【解説】実際の値をもとに、ベクトル化などのRAGの仕組みを根本から理解しましょう - Qiita

はじめに こんばんは、mirukyです。 生成AIを業務で使おうとすると、かなり高い確率でRAGという言葉に出会います。RAGはRetrieval-Augmented Generationの略で、日本語では検索拡張生成と呼ばれることが多いです。 ただ、RAGという言葉だけを聞くと、なんとなく「社内文書を検索してLLMに渡すやつ」くらいの理解で止まってしまいがちじゃないですか。自分の場合、ベクトル化とか検索フェーズの実際のイメージが湧かず、RAGに関してはふわっとした理解をしていました。ですが、否応なく理解しないといけない事情があり、結構ガッツリ学んだので、記事として残したいと思います。 この記事では、RAGの流れを最初から最後まで追いながら、各フェーズで何が起きているのかをできるだけ根本から説明します。各フェーズにフロー図を入れているので、今どこにいるかを軸に据えて読んでみてください。 目

[yarumato]

“社内規程を答えるRAGに、古い議事録や雑談ログまで混ぜると、検索結果がぶれます。最新の正式文書を優先し、古い文書には更新日や版番号をメタデータとして持たせておくと、運用時に迷いません。”