プロンプト・RAG
RAG（検索拡張生成）とは？
読み: らぐ英語: Retrieval-Augmented Generation更新日: 2026-06-23
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。
試験で問われるポイント
- 最新情報や社内文書を扱うときに有効です。
- 検索品質、アクセス権限、根拠提示、評価が重要です。
- モデルを再学習するファインチューニングとは目的が異なります。
具体例
社内規程を検索し、該当箇所を根拠として問い合わせに回答するFAQシステムです。
よくある誤解
- RAGを使えばハルシネーションが完全になくなると考える。
- アクセス権限を考えずに全社文書を検索対象にする。
対応試験
生成AIパスポートG検定AWS AI Practitioner
関連する表記: RAG / 検索拡張生成 / Retrieval-Augmented Generation
関連問題で復習
生成AIパスポート情報リテラシー・法倫理
AI事業者ガイドライン第1.1版（2025年3月）で拡充された主な内容として適切なものはどれか。
AWS AI Practitioner生成AIの基礎
RAGの主な目的として最も適切なものはどれか。
Cloud Digital LeaderGoogle CloudのAI活用
RAGの説明として最も適切なものはどれか。
G検定ディープラーニングの応用例
「RAG（Retrieval-Augmented Generation）」の説明として、最も適切なものはどれか。
生成AIパスポートLLM・テキスト生成AI
LLMが学習データに含まれない最新情報や社内文書について回答するための手法として最も適切なものはどれか。
AWS AI Practitioner生成AIの基礎
埋め込みベクトルの用途として最も適切なものはどれか。
AWS AI Practitioner生成AIの基礎
ファインチューニングが適する場面として最も適切なものはどれか。
AWS AI Practitioner生成AIの基礎
生成AIのハルシネーションを抑える対策として適切なものを2つ選べ。
関連用語
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。