ragにはどんな種類がある？

質問

ragにはどんな種類がありますか？

LLMの原理、RAG・エージェント開発から読み解く　コンテキストエンジニアリング [ 蒲生 弘郷 ] 価格:3300円 (2026/4/24 20:14時点) 感想(0件)

解答

RAGは1種類ではなく、**「どう検索するか」「どう使うか」「どう構成するか」**でいくつかの型に分かれます。 整理しておくと理解しやすいです。 1. 基本型（Naive RAG） 一番シンプルな形です。 クエリをベクトル化 類似検索 上位k件をそのままプロンプトに入れる 特徴： 実装が簡単 ただし精度はそこそこ 2. 高度検索型（Advanced RAG） 検索部分を強化したものです。 例 ハイブリッド検索（ベクトル + キーワード） リランキング（一度広く取ってから並び替え） クエリ拡張（質問を言い換えて検索） 特徴： 精度が上がる 構成は少し複雑 3. 再帰・多段型（Multi-step RAG） 1回の検索で終わらせないタイプ。 流れ 質問を分解 それぞれ検索 結果を統合 例： 「AとBの違いは？」→ AとBを別々に検索 特徴： 複雑な質問に強い 遅くなりがち 4. Agent型RAG LLMが「どう検索するか」自体を考えるタイプ。 必要に応じて検索 複数回検索 ツールを選択 特徴： 柔軟で賢い ただし制御が難しい 5. Graph RAG データをグラフ構造で持つタイプ。 エンティティ同士の関係を保持 関係性ベースで検索 特徴： 知識のつながりを扱える ナレッジベース用途に強い 6. Long-context RAG 検索を減らして 長い文脈をそのまま入れる 特徴： 構成がシンプル モデル性能に依存 7. Memory型RAG 会話履歴やユーザー情報を使うタイプ。 過去のやり取りを検索対象にする 特徴： パーソナライズに強い 8. 事前処理強化型（Preprocessing-heavy） 検索前の準備に力を入れるタイプ。 チャンク最適化 メタデータ付与 要約を保存 特徴： 精度が安定 初期コストが高い まとめ（整理） ざっくり分類するとこうなります： シンプル：Naive RAG 精度強化：Advanced RAG 複雑質問：Multi-step / Agent 構造重視：Graph RAG 文脈重視：Long-context 個人化：Memory型 本質 全部に共通するのはこれです： 「必要な情報をどうやって取り出し、どうLLMに渡すか」 つまりRAGの性能は 検索精度 文脈の渡し方 でほぼ決まります。

イラストでそこそこわかるネットワークプロトコル 通信の仕組みからセキュリティのきほんのきまで【電子書籍】[ 川島拓郎 ] 価格:3080円 (2026/4/11 21:00時点) 感想(0件)

にほんブログ村

人気ブログランキング

【下記、広告です。クリックいただけると励みになります。】