ローカルRAGが
本当に実用に耐える

すでに RAG の章があるローカル AI キットとは、どのような違いがありますか？

ローカルAIキット（第8章）は、AnythingLLMまたはOpen WebUIにRAGをワンクリックでインストールします——PDFをドラッグ＆ドロップして質問を投げると、一時的な使用には最適です。このキットは、本章の内容を終える場所から始まります：測定されたチャンク処理、フランス語の埋め込みベクトルの比較、スケーラブルなベクトルインデックス、ハイブリッド検索、リランク、そして特にRAGが正確に回答しているかを検証するための手法を提供します。第8章の内容はここでは再説明されません。ここでは、ワンクリック機能に含まれていない高度な設定や機能のみが解説されます。

当サイトの7つの無料RAGガイドとは、どのような違いがありますか？

QuelLLM.frの無料ガイドは、各要素を個別に扱っています（ChromaDB単体、チャンキング単体、BM25ハイブリッド単体、Zotero単体など）。キットは、パイプライン全体を順序どおりに組み立てます（データ取り込み → チャンキング → 埋め込み → インデックス → ハイブリッド → リランキング → 生成 → 引用 → 測定）。個々のガイドではつながっていない部分を結びつけ、どの単独ガイドにもない、テスト済みの20ファイル（スクリプト、テンプレート、比較資料）を提供します。料金の対象はこの組み立てとスクリプトであり、基本情報そのものではありません。

このキットの内容に取り組むには、Pythonでコードを書ける必要がありますか？

Python 3.10以降は役に立ち、ほとんどの章（第4章～第12章）で使います。スクリプトは用意されているので、調整すればよく、ゼロから書く必要はありません。第13章（Open WebUI Knowledge、AnythingLLMの高度な設定）は、コードを1行も書かずに取り組めます。このキットはコマンドラインの操作に慣れていることを前提としています。ローカルAIをゼロから始める場合は、まずローカルAIキットから始めてください。

最初の実用的な結果に至るまでにどのくらいの時間がかかりますか？

第1章では、それぞれ30分未満で実行できる3つのクイックウィンを紹介します。既存のRAG環境に適用可能で、迅速な監査、1コマンドでのembedderの変更、検証可能な引用の必須化が含まれます。完全なパイプラインに取り組む前に、測定可能な改善を得ることができます。独自のコーパスで完全なパイプラインを構築する（第2部から第4部）には、1時間ではなく複数セッションが必要です。

どのマシンで動作しますか？

アンカリングのプロファイルは2つあり、各例で名称が指定されています。VRAM 8〜16 GBのPC（推奨される生成モデルは境界値によって異なります）、または統一メモリ 24 GBのMac Apple Siliconです。RAGにおいて、ボトルネックはほぼ常に生成ではなく、インジェスト（OCR、埋め込み）とインデックスサイズです。この2つのプロファイルは、実際のプロ/開発環境の大部分をカバーしています。

私のドキュメントの機密性は保たれますか？

これが基本です。パイプライン（データ取り込み、エンベディング、インデックス、生成）はすべてあなたのマシン上で動作し、第三者に送信されることはありません。メールや機密ドキュメントなどのセンシティブなデータを扱う場合の影響については、第15章で詳しく説明しています。企業向けのマルチユーザー展開（RGPD、AI Act、サーバー構成）には、QuellLMの企業向けローカルAIキット（quelllm.fr/kit-ia-entreprise）が対象で、このキットではありません。

キットはエージェントや自動化をカバーしていますか？

第12章では、最小限のエージェント（1つのエージェント、2つのツール）がRAGをツールとして使用する様子を示しています。原理を理解するには十分な内容で、マルチステップのオーケストレーション、MCP、またはn8nについては、明示的にローカルエージェントキット（quelllm.fr/kit-agents-locaux）への参照を促しています。これらは本キットの対象外です。

購入後に合わなかった場合は？

30日間の返金保証。メール1通で返金を申請でき、理由の提示は不要です。QuelLLMのすべてのキットと同様です。

どのように提供され、どのくらいの期間利用できますか？

お支払い後、すぐにアクセスできます。オンラインの専用スペースは永久に利用でき、常に最新版が提供されます。さらに、PDFと20個のファイルをまとめたZIPをダウンロードでき、永久にお手元に残せます。今後の更新内容（新しい埋め込みモデル、新しいベクトルデータベース、フレームワークの進化）は、追加のお支払いなしで専用スペースに反映されます。

請求書はもらえますか？

はい、自動的に発行されます。Stripe でのお支払い直後に、Stripe の領収書と、Falcon Consulting（QuelLLM の運営元）名義でお客様の情報を記載した PDF 請求書がメールで届きます。お支払い時に、所定の欄に会社名または SIREN をご入力ください。フランス一般租税法（CGI）第 293 B 条により、付加価値税（TVA）は適用されません。

キットは最新の状態に保たれますか？ベクトルデータベースや RAG フレームワークは急速に進化しています。

生涯アップデートとは、こうした仕組みです。エンベッダーの位置づけが変わったとき、ベクトルデータベースが成熟したとき、あるいはフレームワークの変更で互換性が失われたときには、他の QuelLLM キットと同様に、内容を改訂して対応します。第16章では、次の改訂版が出るまでの間に、引用されている事実が今も有効かどうかを自分で確認する方法も説明しています。

QuelLLM のキットが複数欲しい場合は？

「全キット・無期限」バンドルには、現在および将来のすべてのキットが含まれ、価格は 49 ユーロです。すでに 24 ユーロのキットを購入している場合、バンドルへのアップグレード費用は 49 ユーロではなく 25 ユーロです。クーポンは自動的に適用されます。

RAGとは、正確に言うと何ですか？

RAG（retrieval-augmented generation、検索拡張生成）とは、LLMが学習時に得た知識だけで回答するのではなく、回答前にあなた自身の文書から情報を検索する仕組みです。原則として、検証可能な出典の引用も付けます。RAG Localキットは、あなたのPDF、参考文献、メールを対象に、測定を伴うこのパイプライン全体を構築します。

OllamaをRAGに接続する方法

OllamaはRAGパイプラインで生成エンジンとして機能し、多くの場合は埋め込みの生成も担います。たまに使う程度であれば、AnythingLLMやOpen WebUI Knowledgeのようなボタン操作で使えるツールをOllamaに直接接続できます。数百の文書を扱えるパイプラインに向けて、RAG Localキットでは、インターフェースだけに頼るのではなく、テスト済みのスクリプトを使ってOllamaをChromaDBやQdrantに接続する方法を紹介しています。

ローカルでRAGを実行する場合、どのLLMを選択すべきですか？

モデルの選択より、その周囲のパイプラインのほうが重要です。お使いのマシンで動かせる汎用モデルでも、前段の検索処理（チャンク分割、埋め込み、ハイブリッド検索、再ランキング）が適切な文章を渡せば、生成には十分です。RAG Local キットでは、最終モデルの選び方だけでなく、この一連の処理全体を解説しています。