RAG アーキテクチャとは？
日付 2026年10月16日
タグ:
#rag
RAG アーキテクチャ（Retrieval-Augmented Generation、検索拡張生成）とは、質問を受けたシステムがまず外部の知識ベースから関連する文章を検索し、それを質問と一緒にプロンプトに入れて、大規模言語モデルに回答させる仕組みです。
名前は Meta AI の Patrick Lewis らによる 2020 年の論文に由来します。モデルの知識は学習時点で止まり、社内文書も知りません。再学習は高価ですが、必要な文章を検索して文脈に入れるのは安く、出典も示せます。
構成はオフラインとオンラインに分かれます。オフラインでは文書をテキスト化してチャンクに分割し、埋め込みモデルでベクトル化してベクトルデータベースに保存します。オンラインでは質問をベクトル化して類似チャンクを探し、キーワード検索やリランカーで候補を絞り、上位をプロンプトに入れて回答させます。
回答が間違う原因の多くは生成ではなく検索です。チャンク分割で文脈が切れる、表やスキャン PDF の解析が崩れる、言い回しの違いでベクトル検索が取りこぼす、といったケースです。まず検索の再現率を単独で評価するのが近道です。