループリントは、LLMから回答を生成するために必要な全内容を表します。その結果として出力されたものは、プレイグラウンド内で比較することができます。

[LLMブループリントの作成](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/build-llm-blueprints.html.md) をクリックすると、プレイグラウンドが開きます。 最初にLLMを選択してから、設定オプションを指定します。

設定パネルで、必要に応じてベクターデータベースを追加し、プロンプティング戦略を設定します。

保存すると、新しいLLMブループリントが左側に表示されます。

## LLMブループリントとのチャットと比較

LLMブループリントの設定が保存されたら、プロンプトを送信（ラグチャット）してみて、さらに改良が必要かどうかを判断します。

次に、複数のブループリントを追加して [比較ツール](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/compare-llm.html.md) を使用し、同じプロンプトを使用して、さまざまなLLMブループリントをテストします。 これにより、デプロイに最適なLLMブループリントを選択できます。

チャットや比較を行う際には、 [プロンプトエンジニアリングのベストプラクティス](https://docs.datarobot.com/ja/docs/reference/gen-ai-ref/prompting-reference.html.md#best-practices-for-prompt-engineering) を参照してください。

## LLM評価ツールの使用

DataRobotは、 [指標とコンプライアンステスト](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/playground-eval-metrics.html.md) を使用して、モデルが本番環境でどのように使用されているかを監視し、不適切な出力に介入してブロックします。

LLMブループリントを設定する前または後に、指標を追加します。

**以前:**
[https://docs.datarobot.com/ja/docs/images/gen-fund-9.png](https://docs.datarobot.com/ja/docs/images/gen-fund-9.png)

**以後:**
[https://docs.datarobot.com/ja/docs/images/gen-fund-10.png](https://docs.datarobot.com/ja/docs/images/gen-fund-10.png)


評価データセットを追加するか、DataRobot内から合成データセットを生成して、目的のタスクに対するモデルのパフォーマンスを系統的に評価します。

評価指標と評価用データセットを組み合わせ、テスト用のプロンプトシナリオを通じて、コンプライアンスの問題を自動的に検出することができます。 DataRobotが提供する評価を使用するか、独自の評価を作成します。

## LLMのデプロイ

LLMブループリントに問題がなければ、プレイグラウンドからレジストリのワークショップに [送信](https://docs.datarobot.com/ja/docs/agentic-ai/playground-tools/deploy-llm.html.md) できます。

[レジストリワークショップ](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/nxt-model-workshop/index.html.md) では、LLMカスタムモデルをテストし、最終的に監視とモデル管理のための一元的なハブである [コンソール](https://docs.datarobot.com/ja/docs/workbench/nxt-console/index.html.md) にデプロイします。

## 次のアクション

- やってみましょう
- 動画を視聴
- 自分で構築