埋め込みモデルを使用して、センテンスまたはパッセージの意味を取り込むテキスト埋め込みを作成し、検索拡張生成タスクに役立てることができます。

検索補強生成（RAG）は、foundation modelのプロンプトを外部ソースからの知識で補強する手法である。 テキスト埋め込みを使用して、プロンプトに含めるより質の高い関連情報を見つけ、foundation modelモデルが事実に基づいて回答できるようにすることができます。

以下の図は、組み込みサポートを使用した検索拡張生成パターンを示しています。

組み込みをサポートする検索拡張生成パターンには、以下のステップが含まれます。

1. コンテンツをテキスト埋め込みに変換し、ベクトル・データ・ストアに保管します。
2. 同じ埋め込みモデルを使用して、ユーザー入力をテキスト埋め込みに変換します。
3. ユーザーの質問に関連するコンテンツについて、知識ベースで類似性検索またはセマンティック検索を実行します。
4. 最も関連性の高い検索結果をコンテキストとしてプロンプトにプルし、「以下のパッセージからの情報のみを使用して以下の質問に回答する」などの指示を追加します。
5. 組み合わされたプロンプトテキスト（指示＋検索結果＋質問）をfoundation modelモデルに送信する。
6. foundation modelは、プロンプトからの文脈情報を使って事実に基づいた答えを生成する。