DeepRAG を使用する

DeepRAG (Deep Research–Augmented Generation) は、エージェントが複数のドキュメントにわたって情報を分析および結合し、引用に裏付けられたエンタープライズ グレードの回答を生成できるようにする、コンテキスト グラウンディングおよび合成レイヤーです。これを使用して、詳細な調査、調査分析、証拠に基づく推論を大規模に実行するエージェントを構築します。エージェントについて詳しくは、『Agents ガイド』をご覧ください。

DeepRAG　は以下の 3 つのフェーズで動作します。

1. 計画 – 質問を分析し、サブタスクを特定し、調査範囲を定義します。
2. 反復的な調査ループ – インデックス データにクエリを実行し、関連する証拠を抽出して、調査結果をまとめます。
3. 統合 – すべての証拠を、引用に裏付けられたまとまりのある回答に統合します。

各結果には、元のソースへの追跡可能な参照が含まれており、エンタープライズ データ バックエンド全体での監査可能性とコンプライアンスが確保されます。

主な機能

DeepRAG の主な機能は次のとおりです。

• 複数ドキュメントの合成 – 1 回のクエリで最大 1,000 ページの情報を統合します。
• 引用に裏付けられた回答 – すべての重要な検索結果のドキュメント名、ページ番号、タイムスタンプが含まれます。
• エージェンティック推論 – 結果を取得するだけでなく、実行中に計画、調査、適応を行います。
• エンタープライズ規模 – 複数のソースからの構造化データと非構造化データを 1 つのインデックスで処理します。
• トレーサビリティとコンプライアンス – 合成に使用されるソースの完全な監査証跡を維持します。

DeepRAG を使用する状況

DeepRAG は、エージェントが以下を必要とする場合に使用します。

• 複数のドキュメントを分析して、複雑な問題に回答する
• 多様なデータ セットの包括的な要約を生成する
• 忠実度の高い引用を用いて調査結果を検証する
• トレーサビリティを必要とする規制、医療、または法的調査を実施する

セマンティック検索を使用して事実を素早く検索し、DeepRAG を使用してドキュメント セット全体の詳細な分析または合成を行います。エージェントでのコンテキストの使用について詳しくは、『Agents ガイド』をご覧ください。

表 1. DeepRAG とその他のアプローチ

機能	セマンティック検索	DeepRAG
目的	関連するチャンクを見つける	複数のドキュメントを合成する
ドキュメントの制限	無制限	1,000 ページ
処理中	瞬時	分
出力	スニペット	包括的な合成
コスト	低 (Low)	中
引用	ベーシック	詳細レベル

DeepRAG の設定

DeepRAG を使用する前に、次の前提条件を満たしていることを確認してください。

• データが正しいファイル形式 (ネイティブ PDF または TXT ファイル、ファイルあたり最大 512 MB) で保存されている。
• 取り込みとクエリを実行するための AI ユニットがあります。詳しくは、以下をご覧ください。

次に、次のアクションを完了します。

手順 1 – ドキュメントを準備する

1. 適切に整理されたフォルダーと明確な命名規則を使用します。
2. ドキュメントのメタデータとページ番号を含めます。
3. 重複を避け、スキャンした場合はファイルに OCR が適用されるようにします。

注: 高い精度を得るには、ネイティブ PDF を使用し、カテゴリまたは識別子ごとにドキュメントを構造化します。

手順 2 – インデックスを作成する

Agent Builder で以下の手順を実行します。

1. [コンテキスト] ノードを選択し、[新規作成] を選択します。インデックスの設定例を次に示します。
   1. 名前: Medical_Records_2025
   2. 説明: レビュー用に集約された患者記録
   3. 取り込みモード: 詳細。
2. ドキュメントをアップロードし、取り込みが完了するまで待ちます。
   • 取り込みコスト: 0.2 AIU × ページ数たとえば、1,000 ページであれば、200 AIU となります。

