RAG（検索拡張生成）
ベクトルDB・セマンティック検索・RAGフレームワークを用途別に整理。
32件のツール・リソース
RAG（Retrieval-Augmented Generation）は、LLMに外部データの検索結果を組み合わせて回答精度を高める手法。ベクトルDB・チャンク分割・リランキングを適切に設計すれば、社内文書や最新情報に基づく高精度な回答システムを構築できる。ハルシネーション抑制の切り札としても注目されている。
検索精度
ベクトル検索・ハイブリッド検索・リランキング対応
データ規模
数百件からbillion規模までスケーラブル
対応形式
PDF・HTML・Markdown・Office文書など多形式
データ鮮度
リアルタイム更新・定期再インデックス対応
ベクトルDB・インデックス
ベクトル検索エンジン・インデックス管理・スケーリング
turbovecとは｜Rust製ベクトル検索インデックスの量子化を実測して解説
turbovec（RyanCodrai・★14,655）はTurboQuant量子化アルゴリズムをRustで実装したベクトル検索インデックス。FAISSとの実測比較データと、GitHub Releases 0本という開発体制の実態を検証する。
FalkorDBとは｜GraphRAGの土台になるグラフDBエンジンを疎行列・インデックス・ライセンスから解説
FalkorDBは疎行列と線形代数でグラフを解くopenCypher対応のグラフDBエンジン。GraphRAGやエージェント記憶の土台として使われる仕組みを、17本のGRAPH.*コマンド・3種のインデックス・SSPLv1というライセンス条件まで一次ソースで整理する。
ベクトルデータベース比較2026｜Qdrant・Milvus・pgvectorをRAG用途で選ぶ完全ガイド
ベクトルデータベースをRAG用途で比較。Qdrant・Milvus・pgvector・Weaviate・Chromaの5本をランキング形式で評価し、性能・ライセンス・運用コストの違いと選び方を2026年最新版で解説。Postgres利用中はpgvector、専用DBならQdrantが基準になる。
LlamaCloud Demo：LLM向けデータインデックスの実装リポジトリ
LlamaIndexが提供するLlamaCloudのデモ実装。451のスター獲得。ドキュメント解析とベクトル検索の統合例を学び、実装に活用。LlamaCloud Demoとは：LlamaIndexエコシステムのRAG実装集 run-llama/llamacloud-demoは、LlamaIndexが提供するLlam…
RAGフレームワーク
RAGパイプライン構築・オーケストレーション・評価
Supavecとは｜OSSのRAG-as-a-Service基盤を実測——クラウドAPI停止後の自己ホスト検証
SupavecはCarbon.ai終了の直後に生まれたApache-2.0のOSS RAG-as-a-Service。ホストAPIが停止した現状、セルフホスト起動までの4つのゲート、READMEの性能値の裏付け、match_documentsの検索実装までをソース実読と実測で検証する。
FalkorDBとは｜GraphRAGの土台になるグラフDBエンジンを疎行列・インデックス・ライセンスから解説
FalkorDBは疎行列と線形代数でグラフを解くopenCypher対応のグラフDBエンジン。GraphRAGやエージェント記憶の土台として使われる仕組みを、17本のGRAPH.*コマンド・3種のインデックス・SSPLv1というライセンス条件まで一次ソースで整理する。
DeepTutor解説｜長期記憶とマルチエンジンRAGで動く自己ホスト型OSS AI家庭教師
DeepTutorはHKUDS（LightRAG開発ラボ）が公開する★29,000超のOSS AI家庭教師。1つのエージェントループで対話・演習・研究・可視化を回し、マルチエンジンRAGと3層メモリで「あなた専用」に育つ。仕組みからセルフホスト手順まで一次情報で解説する。
Nextcloud AIとは｜Context Chatで自前文書をRAG、ローカルLLM完結のセルフホストAI基盤
Nextcloud AIを、データを外に出さないセルフホストAIアシスタント基盤として解説。Nextcloud Context Chatで自前ドキュメントをRAG検索し、ローカルLLM（llm2）やOllama連携で完結させる仕組み・必要スペック・Ethical AI Rating・クラウド型AIとの違いを実測ベースで整理する。
Chonkieとは？RAGチャンキングライブラリを各Chunkerで実機比較検証
Chonkie（feyninc/chonkie・★4,506・MIT）は軽量なRAGチャンキングライブラリ。Token・文・再帰・意味の各Chunkerに同じ文書を通し、分割境界がどう変わるかを実機で比較。導入手順、LangChain/LlamaIndexとの違い、活性度とバス係数まで正直に検証した。
