Repolode
投稿する
NVIDIA

NVIDIA/GenerativeAIExamples

NIMとNeMo microservicesを活用してRAGパイプライン、エージェント型AI、LLMのファインチューニングを構築するための、NVIDIA向けリファレンスワークフロー集です。

GitHub で見る
スター
4,224
フォーク
1,101
未解決の Issue
85
最終コミット
一昨日

これは何？

NVIDIA Generative AI Examplesは、NVIDIAのソフトウェアスタック上で生成AIシステムを構築する方法を示すリファレンスワークフロー集です。検索拡張生成（RAG）パイプライン、エージェント型ワークフロー、ツール呼び出し、モデルのファインチューニングを取り上げており、各例はJupyter notebook、サンプルアプリケーション、またはDocker Compose構成として提供されています。

RAG関連の内容には、LangChainやLlamaIndexのコネクターを使ったnotebookやエンドツーエンドの例が含まれます。基本的な構成から、マルチターン、マルチモーダル、構造化CSVデータ、クエリ分解まで扱っています。例ではデフォルトでNVIDIA API Catalogのホスト型NIMエンドポイントを呼び出し、一部はオンプレミスでも実行できます。さらに、NeMo microservicesを基盤とするData Flywheelワークフロー、ガードレールやLLM監査のチュートリアル、動画モニタリングや画像検索向けのVision NIMワークフローも紹介しています。

このリポジトリは、すでにLangChainまたはLlamaIndexを使っていて、NVIDIA NIM、NeMo Retrieverなどのサービスをアプリケーションに組み込みたい開発者を対象としています。

主な機能

  • 01LangChainとLlamaIndexを使った基本および応用的なRAGの例
  • 02NeMo microservicesを使ったツール呼び出し向けのファインチューニングと評価
  • 03NeMo Retriever NIMを使ったエージェント型RAGのnotebook
  • 04動画イベントのモニタリングや自然言語による画像検索のためのVisionワークフロー
  • 05サンプルRAGプレイグラウンドを実行するためのDocker Compose構成

ユースケース

  • NVIDIAがホストするモデルを使い、独自ドキュメントを対象とするRAGチャットボットを試作する
  • 小規模なLLMを関数呼び出し向けにファインチューニングし、精度を測定する
  • 既存のLangChainまたはLlamaIndexアプリケーションにNIMベースの検索機能を追加する
  • 製品を構築する前に、マルチモーダルまたは構造化データを使ったRAGのパターンを検討する

クイックスタート

  1. 1

    NVIDIA API CatalogからNVIDIA APIキーを取得する

    export NVIDIA_API_KEY=nvapi-...
  2. 2

    リポジトリをクローンする

    git clone https://github.com/nvidia/GenerativeAIExamples.git
  3. 3

    Docker Composeで基本的なRAGパイプラインをビルドして実行する

    cd GenerativeAIExamples/RAG/examples/basic_rag/langchain/ && docker compose up -d --build
  4. 4

    https://localhost:8090/ でサンプルのRAG Playgroundを開き、クエリを送信する

使う前に知っておきたいこと

  • サンプルはNVIDIA API Catalogのエンドポイントを利用するため、NVIDIA APIキーが必要です。
  • 多くのサンプルは、単一のインストール可能なライブラリではなく、参考用のノートブックやワークフローです。

収録されている特集

オープンソースの AI エージェント・フレームワークとアプリマイクロサービスのフレームワークとサービス基盤

トピック

#rag#llm#nvidia#langchain#llamaindex#agents#fine-tuning#microservices#gpu-acceleration#large-language-models

よくある質問

GenerativeAIExamples とは？
NIMとNeMo microservicesを活用してRAGパイプライン、エージェント型AI、LLMのファインチューニングを構築するための、NVIDIA向けリファレンスワークフロー集です。 NVIDIA Generative AI Examplesは、NVIDIAのソフトウェアスタック上で生成AIシステムを構築する方法を示すリファレンスワークフロー集です。検索拡張生成（RAG）パイプライン、エージェント型ワークフロー、ツール呼び出し、モデルのファインチューニングを取り上げており、各例はJupyter notebook、サンプルアプリケーション、またはDocker Compose構成として提供されています。
GenerativeAIExamples は無料で使えますか？ライセンスは？
GenerativeAIExamples は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
GenerativeAIExamples は今もメンテナンスされていますか？
活発にメンテナンス中。GenerativeAIExamples の最終コミットは 2026年11月6日 です。
GenerativeAIExamples は何に使えますか？
NVIDIAがホストするモデルを使い、独自ドキュメントを対象とするRAGチャットボットを試作する 小規模なLLMを関数呼び出し向けにファインチューニングし、精度を測定する 既存のLangChainまたはLlamaIndexアプリケーションにNIMベースの検索機能を追加する 製品を構築する前に、マルチモーダルまたは構造化データを使ったRAGのパターンを検討する
GenerativeAIExamples のインストール方法は？
NVIDIA API CatalogからNVIDIA APIキーを取得する: export NVIDIA_API_KEY=nvapi-... リポジトリをクローンする: git clone https://github.com/nvidia/GenerativeAIExamples.git Docker Composeで基本的なRAGパイプラインをビルドして実行する: cd GenerativeAIExamples/RAG/examples/basic_rag/langchain/ && docker compose up -d --build https://localhost:8090/ でサンプルのRAG Playgroundを開き、クエリを送信する
GenerativeAIExamples はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/NVIDIA/GenerativeAIExamples

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト