皆さん、こんにちは。
私はRAG（Retrieval-Augmented Generation）実装に取り組んでおり、その核心の目標は完全なモジュール性です。どのLLMやベクトルストアを使うかを気にせず、プライバシーのためのローカルモデルとパワーのためのクラウドAPIの間をコアロジックのリファクタリングなしでシームレスに切り替えられるシステムを望んでいました。
私は自身のRAD（Rapid Application Development）手法を用いてシステムをスリムに保ちました。このコミュニティからアーキテクチャに関するフィードバックをいただけると幸いです。
採用しているスタック：
- オーケストレーション： n8n（プロバイダー非依存を実現する「頭脳」部分）
- バックエンド： NestJS（ユーザー権限管理と安全なコンテキストアクセスを担当）
- ベクトルストア： Qdrant ＋ PostgreSQL（メタデータ／文書整合性のため）
- 埋め込み／処理： FastAPI（ローカル埋め込みモデル接続用）
- フロントエンド： Angular
ワークフロー：
- 安全なアクセス： NestJSがユーザーとそのデータアクセス権限を検証。
- オーケストレーション： リクエストによりn8nワークフローが起動。
- ローカル埋め込み： n8nがFastAPIサービスを呼び出し、クエリをベクトルに変換（データプライバシー保持のためローカルモデルサポート）。
- ハイブリッド検索： Qdrantで上位5件を検索し、PostgreSQLから実テキストやメタデータを取得。
- アグノスティックルーティング： n8nがプロンプトを設定されたLLM（ローカルのOllamaやクラウドのGemini/OpenAI等）へルーティング。
- 信頼性： LLMが回答を生成し、元文書にマッピングされたクリック可能な引用[REF-1]を含む。
コミュニティへの質問： RAGロジックにn8nのようなワークフローオーケストレーターを使うのは過剰設計に思えますか？それとも「視覚的」デバッグやプロバイダー非依存性といったメリットは追加レイヤーの価値がありますか？
詳細な図やロジックは以下にドキュメント化しています： www.nospace.net
分離戦略に関するフィードバックをお待ちしています！