LEANN徹底解説｜埋め込みを保存しないローカルRAGで最大97%省ストレージ｜仕組み・使い方・実測
LEANN（StarTrail-org/LEANN・★12,699・MIT）は埋め込みを保存せず都度再計算する『世界最小のベクトルインデックス』。ローカルRAGを最大97%省ストレージで動かす仕組みを、論文の一次情報と編集部のMacBook実測（削減64.8%）で正確に解説。Claude Code/MCP連携まで検証する。
MaxKB徹底解説：RAG＋ワークフローで作る企業向けエージェント基盤
MaxKBは、自社文書を取り込んでRAGのQ&Aボットやエージェントをノーコードで作れる、企業向けのオープンソースAI基盤です。文書取込→分割→ベクトル化で幻覚を抑え、ワークフローエンジンとMCPツール連携で複雑な業務も編成。マルチモーダル対応・多モデル対応。約21,800スターの人気の理由・仕組み・Docker導入・注意点まで日本語で解説します。
ベクトルデータベース比較2026｜Qdrant・Milvus・pgvectorをRAG用途で選ぶ完全ガイド
ベクトルデータベースをRAG用途で比較。Qdrant・Milvus・pgvector・Weaviate・Chromaの5本をランキング形式で評価し、性能・ライセンス・運用コストの違いと選び方を2026年最新版で解説。Postgres利用中はpgvector、専用DBならQdrantが基準になる。
liteparse｜LlamaIndex製RustドキュメントパーサがRAG前処理の速度ボトルネックを解く
liteparseはLlamaIndexチームがRustで書き直したローカル実行のドキュメントパーサ。v2.0のグリッド射影でPDFを最大100倍高速に解析し、RAG前処理の速度ボトルネックを解く。markitdown・Docling・PyMuPDFとの違い、Python実装、落とし穴まで一次ソースで整理する。
officeParser入門：Node.jsでdocx・xlsx・pptxをAST解析してRAGパイプラインに組み込む
officeParserはNode.js/ブラウザ対応のドキュメント解析OSSで週23万DL・v6.1.0に進化。docx・xlsx・pptx・PDF・RTFをAST出力し、OCRやメタデータ抽出もサポート。RAGパイプラインへの組み込み方を解説。
LightRAG とは｜知識グラフ×デュアルレベル検索の仕組みとストレージ選定
LightRAG とは、HKUDS/LightRAG が公開する知識グラフ×デュアルレベル検索のOSS RAGフレームワーク。★38,365、EMNLP2025採択。Neo4j・PostgreSQL・MongoDB・OpenSearchなどストレージ選定の考え方から導入・運用まで解説する。
Onyx AIとは｜旧Danswerの企業向けOSS RAG基盤・対応LLMと日本語利用を解説
Onyx AIとは、旧Danswerから改名した★31,285のOSS企業向けRAGチャットボット。社内ドキュメントをAIが横断検索する。対応LLM（Ollama・vLLM・Claude・OpenAI）、日本語で使えるか、MITとEnterprise（ee/）のライセンス境界まで解説。
RAGapp：LLMにドキュメントを読ませるOSSプラットフォーム
PDFやテキストをアップロードして、LLMに質問できるRAGシステム。Python＋FastAPIで構築され、Docker対応。自分たちの知識ベースでAIを動かしたい開発チーム向け。
Wax：Apple Silicon最適化のシングルファイルAIメモリレイヤー、サブミリ秒RAG対応
WaxはSwift製のシングルファイルAIエージェント用メモリレイヤー。Apple SiliconのMetal最適化でサブミリ秒のRAGを実現。サーバー不要・API不要・1ファイルで完結するオンデバイス設計。
Langchain RAG From Scratch：ゼロからRAGシステムを構築
Langchainの公式教材でRAG（Retrieval-Augmented Generation）の仕組みを基礎から習得。ベクトル検索・プロンプト最適化・チャンク戦略を実装。
RAGFlowとは｜高精度な文書解析でRAGを組むOSSエンジンの使い方・Docker導入・GraphRAG
RAGFlowとは、高精度な文書解析を核にしたオープンソースのRAGエンジン（★86,471・Apache-2.0）。高精度文書解析・GraphRAG・エージェント・MCP対応をDockerで即デプロイ。エンタープライズRAG構築の決定版。
