Dify研修（研修事例・一般社団法人K様）
Dify × AIエージェント 内製化研修事例
「RAGを組んだが精度が出ない」その壁を、改善前後の定量比較と段階的なハンズオンで突破。RAG精度改善からAIエージェント制作、MCPサーバー公開まで、40名規模でDify内製化を進めた研修事例です。
生成AIの内製化を目指すK様では、自前でRAGチャットボットを構築したものの、回答精度が安定しないという課題を抱えていました。本研修では「未整形データでRAGを組む → 精度不足を体感 → 改善後と定量比較」という流れで精度改善のロジックを腹落ちさせ、AIエージェント制作とMCPサーバー公開まで、40名規模でハンズオン中心に実施しました。
CASE SUMMARY
課題
未整形データでRAGを組み精度が出ないパターンに陥っていた。検索最適化や回答生成制御の勘所が分からず、40名規模で組織全体の底上げが必要でした。
内容
8時間×2日・40名・講師2名。改善前後を定量比較するRAG精度改善から、コンテキストエンジニアリング、AIエージェント制作、MCPサーバー公開までをハンズオンで。
成果
「検索最適化→回答生成制御→評価」の流れを体系的に理解。AIエージェント制作とMCP公開まで習得し、組織内で再利用・横展開できる状態になりました。
1. 背景・導入前の課題
「とりあえず作ったRAG」が的外れな回答を返し続けると、現場は「やっぱりAIは使えない」と離れていきます。
- RAGの精度不足：未整形のデータでRAGを組み、精度が出ないパターンに陥っていた。
- 体系的な知識の不足：検索最適化や回答生成制御の勘所が分からず、改善の手がかりがない。
- 40名規模での底上げ：一部の担当者だけでなく、組織全体でAI活用の基礎を揃えたい。
原因が「データ整形」「チャンク」「検索方式」のどこにあるのか分からないまま改善は手探りで止まり、結局は外注に丸投げ。せっかくの内製化の機運も、40名分のリスキリングの機会も、ノウハウが社内に残らないまま流れていきます。
2. 研修概要
「未整形データでRAGを組む → 精度不足を体感 → 改善後と定量比較」という流れで、精度改善のロジックを腹落ちさせる構成にしました。
3. カリキュラム
1日目｜Dify基礎 × RAG精度改善
| 時間 | 内容 | 概要 |
|---|---|---|
| 10:00–10:30 | 開会・オリエンテーション | 到達目標の共有、データ取扱い注意事項、環境確認 |
| 10:30–11:00 | Difyの全体像とLLMの基本 | セルフホスト版Difyの機能概要、クラウドLLM vs ローカルLLMの選定基準 |
| 11:00–12:00 | Dify主要ノードの詳細解説 | LLM・質問分類器・IF-ELSE・コード・変数等の役割と活用場面 |
| 13:00–13:50 | チャットボット作成＋プロンプト基礎 | API／ローカルLLM比較、システムプロンプトの効果検証 |
| 13:50–14:45 | RAGチャットボットの作成（改善前） | 未整形データでRAGを構築し、精度不足のパターンを体験 |
| 14:45–15:45 | RAG精度改善の実践（改善後） | データ整形・チャンク最適化・プロンプト制御を段階適用し効果検証 |
| 15:45–16:30 | RAG精度改善の深掘り | 全文検索／ベクトル検索／ハイブリッド検索・Rerankの比較実践 |
| 16:30–17:10 | 自社業務への適用検討 | 対象データ・利用者・精度要件を言語化し、グループで意見交換 |
| 17:10–18:00 | ワークフロー構築・振り返り | 各自ワークフローを構築、質疑応答、2日目の予告 |
2日目｜コンテキストエンジニアリング × AIエージェント
| 時間 | 内容 | 概要 |
|---|---|---|
| 9:30–9:50 | 1日目の復習・ワークフロー共有 | 要点確認、構築済みワークフローの共有・講師補足 |
| 9:50–11:00 | コンテキストエンジニアリングの実践・検証 | 情報補足・シナリオ分岐の実装、3段階の改善効果を定量比較 |
| 11:00–11:20 | RAG精度改善の全体フレームワーク | 検索最適化→回答生成制御→評価サイクルの体系整理 |
| 11:20–12:00 | ナレッジパイプラインの構築 | データ前処理・投入・更新の運用フローをハンズオン |
| 13:00–13:20 | AIエージェントの概要 | 自律判断・外部ツール利用・複数ステップ実行の概念整理 |
| 13:20–14:30 | AIエージェントの制作 | 採用エージェント構築（検索→スクリーニング→レポート自動生成） |
| 14:30–15:00 | DifyのMCPサーバー公開 | ワークフロー/エージェントをMCPサーバーとして公開する手順 |
| 15:00–16:15 | 課題への取り組み | 条件分岐を活用したチャットフローを各自構築、講師巡回サポート |
| 16:15–17:30 | 成果発表・総括 | 制作物の発表・フィードバック、継続サポートのご案内 |
4. 研修の成果
- RAG精度改善を体系化：「検索最適化→回答生成制御→評価」の流れを定量比較で理解し、自社データへの適用方針を言語化できた。
- AIエージェントまで内製：ワークフローにとどまらず、複数ステップを自律実行するエージェント制作まで体験。
- MCP公開で横展開：構築物をMCPサーバーとして公開する手順まで習得し、組織内での再利用の道筋ができた。
5. よくある質問
- なぜ「改善前→改善後」を体感させる構成なのですか？
- 未整形データでRAGを組んで精度不足をまず体験し、データ整形・チャンク最適化・プロンプト制御を段階的に適用して定量比較します。原因と打ち手が結びつくため、研修後に自社データで再現しやすくなります。
- 40名のような大人数でも実践できますか？
- 本事例は40名・講師2名で実施しました。各自がワークフローを構築し講師が巡回サポートする形で、大人数でも手を動かす研修を運営できます。
- AIエージェントやMCPまで踏み込むのはなぜですか？
- RAGチャットボットにとどまらず、自律実行するエージェント制作とMCPサーバー公開まで扱うことで、組織内で再利用・横展開できる状態を目指すためです。
- 自社のデータ・業務に合わせられますか？
- はい。対象データ・利用者・精度要件を言語化するワークを通じて、自社業務への適用方針まで落とし込みます。完全カスタマイズ型で設計します。
関連記事
精度改善の勘所からAIエージェント構築まで、ハンズオン中心の実践研修を自社のデータと業務に合わせて設計します。大人数での内製化教育もご相談ください。
Dify内製化研修を相談する サービス資料をダウンロード
コメント