FujiCert

プロンプト・RAG

チャンク分割とは？

読み: ちゃんくぶんかつ英語: Chunking更新日: 2026-06-23

長い文書を検索やプロンプト投入に扱いやすい単位へ分ける処理です。

試験で問われるポイント

  • RAGの検索品質と回答品質に影響します。
  • 大きすぎても小さすぎても問題が起きます。
  • 重なりを持たせる設計もあります。

具体例

社内マニュアルを段落単位や見出し単位に分けて検索対象にします。

よくある誤解

  • 文書を細かく分ければ必ず精度が上がると考える。
  • チャンク分割で著作権や機密性の問題が消えると考える。

対応試験

G検定AWS AI Practitioner

関連する表記: チャンク / チャンク分割 / Chunking / 文書分割

関連問題で復習

AWS AI Practitioner生成AIの基礎

RAGで文書をチャンクに分割する主な目的として最も適切なものはどれか。

AWS AI Practitioner基盤モデルの活用

RAGアプリケーションの主要な構成要素として適切なものを2つ選べ。

G検定ディープラーニングの応用例

RAGで文書を「チャンク」に分割する主な理由として、最も適切なものはどれか。

関連用語

RAG（検索拡張生成）

外部文書やデータベースを検索し、その結果を根拠としてLLMに回答を生成させる構成です。

コンテキストウィンドウ

LLMが一度の入力と出力で扱えるトークン範囲です。長文処理や会話履歴の保持に関係します。

埋め込み（ベクトル化）

文章や画像などの意味を数値ベクトルで表現し、類似度検索や分類に使う技術です。

FujiCertの用語解説は、各試験の公式問題ではなく、学習者が問題演習で つまずきやすい観点を整理した非公式の学習支援コンテンツです。