検索設定

設定は 1 つずつ変更し、そのたびにテストし直してください。そうすれば、それぞれの変更に効果があったかを判断できます。

設定	役割
システム推論モデル	インデックス作成時に、ドキュメントを意味に基づいてチャンクとセクションに分割する。さらにセクションごとに要約を書き、ナレッジグラフを構築する。ナレッジグラフは、各チャンクで扱われている主題と、主題どうしのつながりを表したマップ。「詳細」と「リサーチ」では、検索の計画を立てる。変更すると、すべてのドキュメントのインデックスが再作成され、トークンを消費する。
埋め込みモデル	各チャンクをベクトルに変換し、質問とチャンクを意味で照合できるようにする。変更すると、すべてのドキュメントのベクトルが再生成され、トークンを消費する。
Rerank モデル	検索されたチャンクを関連性の高い順に並べ替え、それぞれにスコアを付ける。
検索の深度	1 回の検索でどこまで深く探すか。下記の検索の深度を参照。
トップ K	1 回の検索で返すチャンクの最大数。値を大きくすると得られるコンテキストは増えるが、ノイズも増える。値を小さくすると焦点は絞られるが、関連するチャンクを取りこぼすことがある。
スコア閾値	設定したしきい値を下回るスコアのチャンクを除外する。しきい値を高くすると近い一致だけが残るが、何も返らないおそれがある。低くすると、より幅広い一致が含まれる。

設定

役割

システム推論モデル

インデックス作成時に、ドキュメントを意味に基づいてチャンクとセクションに分割する。さらにセクションごとに要約を書き、ナレッジグラフを構築する。ナレッジグラフは、各チャンクで扱われている主題と、主題どうしのつながりを表したマップ。

「詳細」と「リサーチ」では、検索の計画を立てる。

変更すると、すべてのドキュメントのインデックスが再作成され、トークンを消費する。

埋め込みモデル

各チャンクをベクトルに変換し、質問とチャンクを意味で照合できるようにする。

変更すると、すべてのドキュメントのベクトルが再生成され、トークンを消費する。

Rerank モデル

検索されたチャンクを関連性の高い順に並べ替え、それぞれにスコアを付ける。

検索の深度

1 回の検索でどこまで深く探すか。下記の検索の深度を参照。

トップ K

1 回の検索で返すチャンクの最大数。

値を大きくすると得られるコンテキストは増えるが、ノイズも増える。値を小さくすると焦点は絞られるが、関連するチャンクを取りこぼすことがある。

スコア閾値

設定したしきい値を下回るスコアのチャンクを除外する。

しきい値を高くすると近い一致だけが残るが、何も返らないおそれがある。低くすると、より幅広い一致が含まれる。

検索の深度

3 つの深度はいずれも、埋め込みモデルとリランクモデルを使います。「詳細」と「リサーチ」では、推論モデルも使います。

深度	役割
高速	質問とチャンクを、意味とキーワードの両方で照合する。最も速い深度で、直接的な質問のほとんどはこれで十分。まずはここから始める。
詳細	「高速」より広い範囲を検索し、さらにナレッジグラフをたどって、質問から関連する主題のチャンクまで探す。そのぶん時間がかかる。回答が関連する複数の主題にまたがり、「高速」では取りこぼしが続く場合に使う。
リサーチ	複雑な質問を複数の小さな質問に分解してそれぞれを広く検索し、セクションのタイトルと要約をもとに読むセクションを決める。最も時間がかかり、モデルのトークン消費も最も多い深度。直接的な質問ではなく、回答までに何度も検索が必要な質問に向いている。

オーケストレーション

公開

モニタリング

ナレッジ

統合

ワークスペース

検索の深度

​検索の深度

検索の深度