weaviate-cookbooks

Weaviate クックブック

概要

このスキルでは、Weaviate を活用した AI アプリケーションを構築するための実装ガイドと基本要件をまとめています。接続管理、環境設定、アプリケーションアーキテクチャに関するベストプラクティスに沿って、フルスタックアプリケーションをすばやく構築するには、各リファレンスを活用してください。

Weaviate Cloud インスタンス

ユーザーがまだインスタンスをお持ちでない場合は、クラウドコンソールで登録し、無料のサンドボックスを作成するよう案内してください。Weaviate Cloud から Weaviate インスタンスを作成します。

クックブックを作成する前に

クックブックアプリを生成する前に、次の共通ガイドラインに従ってください。

• プロジェクトセットアップの規約
• 環境要件

その後、以下の該当するクックブックのリファレンスに進んでください。

クックブック一覧

• クエリエージェントチャットボット：ストリーミングとチャット履歴に対応した、Weaviate Query Agent を使用するフルスタックのチャットボットを構築します。
• データエクスプローラー：並べ替え、キーワード検索、Weaviate データの表形式表示に対応したフルスタックのデータエクスプローラーアプリを構築します。
• マルチモーダル RAG：ドキュメント検索の構築：Weaviate Embeddings（ModernVBERT/colmodernvbert）と、生成に Qwen3-VL を使用する Ollama によるマルチモーダル検索拡張生成（RAG）システムを構築します。
• 基本的な RAG：Weaviate を使用して、基本的な検索と生成を実装します。Weaviate コレクションからさまざまな種類のデータを取得する際に役立ちます。
• 高度な RAG：再ランキング、クエリ分解、クエリの書き換え、LLM によるフィルター選択などの機能を追加して、基本的な RAG を強化します。
• 基本的なエージェント：DSPy を使用して、構造化出力に対応したツール呼び出し型 AI エージェントを構築します。AgentResponse シグネチャ、RouterAgent、ツール設計、逐次的な複数ステップのループについて説明します。
• エージェント型 RAG：Weaviate を使って、RAG を活用する AI エージェントを構築します。基本的な RAG ツール、LLM が作成するフィルターを使った階層型 RAG、ベクトル DB のメモリ、Weaviate Query Agent、Elysia の統合について説明します。

インターフェース（任意）

ユーザーが Weaviate バックエンド用のフロントエンドを明示的に求めている場合に使用してください。

• フロントエンドインターフェース：Weaviate バックエンドと連携する Next.js フロントエンドを構築します。

クライアントの使用方法

• 非同期クライアント：本番アプリケーション（FastAPI、非同期フレームワーク）で Weaviate Python 非同期クライアントを使用するためのガイドです。接続パターン、ライフサイクル管理、よくある落とし穴、マルチクラスター構成について説明します。