マルチエージェント文書インテリジェンスAI公開中
AgentFlow
複雑な業務ファイルを、出典付きで検証可能なエグゼクティブ向け要約に変えるマルチエージェントプラットフォームです。
成果
文書レビュー時間を85%削減
課題
経営層は、複雑なCSV、Excel、PDF、DOCXを手作業で実用的な要約にまとめるのに何時間も費やしています。
作ったもの
LangGraphで5つの専門LLMエージェント（Orchestrator、Ingest、Retrieval、Verifier、Summarizer）を並べたオーケストレーション済みDAGを構築し、ハイブリッド意味検索とRAGを組み合わせました。
結果
すべての要約が自動的に出典文書に接地し、厳密な引用とフラグ付きのリスクを伴います。
仕組み
- 01
ファイルはIngestに入り、そこでCSV、Excel、PDF、DOCXが分割済み・埋め込み済みの単一表現に正規化されます。
- 02
Orchestratorは毎回グラフ全体を回すのではなく、この要求でどのエージェントを動かすかを決めます。
- 03
Retrievalはチャンクに対してハイブリッド検索を行います。意味には密なベクトル、正確な数値や条項にはキーワード一致です。
- 04
Verifierは草案の各主張を取得した該当箇所と突き合わせ、接地できないものを落とすか印を付けます。
- 05
Summarizerは引用を添えて要約を書き、検証できなかったリスクは覆い隠されるのではなく表に出されます。
AIの層
責務を分けた5つのエージェントをLangGraphのDAGに配置しています。取り込み、検索、検証、要約をひとつの指示にまとめると四つとも下手になるからです。要となるのはVerifierで、根拠のない一文が要約に到達しないために存在します。
エンジニアリングの層
その周囲に、形式ごとの文書パースを備えたFastAPIサービス、リクエストをタイムアウトさせるほど遅い処理のためのバックグラウンドジョブ、検索段階が読むベクトルストアがあります。引用はモデルが繰り返したテキストではなく、原本へのスパンとして保存されます。
主要な技術判断
厳しい指示文ではなく検証エージェントを。
根拠のあることだけを述べよとモデルに言っても、長い文書では持ちません。各主張を取得した該当箇所と突き合わせる独立した工程は持ちます。それは検証可能な答えを持つ別の問いだからです。
埋め込みだけでなくハイブリッド検索を。
密な検索は意味に強く、正確なトークンには弱いままです。財務要約は正確なトークン、つまり数値、日付、条項番号にかかっています。
エージェント同士の会話ではなくDAGを。
自由なエージェント間のやり取りはデバッグが難しく、コストの上限もありません。明示的なグラフなら、実行は再現でき、各ステップは検査できます。