Usage# AI Factory Models AIファクトリーモデル システムの概要 コアコンポーネント 戦略的メリット ソブリンAIの実装 オペレーションの一貫性 スケーラブルなリソース管理 アーキテクチャの統合 ハイブリッドマネージャーの依存関係 運用ワークフロー モデルのライフサイクル管理 ガバナンスフレームワーク 学習パスウェイ 基礎の理解 実際の実装 参考資料 ユースケースアプリケーション Enterprise RAG Systems プライベートLLM展開 マルチモーダルAIアプリケーション ハイブリッドモデルアーキテクチャ 実装の考慮事項 インフラストラクチャ要件 ネットワークアーキテクチャ セキュリティフレームワーク 運用の複雑さ Gen AI Builder Gen AI Builder プラットフォームアーキテクチャ コアインフラストラクチャの統合 アーキテクチャコンポーネント ナレッジベースフレームワーク 検索システム アシスタントフレームワーク 実装パターン エンタープライズナレッジシステム 検索拡張生成アプリケーション 会話型AIプラットフォーム 開発フレームワーク ナレッジベース開発 アシスタント設定 API開発 統合アーキテクチャ EDB Postgres AIエコシステム 外部システム統合 運用上の考慮事項 パフォーマンス特性 セキュリティフレームワーク ガバナンス統合 はじめに 前提条件 初期実装 学習リソース AI Factory Pipelines なぜパイプラインなのか？ あなたにできること その仕組み 準備者 ナレッジベース 自動処理 誰がパイプラインを使用する必要がありますか? パイプラインを使用する場合 構成値の説明 詳細はこちら Start here Get started Core concepts Storage and access Pipelines reference EDB Postgres AI - AI Accelerator release notes Legal Vector Engine (PGvector) Vector Engine PostgresでVector Searchを使用する理由 Vector Engineを使用するのは誰ですか? それは何を提供しますか? Vectorエンジンの仕組み Vector Engineを使用する必要がある場合 ユースケースの例 AI AcceleratorパイプラインおよびGen AI Builderとの統合 次のステップ AI Factory Release Notes AI Factory 1.3 release notes リリースハイライト 展開オプション 新機能と機能強化 可観測性、モニタリング、インサイト サステナビリティ ESGレポートプレビュー プラットフォームの改善 リソース
