取得が拡張された生成タスクでのベクトル化テキストの使用

最終更新: 2025年3月04日
取得が拡張された生成タスクでのベクトル化テキストの使用

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。

検索拡張生成 (RAG) は、 基盤モデルのプロンプトを外部ソースからの知識で拡張する手法です。 テキスト埋め込みを使用して、事実に基づく基盤モデル回答を支援するプロンプトに含める、より質の高い関連情報を検索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。

ベクトル・ストアから派生した検索結果を取得増補生成のための入力に追加することを示す図

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. 統合されたプロンプトテキスト(指示+検索結果+質問) 基盤モデルに送信します。
  6. 基盤モデル、プロンプトからの文脈情報を使用して事実に基づく回答を生成します。

Augmenting foundation model input from Prompt Lab

Prompt Lab には、RAGユースケースの導入を支援するチャットモードの機能が組み込まれています。 まず、関連するドキュメントをプロンプトに関連付けます。 追加したドキュメントはベクトル化され、ベクトル データベースに保存されます。 チャットに問い合わせが送信されると、データベースが検索され、関連する結果が基盤モデル送信される入力に含まれます。 詳細については、 コンテキスト情報にグラウンディング基盤モデルプロンプト をご覧ください。

サンプル・ノートブック

サンプルノートブック「Usewatsonx GraniteModel Series, Chroma, andLangChainto answer questions (RAG)」は、RAGユースケースをエンベッディングで強化するための手順を説明しています。

詳細情報

親トピック 検索補強世代