LangChainとは｜使い方入門ガイド — LLMエージェント・RAG・チェーン構築をPythonで実践
LangChainとはLLMエージェント・RAG開発を簡素化するPythonフレームワーク。GitHub14万Star超・v1系の安定版に到達し、統一インターフェースでOpenAI/Claude/Geminiに対応する。インストールからRAGパイプライン構築、LangGraphでのエージェント実装まで日本語で解説。
ドキュメント処理
文書パース・チャンク分割・エンベディング生成
liteparse｜LlamaIndex製RustドキュメントパーサがRAG前処理の速度ボトルネックを解く
liteparseはLlamaIndexチームがRustで書き直したローカル実行のドキュメントパーサ。v2.0のグリッド射影でPDFを最大100倍高速に解析し、RAG前処理の速度ボトルネックを解く。markitdown・Docling・PyMuPDFとの違い、Python実装、落とし穴まで一次ソースで整理する。
RAGapp：LLMにドキュメントを読ませるOSSプラットフォーム
PDFやテキストをアップロードして、LLMに質問できるRAGシステム。Python＋FastAPIで構築され、Docker対応。自分たちの知識ベースでAIを動かしたい開発チーム向け。
Onyx導入ガイド：企業向け社内ドキュメントAI検索基盤をDocker Composeで構築・運用する
企業向けRAG基盤Onyxの導入手順を完全解説。Docker Composeセットアップ、Slack・Confluenceコネクタ設定、Python API活用、運用チューニングまで網羅。社内ドキュメントAI検索を自前サーバーで構築したいチームは必見
RevPDF──OSSのPDF編集ツールでテキスト修正からページ操作まで完結させる
RevPDFはテキスト編集・ページ操作・注釈追加をローカルで完結させるOSS PDF編集ツール。有料サービス不要でPDF加工の全工程をカバーする方法を解説。PDF編集に毎月課金し続ける必要はあるか Adobe Acrobatの月額プラン、あるいはオンラインPDF編集サービスへのアップロード。どちらもPDFを数文字直…
MinerUとは｜PDF・表・数式をLLM対応Markdownに変換するOSSの使い方と最新版の状況
MinerUとは、PDF・DOCX・PPTX・画像をLLM対応のMarkdown/JSONに変換するOSS（★76,318・2026-07-31実測）。本記事はRAGパイプラインの文書取り込み（インジェスト）層としての組み込み方に特化し、レイアウト解析・表/数式抽出・チャンク分割との連携、素のPDF抽出との精度差、Marker等との比較まで解説する。
用途別おすすめ
RAGを初めて試す → LlamaIndexやLangChainのRAGテンプレートから始めるのが最短。ローカルのベクトルDB（Chroma等）と組み合わせれば数十分で動作する。
社内文書検索システムを構築したい → 「ドキュメント処理」セクションで文書パースを、「ベクトルDB・インデックス」で検索基盤を選定。
RAGの精度が出ない → チャンク分割の見直し、リランキングの導入、ハイブリッド検索への移行を「RAGフレームワーク」セクションで検討。
大規模データでRAGを運用したい → マネージドベクトルDB（Pinecone・Qdrant Cloud等）と、増分インデックス更新の仕組みを構築。
すべてのツール
新着順に全32件を表示
Supavecとは｜OSSのRAG-as-a-Service基盤を実測——クラウドAPI停止後の自己ホスト検証
SupavecはCarbon.ai終了の直後に生まれたApache-2.0のOSS RAG-as-a-Service。ホストAPIが停止した現状、セルフホスト起動までの4つのゲート、READMEの性能値の裏付け、match_documentsの検索実装までをソース実読と実測で検証する。
turbovecとは｜Rust製ベクトル検索インデックスの量子化を実測して解説
turbovec（RyanCodrai・★14,655）はTurboQuant量子化アルゴリズムをRustで実装したベクトル検索インデックス。FAISSとの実測比較データと、GitHub Releases 0本という開発体制の実態を検証する。
FalkorDBとは｜GraphRAGの土台になるグラフDBエンジンを疎行列・インデックス・ライセンスから解説
FalkorDBは疎行列と線形代数でグラフを解くopenCypher対応のグラフDBエンジン。GraphRAGやエージェント記憶の土台として使われる仕組みを、17本のGRAPH.*コマンド・3種のインデックス・SSPLv1というライセンス条件まで一次ソースで整理する。
BrainAPIとは｜エージェントが自分でナレッジグラフを描くAIメモリ層をmem0・cogneeと比較
