本番対応RAGシステムの構築：上級ガイド

RAGが重要な理由

RAGはLLMの応答を自分のデータに接地させる最も実用的な方法です。

チャンキング戦略

• 固定サイズ: シンプルだが意味単位を分割する可能性。
• セマンティック: 埋め込み類似度による意味ベース分割。
• 再帰的: 見出し、段落、文で段階的に分割。

ハイブリッド検索

_dense_ベクトル検索と_sparse_キーワード検索（BM25）を組み合わせます。

リランキング

初期検索後、クロスエンコーダーモデルで結果を再スコアリング。

評価

• 忠実性: 回答は検索コンテキストに忠実か？
• 関連性: 検索チャンクは実際に有用か？
• 正解性: 最終回答は事実的に正しいか？