検索（Retrieval）とは？

Retrievalとは

Retrievalは、質問に関係する情報を検索対象から取り出す工程です。RAGでは、LLMへ質問だけを渡すのではなく、先にRetrievalで文書やチャンクを選び、その結果を回答材料として渡します。

基本の流れ

検索クエリを作り、検索対象へ問い合わせ、関連度の高い候補を並べ、必要なら絞り込みやリランキングを行います。最後に上位の少数件だけを生成工程へ渡します。

例として、社内規程を1,200チャンクに分けているとします。「有給休暇は何日前までに申請する？」という質問に対し、1,200件すべてをLLMへ渡さず、Retrievalが上位3件を選びます。この上位3件と質問をLLMへ渡して回答を作ります。

検索方法

キーワード検索は、固有名詞や製品番号など文字が一致する検索に強みがあります。ベクトル検索は、表現が異なっても意味が近い候補を探せます。ハイブリッド検索は両方の結果を統合し、語の一致と意味の近さを補い合わせます。

絞り込みとリランキング

検索前後に、部署、文書種別、公開日、アクセス権などのメタデータで候補を絞れます。たとえば1,200チャンクから「人事部」「2026年以降」「閲覧権限あり」に合う180件へ絞り、その中から上位3件を探します。

リランキングは、最初の検索で集めた候補を別の判定で並べ直す処理です。候補を広めに拾い、その後に上位3件へ絞ることで、速度と精度のバランスを取ります。

top-kの考え方

top-kは返す上位件数です。上位3件から上位10件へ増やすと必要情報を拾える可能性は上がりますが、無関係な内容と入力トークンも増えます。正解が含まれた割合、上位順位、回答品質、応答時間を一緒に測って決めます。

RAGとの違い

Retrievalの出力は検索結果です。RAGは、その結果を質問と一緒にLLMへ渡し、回答を生成する構成全体を指します。検索が失敗したとき、LLMの生成設定だけを変えても根拠は戻りません。検索と生成を分けて評価することが重要です。

運用で確認すること

代表的な質問と正解文書を評価セットにし、必要な根拠が上位3件へ入るかを継続して測ります。また、ユーザーが閲覧できる文書だけを検索対象にする権限フィルターを必須にし、検索クエリ、候補、順位、採用した出典を監査できる形で残します。