BrainAPI（Lumen-Labs/brainapi2・★205・PolyForm Small Businessライセンス）は、エージェント群がテキストからイベント中心のナレッジグラフを自動構築するAIメモリ層。仕組み・導入・REST/MCP連携・mem0/cognee/supermemoryとの違いを一次ソースで整理する。
DeepTutor解説｜長期記憶とマルチエンジンRAGで動く自己ホスト型OSS AI家庭教師
DeepTutorはHKUDS（LightRAG開発ラボ）が公開する★29,000超のOSS AI家庭教師。1つのエージェントループで対話・演習・研究・可視化を回し、マルチエンジンRAGと3層メモリで「あなた専用」に育つ。仕組みからセルフホスト手順まで一次情報で解説する。
WrenAIとは？自然言語→SQL（Text-to-SQL）をエージェント駆動で回すOSSのGenBI基盤
WrenAI（Canner/WrenAI・★16,570・Apache-2.0）は、AIエージェントが自然言語からSQL（Text-to-SQL）とダッシュボードを生成するOSSのGenBI基盤。MDLセマンティック層とLanceDBの記憶で文脈を根拠づける、2026年に再設計された現行版を一次情報で正確に解説する。
Nextcloud AIとは｜Context Chatで自前文書をRAG、ローカルLLM完結のセルフホストAI基盤
Nextcloud AIを、データを外に出さないセルフホストAIアシスタント基盤として解説。Nextcloud Context Chatで自前ドキュメントをRAG検索し、ローカルLLM（llm2）やOllama連携で完結させる仕組み・必要スペック・Ethical AI Rating・クラウド型AIとの違いを実測ベースで整理する。
SeekDBとは？AIネイティブ検索データベースの使い方をDockerで実機検証【LEANNとの違いも】
SeekDB（oceanbase/seekdb・★2,830・Apache-2.0）は、vector・全文・構造化を単一エンジンに統合しMySQL互換で動く『エージェントの状態ストア』型AIネイティブ検索データベース。Dockerで実機検証し、書込→即検索・COWフォーク・単一SQLハイブリッド検索と、LEANNとの住み分けを一次情報で解説する。
Chonkieとは？RAGチャンキングライブラリを各Chunkerで実機比較検証
Chonkie（feyninc/chonkie・★4,506・MIT）は軽量なRAGチャンキングライブラリ。Token・文・再帰・意味の各Chunkerに同じ文書を通し、分割境界がどう変わるかを実機で比較。導入手順、LangChain/LlamaIndexとの違い、活性度とバス係数まで正直に検証した。
LEANN徹底解説｜埋め込みを保存しないローカルRAGで最大97%省ストレージ｜仕組み・使い方・実測
LEANN（StarTrail-org/LEANN・★12,699・MIT）は埋め込みを保存せず都度再計算する『世界最小のベクトルインデックス』。ローカルRAGを最大97%省ストレージで動かす仕組みを、論文の一次情報と編集部のMacBook実測（削減64.8%）で正確に解説。Claude Code/MCP連携まで検証する。
MaxKB徹底解説：RAG＋ワークフローで作る企業向けエージェント基盤
MaxKBは、自社文書を取り込んでRAGのQ&Aボットやエージェントをノーコードで作れる、企業向けのオープンソースAI基盤です。文書取込→分割→ベクトル化で幻覚を抑え、ワークフローエンジンとMCPツール連携で複雑な業務も編成。マルチモーダル対応・多モデル対応。約21,800スターの人気の理由・仕組み・Docker導入・注意点まで日本語で解説します。
ベクトルデータベース比較2026｜Qdrant・Milvus・pgvectorをRAG用途で選ぶ完全ガイド
ベクトルデータベースをRAG用途で比較。Qdrant・Milvus・pgvector・Weaviate・Chromaの5本をランキング形式で評価し、性能・ライセンス・運用コストの違いと選び方を2026年最新版で解説。Postgres利用中はpgvector、専用DBならQdrantが基準になる。
supermemory入門｜AI時代のMemory APIをmem0・cognee・Lettaと比較で読み解く
supermemoryはアプリにAI記憶層を組み込むMemory API。約25,140★・MIT・TypeScriptで、SaaSとセルフホストの両対応。mem0・cognee・Letta(MemGPT)との違い、API設計、ローカル実行、料金、落とし穴まで一次ソースで整理する。
liteparse｜LlamaIndex製RustドキュメントパーサがRAG前処理の速度ボトルネックを解く
