「資材は持ち出してかまいません。」この文は確かにハンドブックに書かれています。封をされた荷物についての例外はその直後に続いていますが、取り出されたテキストの断片には含まれていません。AIは最初の文から、出典付きのきれいな回答を組み立てられますが、それでも決定的な条件は失われてしまいます。
RAGは検索と回答を組み合わせたものです。コレクションの中から質問に合う箇所が選ばれ、コンテキストとして与えられます。これによってモデルの重みが自動的に変わるわけではありません。肝心な技術は、回答が書かれる前、つまり資料の取り込み、分割、選択の段階から始まっています。
四つの段階と、四つの失敗しうるポイント
まず、ファイルの内容が使える形で利用可能になっていなければなりません。次に、それがセクションに分割されます。検索インデックスは、質問に合うセクションを見つけるのに役立ちます。最後に、モデルがこの選ばれた資料を使って回答を組み立てます。最初の段階で起きた誤りは、最後の文がいくら説得力をもって聞こえても消えはしません。
なお、 Open WebUI のドキュメント では、テキストの分割、オーバーラップ、再インデックス化などについて説明されています。既存のナレッジドキュメントは、再インデックス化されるまで以前の分割のままです。したがって、設定を変更しただけでは、検索インデックスがすでに変わったことの証明にはなりません。
答えがわかっている小さなコレクションを作る
固定の識別子を付けた自分用のテキストファイルを三つ作ります。一つ目には、資材の持ち出しとその例外を記載します。二つ目では、ゲストとチームメンバーを区別します。三つ目では、現行のドキュメントとアーカイブ済みのドキュメントの違いを説明します。情報源は、意図的に選んだローカルファイルでも、Nextcloud のようなシステムからエクスポートしたコンテンツでもかまいません。ファイルの提供とAIによる検索は、別々の段階のままです。
K01 Material
Material may be taken.
Sealed packages require approval beforehand.
K02 Access
Guests check in at reception.
Team members use their own access.
K03 Archive
Current documents are kept in the working folder.
Archived versions are kept only for traceability.四つの質問を、想定される根拠とともに書き留めます。封をされた荷物には何が適用されますか？ ゲストはどのように受付をしますか？ どの版が現行ですか？ 受付の電話番号はどこにありますか？ 最後の情報は意図的に含めていません。こうして、答えられる三つの質問に加えて、本当に答えのない事例が一つ得られます。
既存のRAGツールで、まずこの小さなコレクションから始めます。完成した回答を評価する前に、実際に取り出されたテキストの断片を保存するか表示します。その時点ですでに例外が欠けているなら、まず分割か選択を調べるべきです。回答用のプロンプトを言い換えても、欠けている情報源を確実に補うことはできません。
テキストの区切りを意図的に変える
扱いやすい二つの方式を比べます。規則と例外が分かれてしまう分割と、両方をひとまとまりに保つ分割です。実際に生成されたセクションを記録します。魅力的な名前の設定があるというだけでは、自分のテキストが実際にどこで切られたのかはまだわかりません。
オーバーラップは隣接するコンテキストを保てますが、繰り返される内容が増えます。一方、非常に大きなセクションは、無関係な資料を大量に含んでしまうことがあります。したがって、この例から普遍的に理想的なセクションの大きさが導かれるわけではありません。
比較するときは、ほかの段階をすべて同じに保ちます。抽出、埋め込みモデル、プロンプトが同時に変わると、回答が変わってもその原因を一つに特定することはほとんどできません。小さなコレクションなら、まさにこうした観察がしやすくなります。
再インデックス化と再インポートは別物
Open WebUI は、再インデックス化について特に実用的な制限を挙げています。再インデックス化はすでに抽出されたテキストを対象とし、元のファイルを開き直すことはありません。したがって、抽出方法を変えても、古いドキュメントの内容が自動的に変わるわけではありません。本当に新しく処理し直すには、文書化された手順に従って、該当するファイルを改めて追加する必要があります。
この区別はトラブルシューティングに役立ちます。抽出されたテキストの時点ですでに表の行が欠けているなら、チャンクサイズを変えることは最初に打つべき手ではありません。例外が含まれているのに別々に取り出されているなら、それはもっと後の段階の問題です。
四つのテスト質問に対する良い回答とは、根拠を示し、制限を保ち、欠けている電話番号については未確定のままにしておくものです。このテストでRAGの全般的な品質を測れるわけではありません。このテストによって、情報源を取り込み、コンテキストを保ち、正しい箇所を見つけ、そのうえで初めてそこから回答する、という一連の流れが理解しやすくなります。
情報源と情報の時点
情報源は2026年十月25日時点のものです。 検索拡張生成（Retrieval Augmented Generation）――チャンク分割と再インデックス化。
