← 概念辨析に戻る

Concept Contrast Fable

検索拡張生成とグラフ拡張検索生成

先に結論:RAG は文書ライブラリで資料を探して大規模モデルに与えるもので、Graph RAG はグラフデータベースでエンティティ関係に沿って資料を探すものである。後者は前者の一変種である——検索の基盤が純粋なテキストインデックスからグラフ構造に変わるが、全体的な流れは依然として RAG の枠組みの中にある。

RAG は文書ライブラリで資料を探して大規模モデルに与えるもので、Graph RAG はグラフデータベースでエンティティ関係に沿って資料を探すものである。後者は前者の一変種である——検索の基盤が純粋なテキストインデックスからグラフ構造に変わるが、全体的な流れは依然として RAG の枠組みの中にある。

寓話

本をめくって道を尋ねるのと、図に従って道を尋ねるの

旧市街の図書館にはレファレンスカウンターがある。読者が質問に来ると、相談員のワークフローは数十年変わっていない:まず質問の中のキーワードを分解し、書架で関連する書目を探し、対応する段落をめくり、抜き書きして一段の回答に整理し、読者に手渡す。この流れはみんなに「本をめくって道を尋ねる」と略称されている。

ある年、館に一人の製図師が来て、半年以上かけて館蔵文献から人物、事件、機関、場所を抽出し、巨大な関係図に描き、相談台の壁に掛けた。図では線でつながれていた。「司馬遷」は「史記」、「漢武帝」、「太史令」につながり、「太史令」はさらに「天文観測」、「暦法改訂」、「宮廷記録」につながっていた。

相談員は当初、時折この図をちらりと見て、考えを整理する助けにしていた。後に彼は新しい問い方を編み出した。読者が「司馬遷は史記を書く際に誰の影響を受けたか」と尋ねると、彼は本棚で「司馬遷」「史記」「影響」というキーワードを検索するだけでなく、まず図上で司馬遷の隣接ノード——師、先輩、同時代人、彼が引用した著者——を探し、図上の各関係線に従って本棚から対応する文献を的を絞って取る。この新しい問い方は「図に照らして道を問う」と呼ばれた。

二つの道の尋ね方の違いは結果の形式ではなく、検索経路にある。本をめくる尋ね方はキーワードから本棚への直通線をたどる。図に従う尋ね方には中間駅が一つ増える。まず図を見て、図から関係サブグラフを見つけ、サブグラフの各辺に従って本棚の文献を正確に特定する。図の貢献は、検索がキーワードの推測に頼らず、既知の関係に沿って進めるようにすることだ。

しかし地図に従って道を尋ねるには前提条件がある。地図が作られていなければならない。その地図がなければ、地図に従って道を尋ねることは本をめくって道を尋ねることに逆戻りする。しかも地図の維持には継続的なコストがかかる——所蔵文献が一批更新されるたびに、地図も一批のノードとエッジを更新しなければならない。製図師は一度描けば終わりではない。

相談台は後に二種類の道案内を層別化した。どんな質問もまずキーワードから書物をめくるプロセスに入り、同時にグラフ上で対応する実体ノードを探す。グラフに関連するサブグラフがあれば、グラフに従うプロセスを重ね、サブグラフが導く文献を意味的補強として用いる。グラフが空であるか対応するノードが見つからなければ、グラフに従うプロセスは静かにスキップされ、純粋に書物をめくる経路に戻る。

館長はある業界共有会でこう言った。本をめくって道を尋ねるのは基本技能、図に従って道を尋ねるのは加点項目。加点項目は基本技能の上に築くべきで、逆ではない。

後に相談台の入口に道標が掛けられた。一号窓口は本をめくる作業、二号窓口は本をめくる+図を照合する作業。来た読者はまず一号へ行き、一号が関係の手がかりが必要と判断したら二号へ回す。二つの窓口は同じ本棚を共有する。

検索拡張生成 (RAG)

文書庫から関連するテキスト断片を検索し、それをコンテキストとして大規模モデルに入力し生成品質を高める汎用的な技術パラダイム。検索層は通常、ベクトルまたはキーワードインデックスであり、グラフ構造に依存しない。

グラフ拡張検索生成(Graph RAG)

RAG の一変種で、検索層を知識グラフに置き換える。グラフ上で関連エンティティと関係サブグラフを特定し、辺に沿って関連テキスト断片を抽出し、大規模モデルに生成させる。検索経路はテキスト類似度だけでなく、グラフの構造情報を利用する。

物語の対応

  • 本をめくって道を尋ねる(キーワード→本棚→抜粋→答え):標準的なRAGプロセス、テキスト検索と生成。
  • 関係図(人物、出来事、機関、場所を線で結ぶ):ナレッジグラフ。
  • 図に従って道を尋ねる(まず図を見る→関係線をたどる→文献を特定して取得→生成):Graph RAGのプロセス。
  • グラフが空なら本をめくる方に戻る:Graph RAG は構築済みの知識グラフに依存し、なければ標準 RAG に退化する。
  • 一号窓口と二号窓口の階層化:RAG はベースライン、Graph RAG は増分の積み重ね。

プロジェクトに落とし込む

Graph RAGを行う前に、まず基礎RAGがすでに動いており、明確な不足があることを確認する——通常はマルチホップ推論やエンティティ関係クエリなど、標準RAGの召回が足りない場面だ。いきなり知識グラフを構築してはならない。Graph RAGは継続的な維持コストの層を追加する。グラフのエンティティ抽出、関係更新、バージョン同期だ。また、Graph RAGと標準RAGは生成層を共有し、検索経路だけを分岐させるべきだ。そうすれば、同じ質問で純粋なRAGとGraph RAGを加えたものの回答品質の差を比較するA/Bテストを簡単に行える。

京ICP备2026014272号