liteparseはLlamaIndexチームがRustで書き直したローカル実行のドキュメントパーサ。v2.0のグリッド射影でPDFを最大100倍高速に解析し、RAG前処理の速度ボトルネックを解く。markitdown・Docling・PyMuPDFとの違い、Python実装、落とし穴まで一次ソースで整理する。
Google LangExtract完全ガイド：LLMで非構造テキストから構造化抽出、ソース位置も追跡
Googleの最新OSS「LangExtract」は、LLMで非構造テキストから構造化データを抽出。ソース位置追跡・対話型HTML可視化・Gemini/OpenAI/Ollama対応で、医療・文学・多言語領域に対応。コード例付きで完全解説。
officeParser入門：Node.jsでdocx・xlsx・pptxをAST解析してRAGパイプラインに組み込む
officeParserはNode.js/ブラウザ対応のドキュメント解析OSSで週23万DL・v6.1.0に進化。docx・xlsx・pptx・PDF・RTFをAST出力し、OCRやメタデータ抽出もサポート。RAGパイプラインへの組み込み方を解説。
LightRAG とは｜知識グラフ×デュアルレベル検索の仕組みとストレージ選定
LightRAG とは、HKUDS/LightRAG が公開する知識グラフ×デュアルレベル検索のOSS RAGフレームワーク。★38,365、EMNLP2025採択。Neo4j・PostgreSQL・MongoDB・OpenSearchなどストレージ選定の考え方から導入・運用まで解説する。
Dify ファイルアップロードが「キューイング中」で止まる原因3つと解決策【大量ファイルのリセット対応】
Difyのナレッジベースでファイルアップロードが「キューイング中」のまま止まる原因をCelery Worker設定・Embedding APIレート制限・大量ファイル同時処理の3軸で解説。docker-compose設定とKnowledge APIによる解決手順を網羅
Onyx AIとは｜旧Danswerの企業向けOSS RAG基盤・対応LLMと日本語利用を解説
Onyx AIとは、旧Danswerから改名した★31,285のOSS企業向けRAGチャットボット。社内ドキュメントをAIが横断検索する。対応LLM（Ollama・vLLM・Claude・OpenAI）、日本語で使えるか、MITとEnterprise（ee/）のライセンス境界まで解説。
LlamaCloud Demo：LLM向けデータインデックスの実装リポジトリ
LlamaIndexが提供するLlamaCloudのデモ実装。451のスター獲得。ドキュメント解析とベクトル検索の統合例を学び、実装に活用。LlamaCloud Demoとは：LlamaIndexエコシステムのRAG実装集 run-llama/llamacloud-demoは、LlamaIndexが提供するLlam…
RAGapp：LLMにドキュメントを読ませるOSSプラットフォーム
PDFやテキストをアップロードして、LLMに質問できるRAGシステム。Python＋FastAPIで構築され、Docker対応。自分たちの知識ベースでAIを動かしたい開発チーム向け。
Vertex AI Creative Studio：Googleの生成AIで動画・画像・テキスト制作を一元化
GoogleCloudPlatformが提供するVertex AI Creative Studioは、生成AIを活用した動画・画像・テキスト生成を統合プラットフォーム上で実現。マーケティング資産の制作フローを短縮でき、チーム連携も効率化される。公式リポジトリでサンプルコードも公開中。
Rcloneとは｜50以上のクラウドを1コマンドで同期する使い方とsync/copy/mountの違い
Rclone とは何か、何ができるかを最短で。50以上のクラウドストレージをひとつのCLIで扱えるOSSで、rclone config → copy → sync の3手順で使い始められる。データを消しうる sync と安全な copy の違い、mount・bisync・crypt の使いどころ、詰まりやすいエラーまで公式ドキュメント準拠で解説。
Onyx導入ガイド：企業向け社内ドキュメントAI検索基盤をDocker Composeで構築・運用する
企業向けRAG基盤Onyxの導入手順を完全解説。Docker Composeセットアップ、Slack・Confluenceコネクタ設定、Python API活用、運用チューニングまで網羅。社内ドキュメントAI検索を自前サーバーで構築したいチームは必見
RevPDF──OSSのPDF編集ツールでテキスト修正からページ操作まで完結させる
