RAG（検索拡張生成）とは
外部の文書を検索して関連情報をプロンプトに加え、それを踏まえて生成AIに回答させる手法。
解説
RAG（Retrieval-Augmented Generation）は、質問に関連する文書を知識ベースから検索し、その内容をプロンプトに添えてから生成AIに答えさせる仕組みです。これにより、モデルが学習していない社内文書や最新情報にもとづいた回答ができ、誤った情報を作り出す（ハルシネーション）リスクも下げられます。検索のために、文書を細かく分割し、意味の近さで探せるようにベクトル化してベクトルデータベースに格納するのが一般的です。
試験での出方
RAGの目的（非公開・最新情報への対応、ハルシネーション抑制）と、ベクトル検索・埋め込みを使う流れが問われます。
あわせて読みたい用語
この用語が解説に出てくる問題
- 情報抽出ソリューションの実装 問2社内文書を Azure AI Search で RAG に使います。文書の中には、紙をスキャンしたテキスト層のない P…
- 情報抽出ソリューションの実装 問3法務部が、契約書 PDF から、見出しの階層・段落・表の構造を保ったまま Markdown 形式でテキストを取り出し、…
- 生成 AI とエージェント ソリューションの実装 問1社内規程に関する質問へ答える生成AIアプリを作ります。規程は数千ページあり毎週どこかが改訂されるため、回答は常に最新の…
- 基盤モデルの応用 問1社内の製品マニュアルは毎日更新されます。問い合わせ対応用の生成 AI アプリで、最新のマニュアル内容に基づいて回答させ…
- 基盤モデルの応用 問6特許文献や技術レポートなど、業界固有の用語が多い大量のラベルなしテキストを保有しています。入力と出力のペアは用意できま…