← 概念辨析に戻る

Concept Contrast Fable

検索拡張生成と知識グラフ、一つは倉庫から資料を探し、一つはあらかじめ関係地図を描いておく

先に結論:RAGは回答を生成する前に外部知識ベースから関連断片を検索してコンテキストに注入する、検索と生成のパイプライン機構である。知識グラフは構造化された知識表現方式で、エンティティと関係で知識を事前に組織する。両方とも知識拡張システムに現れるが、一方はどう「検索するか」を気にし、もう一方は知識そのものが「どんな形か」を気にする。

RAGは回答を生成する前に外部知識ベースから関連断片を検索してコンテキストに注入する、検索と生成のパイプライン機構である。知識グラフは構造化された知識表現方式で、エンティティと関係で知識を事前に組織する。両方とも知識拡張システムに現れるが、一方はどう「検索するか」を気にし、もう一方は知識そのものが「どんな形か」を気にする。

寓話

県衙には二つの宝庫がある。一つはいくつもの箱櫃を開けて鍵を探す庫、もう一つは壁に全城の関係網が描かれた庫である。

南陽県に一人の老いた県令がいて、治下の人口は三十万、毎日法廷で百件以上の裁判を裁いた。彼の下には資料を管理する二つの班があった。第一班は「案巻房」と呼ばれ、過去三十年のすべての判例、地券、戸籍記録を三百の大きな鉄の櫃に収め、櫃にはラベルが貼られていた。一件裁くごとに、師爺は案巻房へ走って櫃を探り、似た先例をいくつか見つけて県令に参考として差し出した。

第二班の者は「譜系閣」と呼ばれた——わずか三人で、彼らは違うことをしていた。彼らは県城内のすべての家族、商店、田産、匠戸の関係を巨大な関係図に描き、閣内の四面の壁に掛けた。誰と誰が姻戚か、どの商店がどの家の金を借りているか、誰の田が誰の用水路に接しているかを、図上で異なる色の線で明確に示した。

ある年、複雑な案件が起きた:城南の三つの糧店が同時に同じ米商人を買い占めで訴えた。師爺は案巻室に先例を探しに行った——十二件の類似の「買い占め」判例を引き出した。しかし案件は三度審理しても結果が出なかった。糧店と米商人の関係が複雑すぎたからだ——一つの糧店は米商人の遠縁が開いたもので、別の一店は昨年米商人から金を借りていた。これらの関係は十二件の判例のどこにも見つからなかった。

県令は案巻房の検索を止め、譜系閣の者に図を持って来させた。三人は半炷香で地図上に米商の位置を見つけ、そこから伸びる赤線、青線、緑線をたどり、五分以内に三本の利益連鎖を復元した。案件はその日のうちに判決が下った。廷吏は後にこの図と十二の判例を並べ、一行の注記を書いた。案巻房は類似の前例を見つけさせ、譜系閣は現在の案件の関係を見えさせる。

師爺は後で県令に提案した。系譜閣の図も案巻房に接続できないか。戸棚をめくる結果に、関係図の中でその実体に最も近い三本のリンクの要約を添えるのだ。県令は同意した。案巻房で「米商囤積」を調べると十二件の判例が返り、同時に系譜閣が自動導出した関係略図が付いた。破線で糧舗と米商の間の親族と貸借のつながりを示している。

新システムの重点は、二つの仕組みが統合されていないことにある。案巻房は依然として内容でテキスト断片を検索し、譜系閣は依然としてあの大きな図を維持している。ただ案巻房の出力入口に「関連グラフ摘要」モジュールが一つ増えた。いつか譜系閣が全城の関係データを更新したら——店の譲渡、新しい姻戚関係の成立——案巻房の関連クエリは自動的に追随して変わり、師爺が手動で同期する必要はない。

県令は後にこの事件を新しい官学の教材に書き、次の県令に伝えた。案巻房は類似の前例を探し出す役割、譜系閣は現在の関係を明確に見る役割を担う。二つの班は連携できるが、代替はできない。戸棚をひっくり返す方法で図を描こうとしても、戸棚を壊しても街全体の人情は描けない。譜系閣で先例検索を代用すれば、判決の根拠は不完全になる。

検索拡張生成

回答を生成する前に外部知識ベースから関連する断片を検索してコンテキストに注入し、モデルが検索された情報に基づいて答えるのを助ける。核心は検索・注入・生成というワークフロー機構である。

ナレッジグラフ

エンティティと関係で知識を構造化して表現するデータ形式。ノード、エッジ、属性をあらかじめ定義し、グラフのトポロジー構造を通じて実世界の知識のつながりを表現する。知識表現の一方式である。

物語の対応

  • 案巻室で鉄櫃をめくる:RAG——関連テキスト断片を検索してコンテキストに注入
  • 系譜閣の四面墙の関係図:ナレッジグラフ——エンティティと関係で知識をあらかじめ組織化する
  • 十二件の判例では家族関係を調べられない:純粋な検索では構造化された関係を表現できない
  • 半柱香は関係線に沿って三つの利益チェーンを見つけた:ナレッジグラフの構造クエリ能力
  • グラフを棚のクエリに接続:RAG 検索結果にナレッジグラフの要約を組み込む
  • 二つのものは統合されていない:検索メカニズムと知識表現は二つの独立したコンポーネント
  • 新官学教材のまとめ:RAG と知識グラフは併用すべきで、互いに代替できない

RAG システムアーキテクチャ設計に落とし込む

知識強化システムを設計するときは、まず自分の知識がどの形式で組織するのに最も適しているか判断する。知識が主に非構造化文書(マニュアル、ポリシー、履歴記録)であれば、RAG検索が主線であり、知識グラフは検索結果に関連情報を追加する補助層として使える。知識自体が本質的に関係型(サプライチェーン、ユーザープロファイルの経路、コンプライアンス依存関係)であれば、直接知識グラフでクエリを行い、RAGをフォールバックとする。より一般的なパターンは両者の併用だ。ベクトルストアが大規模な意味的召回を担い、グラフが関係クエリと推論を担い、生成層が両方の結果を結合する。鍵は、グラフで意味検索の仕事をしてはいけないし、ベクトルストアでグラフのマルチホップ推論を模擬してはいけないということだ——それぞれに強みがある。

京ICP备2026014272号