← 構成図一覧に戻る

AI-Driven Dev Knowledge Platform

技術ドメイン収集 AI / Knowledge Base 生成日: 2026-03-28
AI-Driven Dev Knowledge Platform
クリックで拡大表示
IaCソースコードを見る

凡例

Ingest — ナレッジ取り込みフロー(ソース → S3 → Vector Store)
Query — RAGクエリフロー(ユーザー → API → Bedrock)
Member — メンバー情報同期 / セッション管理
Schedule — EventBridge定期トリガー
Auth — Cognito認証フロー
Monitor — 監視・ログ

概要

Amazon Bedrockのナレッジベース機能(RAG)を活用し、組織内に分散するドメイン知識・開発ナレッジ・メンバースキル情報を統合的に蓄積・検索できるプラットフォームです。

開発者やPMが自然言語で質問するだけで、社内の設計書・ADR・開発パターン・メンバーのスキル情報を横断的に検索し、AI が文脈を理解した上で回答を生成します。AI駆動開発における「誰に聞けばいいか」「過去に同じ課題をどう解決したか」「このドメインの制約は何か」といった問いに即座に答え、開発の精度と効率を底上げします。

データフロー

Ingest ナレッジ取り込みパイプライン

Confluence / Wiki Step Functions (Orchestrator) Lambda (Chunker & Processor) S3 (Domain / Dev / Member) OpenSearch Serverless (Vector Store)
GitHub Repositories Step Functions
Design Docs / ADR Step Functions

Member メンバー情報同期

Member DB (Skills / Roles) Step Functions Lambda (Processor) S3 (Member Profiles) OpenSearch Serverless

Query RAGクエリフロー

Developer / PM CloudFront WAF API Gateway Lambda (Query Handler) Lambda (Context Enricher) Bedrock (Claude) + OpenSearch

Schedule 定期同期

EventBridge (Scheduler) Step Functions ナレッジ再取り込み

レイヤー構成

レイヤーAWSサービス用途
データソースConfluence, GitHub, 設計書, メンバーDBドメイン知識・開発パターン・ADR・スキル情報の4種類のナレッジソース
取り込み IngestStep Functions + Lambdaドキュメントの取得・チャンク分割・前処理・Embedding生成のオーケストレーション
ナレッジストアAmazon S3(3バケット)ドメイン知識・開発パターン&標準・メンバープロフィールを分離管理
ベクトルDBOpenSearch ServerlessEmbedding のインデックスと類似度検索。Bedrock Knowledge Base のバックエンド
AI CoreAmazon Bedrock (Claude)RAG による回答生成。ナレッジベースから関連文脈を取得し、自然言語で回答
エッジ / APICloudFront, WAF, API GatewayCDN配信・L7攻撃防御・REST APIエンドポイント
認証 AuthCognito開発チームメンバーの認証・JWT発行
アプリケーションLambda (Query Handler + Context Enricher)クエリ受付、会話履歴からの文脈補強、Bedrock呼び出し
セッション SessionDynamoDB会話履歴・セッション管理。文脈を維持した連続的な対話を実現
自動化 ScheduleEventBridge定期的なナレッジ再同期(日次/週次)をスケジュール実行
監視 ObserveCloudWatchLambda実行・Bedrock呼び出し・APIレイテンシの監視・アラート

3種のナレッジとAI駆動開発への活用

ナレッジ種別データソースAI駆動開発での活用シーン
ドメイン知識Confluence, 要件定義書, 業務フロー「この業界の規制要件は?」「A社の業務フローの制約は?」→ 設計判断の精度向上
開発ナレッジGitHub, ADR, 設計書, コーディング規約「過去に同じ課題をどう解決した?」「このパターンの推奨実装は?」→ 実装効率の向上
メンバー情報スキルDB, プロジェクト履歴, 担当領域「Kubernetes に詳しいメンバーは?」「このドメインの経験者は?」→ 最適なアサイン・相談先

コスト概算

ap-northeast-1 (東京) リージョン基準の月額概算。実際の費用は利用量により変動します。為替レート: $1 = 150円

サービス構成Dev (月額)Prod (月額)
Step FunctionsRAGパイプライン$1-5 (150-750円)$5-20 (750-3,000円)
Lambda文書処理・検索関数$0-5 (0-750円)$5-30 (750-4,500円)
S3ドキュメントストレージ$2-5 (300-750円)$5-20 (750-3,000円)
OpenSearch Serverlessベクトル検索$50-100 (7,500-15,000円)$100-300 (15,000-45,000円)
BedrockEmbedding + 生成AI$20-80 (3,000-12,000円)$80-400 (12,000-60,000円)
CloudFront + WAFフロントエンド配信 + セキュリティ$11-20 (1,650-3,000円)$25-65 (3,750-9,750円)
API GatewayバックエンドAPI$3-10 (450-1,500円)$10-30 (1,500-4,500円)
Cognitoユーザー認証$0 (無料枠内)$0-25 (0-3,750円)
DynamoDBメタデータ・セッション$5-10 (750-1,500円)$10-50 (1,500-7,500円)
EventBridgeドキュメント更新イベント$0-2 (0-300円)$2-5 (300-750円)
CloudWatchログ + メトリクス$5-10 (750-1,500円)$10-20 (1,500-3,000円)
合計$97-247 (約14,550-37,050円)$252-965 (約37,800-144,750円)

前提条件: Dev=ドキュメント1,000件・月間クエリ1万件、Prod=10,000件・月間10万件。Bedrock Claude Haiku + Titan Embedding。OpenSearch Serverless最小2 OCU。

コスト最適化: OpenSearch Serverlessの最小OCU数に注意(Dev環境でも$50/月〜)。Bedrockはバッチ推論でコスト50%削減可。ドキュメントの差分Embeddingで再計算を最小化。

設計のポイント

1. Bedrock Knowledge Base によるマネージドRAG
Bedrock の Knowledge Base 機能を使うことで、Embedding生成・ベクトルインデキシング・類似検索・回答生成のRAGパイプラインをフルマネージドで実現。自前でRAGインフラを構築・運用する必要がなく、ナレッジの追加は S3 にドキュメントを配置するだけ。

2. 3種のナレッジを分離管理
ドメイン知識・開発ナレッジ・メンバー情報を個別の S3 バケットで管理。ナレッジ種別ごとに更新頻度やアクセス制御が異なるため、分離することで運用の柔軟性を確保。クエリ時には OpenSearch のフィルタリングで特定種別に絞った検索も可能。

3. Context Enricher による文脈補強
Query Handler と Bedrock の間に Context Enricher Lambda を配置し、DynamoDB の会話履歴から直近の文脈を付加。「さっき聞いた設計書の件だけど」のような連続的な対話を実現し、AI駆動開発での自然な対話体験を提供。

4. EventBridge による定期的なナレッジ同期
Confluence・GitHub・メンバーDBは常に更新されるため、EventBridge で日次/週次の定期同期をスケジュール。Step Functions がパイプライン全体をオーケストレーションし、差分のみを効率的に再インデキシング。

5. 全サーバーレスによるゼロ運用負荷
Lambda・S3・OpenSearch Serverless・DynamoDB・Step Functions・EventBridge はすべてサーバーレス。インフラ管理が不要で、AI駆動開発チームは「ナレッジを溜めて使う」という本質的な活動に集中できる。

Powered by AWS Diagram MCP Server | Reviewed by AWS Knowledge MCP Server