検索拡張プロンプト - RAGとの連携

RAG?
、Retrieval-Augmented Generation?
は、AIに外部の情報を検索して与えてから回答させる仕組みよ。

日本語では検索拡張生成と呼ぶわ。

AIの知識には学習データの時点まで?
という限界があるの。

最新のニュースや社内の独自情報は知らないのよ。
そこで外部データベースから関連情報を検索し、プロンプトに含めて回答させるの。

そのとおり。
根拠となる情報を与えることで、事実に基づいた回答が得られるの。

仕組みとしては『質問→関連文書を検索→検索結果+質問をAIに渡す→回答生成』という流れよ。

まさにそのイメージ、ましろちゃん!
オープンブック試験のようなものね。

いい質問ね。
通常はベクトルDB?
を使うの。

文書を数値ベクトル化(エンベディング?
)して、質問に意味的に近いものを検索するわ。

完璧な補足よ。
『首都』で検索しても『キャピタル』という文書が見つかる、それが意味検索の強み。

その通り。
企業の社内FAQ、技術文書Q&A、カスタマーサポート自動化など、

RAG?
は今や生成AI実用化の中心技術になっているわ。

試験でも『RAG=外部知識+生成AIで精度向上』という定義が頻出よ。

素敵な応用アイデアね、ましろちゃん!
和菓子店のレシピをベクトルDB?
に入れれば、

『春向けの季節商品を考えて』と聞いたとき、過去の春メニューから関連情報を引いて提案してくれるわ。

伝統の知恵とAIの融合ね。

いい野望ね、ジャスミンちゃん!
部活や勉強、それぞれに合ったRAGボットを作れるのが今の時代の魅力よ。

ただし、公開情報とそうでない情報の区別は必ず意識してね。

素敵な例え、ましろちゃん。
まさに『AIに外の世界を知る窓』を与える技術なのよ。

その通り。
AIだけでなく、検索基盤全体の品質が結果を左右するの。
RAGシステム開発は総合格闘技みたいなものね。