Deep Research システム
このコースは、LLM 基礎、RAG、Agent 詳解のトレーニングを修了した開発者および研究者を対象としています。マルチエージェント協調に基づく Deep Research システムの設計と実装を深く学びます。体系的な理論学習と実践演習を通じて、LangGraph を用いた複雑な研究向け Agent システムの構築に必要な中核スキルを習得し、問題分解、情報検索、内容統合、振り返りと最適化といった重要な工程を実践的に身につけます。
第1日: Deep Research Agent 理論とアーキテクチャ
要件からアーキテクチャまでを体系的に設計する
学習内容 +
1.1 LangGraph と Agent の復習
LangChain / LangGraph における Agent アーキテクチャの復習
Agent の中核コンポーネント、フローモデリング、協調モードの分析
1.2 Deep Research システムのアーキテクチャ設計
Deep Research タスクにおける代表的な要件の分析
研究指向 Agent システムのレイヤードアーキテクチャとモジュール責務の分解
LangGraph に基づく研究プロセスのモデリングと可視化分析
学習目標 +
- ✓ Deep Research システムの要件と設計上の課題を深く理解する
- ✓ レイヤードアーキテクチャ設計とモジュール分解手法を習得する
- ✓ LangGraph を用いた複雑なフローモデリングに習熟する
- ✓ 研究システムの可視化分析と最適化の能力を身につける
第2日: マルチ Agent 協調の実装
理論から実践までの完全実装
学習内容 +
2.1 実践準備
プロジェクト環境のセットアップと依存関係の説明
コード構成の概要とコース目標の導入
2.2 マルチ Agent 協調システムの実装
Question Agent: 問題分析とタスク分解を担当する
Web Search Agent: 外部情報検索タスクを実行する
Summary Agent: 内容を統合し、検索結果の要約を生成する
Reflect Agent: 調査プロセスを振り返り、経路を最適化する
Answer Agent: すべてのコンテキストを統合して最終回答を生成する
2.3 総合実践演習
Deep Research Agent システムをゼロから構築する
競合分析、政策分析、学術レビューなどの代表的な業務シナリオを実践する
システムのチューニングと問題診断スキルを指導する
2.4 まとめと Q&A
コース知識の振り返りと重要ポイントの整理
演習中に受講者から出た質問への回答
今後の発展方向と推奨学習リソースの案内
学習目標 +
- ✓ マルチ Agent システムの開発と統合技術に習熟する
- ✓ 完全な Deep Research システムを構築する能力を身につける
- ✓ 代表的な業務シナリオにおけるシステム設計と実装を習得する
- ✓ システムのチューニングと問題診断の実践スキルを身につける
- ✓ Deep Research Agent システムに関する一貫した知識体系を形成する