← 概念解説に戻る

Concept Fable

検索拡張生成

先に結論:モデルが関連する外部情報を取得し、回答を生成する際のコンテキストとして使うパターン。

Retrieval-Augmented Generation, RAG · LLMアプリケーション

まず物語を読む。ここでは急いで定義を示さず、まず問題そのものを立ち上がらせる。

寓話

河口のある商队でいつも間違って動かされるあの貨札

河口問事館には答客先生という物知りがいて、記憶力がよく、古い判例や船の証書、税令を滔々と語ることができた。小城で物事が少ない頃は、客が何を尋ねても記憶でだいたい答えられた。後に商路が増え、規則は毎日更新された。先生は依然として記憶で答えるのを好み、ある時3年前の旧税率を新しい商隊に話し、余分に銀を納めさせてしまった。

店主はまず先生にもっと暗記させた。書は暗記するほど厚くなり、古い条文と新しい条文が頭の中で混ざり、重要な問題ほど彼は覚え間違えるのを恐れた。

ある文書管理担当者がプロセスを変えた。客がまず問題を話し、尋巻童が書庫で最も関連する数ページを探し、新旧、出所、適用範囲で並べ、先生の机に届ける。先生はそれらのページを見ながら答えなければならず、答えた後には根拠を示さなければならない。

最初の試用で、尋巻童はキーワードだけで探し、半ば関連する巻宗を多く持ち込んだ。先生は証拠があるように見えても、依然として的外れな答えを出した。そこで文書管理担当者は再確認を追加した。重要なページが欠けていれば補って探し、古いページには日付を付け、矛盾するページには取捨の説明を求める。

問事館の速度は少し落ちたが、古い規則を誤用する事故は減った。先生の記憶は依然として有用で、言語の組織化と推論を担う。本当の事実の根拠は、その場で取り戻した巻宗から来る。

ある客が非常に厄介な質問をした:古い契約は新しい税令に基づいて減免できるか。巻物探しの童は税令だけでは足りず、契約の日付、経過条項、船籍証明も探さねばならなかった。先生は巻物の頁を見て答えるからこそ、記憶の中の常識を目の前の根拠と取り違えずに済む。

店主は小さな銅鈴も置いた。先生が答える時に巻頁から離れすぎると、文書管理担当者が鈴を鳴らして注意した。机の上にないものを、見たことがあるかのように話してはならない。巻頁が互いに矛盾する場合は、まず矛盾を説明せよ。記憶力は依然として役立つが、その日に見つけた資料に引き止められねばならない。 後に問事館は回答の横に巻頁番号を付けた。客が問いただせば、先生は出典を指し示せる。巻頁が古ければ、文書管理担当者も速やかに差し替えられる。記憶はこれで単独で信頼性のすべてを負わなくなった。

店主は後に新人にこう注意した。話せることは知っていることと同じではないし、知っていることも今この瞬間に証拠が正しいことと同じではない。回答にまず適切な材料を取らせ、その材料に基づいて答えさせるのが、変化が速く責任の重い場面に適している。

明らかにする

この物語が語るのは:検索拡張生成

モデルが関連する外部情報を取得し、回答を生成する際のコンテキストとして使うパターン。

重要なのは、それが単なる用語ではなく、実際のAI/Agentシステムで繰り返し現れる構造的な問題だという点だ。これを理解して初めて、いつモデルを足すべきか、いつプロセスを変えるべきか、いつガバナンスを補うべきかを判断できる。

メタファーのマッピング

  • 河口の一支商隊:実際に稼働している AI / Agent 業務システム
  • 荷札:タスク、リクエスト、コンテキスト、または処理されるべき情報単位
  • 貨物の重量だけで順番を決める:表層のルール、指標、プロンプトだけを変える安易な修正
  • 赤い結び紐:システム内の状態シグナル、トリガー条件、または観測可能な手がかり
  • 若い徒弟の記録:プロセス、状態、責任、フィードバックを残すエンジニアリング手法
  • 貨物の価値、道路状況、納品コミットメント、リスクマークをまとめてスケジューリングに組み込む:検索拡張生成を軸に、より安定した作業構造を構築する
  • retrieval、embeddings、vector database、grounding:この概念の周りによく一緒に現れる隣接問題

Andy(任旭)判断

この概念の実戦的価値は、「賢く見えるAI機能」を納品可能、検収可能、ガバナンス可能な作業単位に分解する手助けをすることです。

retrievalembeddingsベクトルデータベースgroundingcontext window

関連する識別

この概念は隣接概念と混用されやすいので、対比ページを続けて見ることをおすすめする。

京ICP备2026014272号