RAGとは何か？検索と生成をつなぐ新しいAIアーキテクチャの全体像｜LLM入門第2章

第2章　RAGの全体像

第1章では、ChatGPTの限界と、それを補うアプローチとしてRAG（Retrieval-Augmented Generation）がどのようにして登場したのかを、背景や設計思想の観点から見てきました。
本章では、RAGという仕組みの全体像を、より構造的・技術的な視点から解説していきます。

RAGは一見すると「検索と生成の組み合わせ」というシンプルな構造に見えますが、実際にはいくつかの重要な設計ポイントがあり、これを正しく理解することが、実務への応用において極めて重要になります。

本章では以下の4つのセクションを通じて、RAGの動作原理、構成要素、従来手法との違い、そして適用可能な業務領域について整理します。

2.1 Retrieval-Augmented Generationとは
　RAGの基本構造を概観し、ユーザー入力から応答生成までの全体フローを解説します。検索と生成の連携における中心的な仕組みを理解します。
2.2 RetrieverとGeneratorの分離モデル
　RAGを構成する2つの主要モジュール、Retriever（検索部）とGenerator（生成部）の役割の違いと連携の仕方を詳しく見ていきます。
2.3 従来の検索とRAGの違い
　FAQ検索やナレッジ検索との違いを明確化し、RAGがどのようにして“意味”に基づいた検索と柔軟な生成を両立させるのかを、対比を通じて理解します。
2.4 RAGが得意なケース、不得意なケース
　RAGが特に有効なシナリオ（ナレッジ検索、FAQ応答など）と、苦手とされる場面（即時性や計算を要するケース）について、適切な使いどころを整理します。