RevPDFはテキスト編集・ページ操作・注釈追加をローカルで完結させるOSS PDF編集ツール。有料サービス不要でPDF加工の全工程をカバーする方法を解説。PDF編集に毎月課金し続ける必要はあるか Adobe Acrobatの月額プラン、あるいはオンラインPDF編集サービスへのアップロード。どちらもPDFを数文字直…
Wax：Apple Silicon最適化のシングルファイルAIメモリレイヤー、サブミリ秒RAG対応
WaxはSwift製のシングルファイルAIエージェント用メモリレイヤー。Apple SiliconのMetal最適化でサブミリ秒のRAGを実現。サーバー不要・API不要・1ファイルで完結するオンデバイス設計。
OpenPencil - iPad をワコムペンタブレット化するオープンソースツール
OpenPencilはiPadをMac/Windows対応ペンタブレットに変えるオープンソースツール。8192段階の筆圧感知とUSB/Wi-Fi接続に対応し、高価なワコム製品を買わずにApple Pencilで本格的なデジタル描画環境を構築できます
Langchain RAG From Scratch：ゼロからRAGシステムを構築
Langchainの公式教材でRAG（Retrieval-Augmented Generation）の仕組みを基礎から習得。ベクトル検索・プロンプト最適化・チャンク戦略を実装。
MinerUとは｜PDF・表・数式をLLM対応Markdownに変換するOSSの使い方と最新版の状況
MinerUとは、PDF・DOCX・PPTX・画像をLLM対応のMarkdown/JSONに変換するOSS（★76,318・2026-07-31実測）。本記事はRAGパイプラインの文書取り込み（インジェスト）層としての組み込み方に特化し、レイアウト解析・表/数式抽出・チャンク分割との連携、素のPDF抽出との精度差、Marker等との比較まで解説する。
RAGFlowとは｜高精度な文書解析でRAGを組むOSSエンジンの使い方・Docker導入・GraphRAG
RAGFlowとは、高精度な文書解析を核にしたオープンソースのRAGエンジン（★86,471・Apache-2.0）。高精度文書解析・GraphRAG・エージェント・MCP対応をDockerで即デプロイ。エンタープライズRAG構築の決定版。
LangChainとは｜使い方入門ガイド — LLMエージェント・RAG・チェーン構築をPythonで実践
LangChainとはLLMエージェント・RAG開発を簡素化するPythonフレームワーク。GitHub14万Star超・v1系の安定版に到達し、統一インターフェースでOpenAI/Claude/Geminiに対応する。インストールからRAGパイプライン構築、LangGraphでのエージェント実装まで日本語で解説。
notebooklm-py とは｜NotebookLMの非公式API・CLIでPython自動化する使い方
notebooklm-py とは、Google NotebookLMをPython/CLIから操作する非公式OSS。NotebookLMに公式APIが無い現状の回避策として、PDFやYouTubeの一括取り込み・音声生成・クイズのJSON出力を自動化できる。★1.8万・MIT、認証からPython API実例まで解説。
よくある質問
RAG（検索拡張生成）とは？
RAG（Retrieval-Augmented Generation）はLLMに外部データの検索結果を付加して回答を生成する手法。社内文書・最新ニュース・専門データベースなど、LLMの訓練データにない情報を活用できる。ハルシネーション（幻覚）の抑制にも効果的。
ベクトルDBの選び方は？
データ規模・検索速度・運用コストで選ぶ。小規模ならChromaやFAISS（ローカル実行）、中〜大規模ならPinecone・Weaviate・Qdrant（マネージド/セルフホスト）が定番。フィルタリング・メタデータ検索の要件も確認する。
RAGの精度を改善するには？
チャンク分割の最適化、リランキング（Reranker）の導入、ハイブリッド検索（ベクトル+キーワード）の併用が基本。さらにクエリ変換・HyDE・親子チャンク構造などの高度なテクニックで精度を向上できる。
エンタープライズRAGに必要な要素は？
アクセス制御（ドキュメント単位の権限管理）、監査ログ、データ鮮度管理（定期的な再インデックス）、マルチテナント対応が必須。加えてソース引用の正確性とハルシネーション検知の仕組みも重要。
RAGとLLMのfine-tuningの違いは？
RAGは外部データを検索して回答に反映する手法で、データの更新が即座に反映される。fine-tuningはモデル自体を再訓練する手法で、文体やフォーマットの変更に向く。最新情報への対応ならRAG、特定タスクの品質向上ならfine-tuningが適切。両方を組み合わせることも多い。