Firestore × Gemini Embeddings の RAG が静かに劣化する — 埋め込み世代交代に耐える再埋め込み設計
Firestore のネイティブベクトル検索と Gemini Embeddings で組んだ RAG は、埋め込みモデルの世代交代でベクトル空間がずれ、検索品質が静かに落ちます。ドリフトの検知、無停止の再埋め込み移行、取得コストの抑え方を実装で詰めます。
ヘルプ記事とスクリーンショットを1つの File Search に入れて、画像も引用できる回答を返す
テキストのヘルプ記事と画面スクリーンショットを別々のストアで管理していて、回答に手順画像を添えられない。gemini-embedding-2 のマルチモーダル対応で両者を同じ File Search に入れ、引用元の画像まで返すまでを実装で整理しました。
権限を尊重する RAG — Gemini 検索で『その人が見てよい文書』だけを根拠にする本番設計
社内ナレッジ検索に RAG を入れた途端、本来見えてはいけない下書きや収支メモが回答の根拠に混ざる。権限を尊重したまま Gemini に検索させるための、メタデータフィルタ・二重チェック・監査ログの本番設計を動くコードで解説します。
Gemini 3.5 Flash 移行で組み直した RAG の3層キャッシュ — レスポンス・検索・埋め込みを段階的に節約する
Gemini 2.0 Flash の廃止を機に、RAG のキャッシュ設計を 3.5 Flash 前提で組み直しました。レスポンス・セマンティック・埋め込みの3層それぞれの実装コードと実測ヒット率、API 側 Context Caching との役割分担までを整理します。
Gemini Embedding の次元を 3072 から 768 へ切り詰める — ベクトルDBのコストとレイテンシを下げる Matryoshka 設計
gemini-embedding-001 は 3072 次元の埋め込みを返しますが、Matryoshka 表現のおかげで前方だけを切り出しても精度がほとんど落ちません。次元を 768 へ削ってベクトルDBのストレージとレイテンシを下げる設計を、再正規化の落とし穴と粗密二段検索のコード付きで組み立てます。
Gemini Embedding モデルを切り替える日：無停止リインデックスの設計
埋め込みモデルを新しくすると、過去に作った全ベクトルが使えなくなります。サービスを止めずに数十万件のベクトルを作り直す二重インデックス方式を、再開可能な再生成ジョブとクエリ側の抽象化層のコード付きで設計します。
Gemini APIでRAG評価フレームワークを構築する：RAGAS・LLM-as-Judge・カスタム指標の統合本番実装マスタークラス
RAGAS・LLM-as-Judge・カスタム評価指標を組み合わせてGemini APIベースのRAGシステムを定量評価するフレームワークの完全実装ガイド。CI/CD組み込みと本番モニタリングまで解説します。
Gemini RAGの選び方 2026 — シンプル・Advanced・Agenticの3パターンを実装で比べた
Gemini API による RAG 実装をシンプル・Advanced・Agentic の3パターンに分けて実コードで比較しました。それぞれの精度と実装コストのトレードオフ、ユースケース別の選択基準、まずシンプル RAG を計測してから広げる進め方を提案します。
Gemini API × Cloudflare Vectorize で完全エッジ RAG を構築する — 低レイテンシ・低コスト・グローバル配信の本番設計
Gemini Embedding と Cloudflare Vectorize を組み合わせ、Workers ランタイム上で完結する低レイテンシ・低コストの本番エッジ RAG を実装します。サブリクエスト制限の回避、リトライ、フォールバック、コスト試算まで踏み込みます。
Gemini API で構築する GraphRAG — 知識グラフ × ベクトル検索の本番ハイブリッド RAG
ベクトル検索だけでは答えられない関係性を辿る質問のために、Gemini で知識グラフを抽出しベクトル検索と組み合わせる GraphRAG を構築します。グラフ抽出、並列構築、質問の分岐、コンテキスト統合、本番で詰まる5つの落とし穴まで動くコードで解説します。
Gemma 4 で RAG システムを構築する——ローカルLLMとベクトル検索を組み合わせた実践アーキテクチャ
Gemma 4 の256Kコンテキストと Apache 2.0 ライセンスを活用した RAG（Retrieval-Augmented Generation）システムの設計・実装ガイド。ChromaDB、pgvector との統合、チャンキング戦略、プロダクション最適化まで完全解説。
Gemini API Embedding × ベクトルDB完全比較: Pinecone・Qdrant・pgvector・Cloud Spannerを本番で使い分けるガイド
Gemini text-embedding-004でPinecone・Qdrant・pgvector・Cloud Spanner Vectorを実測比較。コスト・レイテンシ・実装難易度を完全網羅した本番ベクトルDB選択ガイド。