手順 3 – エージェントを設定する

エージェントを設定します。次に例を示します。

• エージェント名 – 医療記録サマライザー
• 説明 - 患者の医療記録を分析し、完全な引用文献を示します。
• コンテキスト – コンテキストを設定します。以下に例を示します。
  • インデックス: Medical_Records_2025;
  • 検索ストラテジ: DeepRAG
  • 検索ストラテジ プロンプト – 「すべての医療記録を分析し、診断と治療、病歴、投薬、検査結果を含む包括的な要約を提供してください」のような効果的なプロンプトを記述します。
• 出力形式の指定 – 「引用を含む構造化された要約」など。プロンプトには、出力形式に関する詳細な指示と競合処理に関する指示を常に含めます。

注: DeepRAG で生成された要約が出力サイズの制限を超える場合は、完全なサマリーを外部で取得します。DeepRAG ID (トレースから) をコンテキスト グラウンディングの要約 - DeepRAG GenAI アクティビティとともに使用して、エージェントの実行外で合成された完全な出力を取得します。これにより、切り捨てることなく応答全体にアクセスできます。

DeepRAG 用の効果的なプロンプトを記述する

信頼できる結果を得るには、次のようなプロンプト パターンを使用します。

ロール:

あなたは [ドキュメントの種類] をレビューしている [ドメイン エキスパート] です。

タスク:

すべてのドキュメントと [具体的な目標] を分析します。

要件:

1. [要件 1]
2. [要件 2]
3. [要件 3]

出力フォーマット:

[構造化された出力フォーマット]

適切なプロンプトの例: あなたは患者の記録をレビューしている医療専門家です。診断、病歴、投薬、検査結果を含む包括的な概要を作成してください。

不適切なプロンプトの例: 患者の記録を要約してください。

DeepRAG のパフォーマンスを最適化する

以下の情報を使用して、コンテキストのパフォーマンスを最適化します。

シナリオ	標準的な時間	最適化のヒント
200 ページ以下	10 分未満	焦点を絞った質問とネイティブ PDF を使用します。
500 〜 800 ページ	20 分未満	大きなファイルを分割し、プロンプトの範囲を調整します。
1,000 ページ	30 分未満	重複を削除

コスト モデル

• 取り込み = 0.2 AIU × ページ数

• DeepRAG クエリ = 30K トークンあたり 0.20 AIU (500 ページあたり 0.2 ～ 0.4 AIU)

トラブルシューティング

問題	原因	解決策
DeepRAG に使用する有効なファイルがない	間違ったファイル形式または基本の取り込みモードが選択されている	PDF/TXT のみを使用する
タイムアウト (60 分)	コーパスが大きすぎる、またはプロンプトが複雑すぎる	ドキュメントの分割や、クエリの簡素化を試みます。
引用文献の欠落	プロンプトが弱い、またはソースが構造化されていない	PDF の番号付けに一貫性があることを確認します。
低質な要約	プロンプトが一般的、またはドキュメント品質が不良である	プロンプトをより具体的にし、ドキュメント階層を整理します。

DeepRAG のユースケース

ここでは、DeepRAG が役立つ実際のビジネス シナリオをいくつか紹介します。

医療記録の要約: 200 〜 400 ページの患者ファイルを分析して、診断、治療、投薬、および検査を抽出し、引用に裏付けられた要約を作成します。

• プロンプトの例: 患者のすべての医療記録を分析し、主訴、診断、投薬、治療の推奨事項を含む臨床概要を生成してください。
• 結果: 医療現場に導入することで、レビューが 5 〜 10 倍迅速化され、70 〜 90% の精度が実現されます。

契約の分析: 複数の契約を確認して、主要な条件、誓約事項、および契約違反条項を特定します。

• プロンプトの例: すべての信用契約書を分析し、財務条件、誓約事項、債務不履行条項を抽出してください。
• 結果: コンプライアンスおよび法務ワークフローにおいて、完全な監査証跡を含むリスク分析が可能になります。

規制とコンプライアンスのレビュー: 監査レポート、提出書類、SOP を要約し、ページ単位でコンプライアンス上の不備を明示します。

• プロンプトの例: すべての規制当局への提出書類を確認し、コンプライアンスのステータスを要約して、不適合箇所を引用文献付きで特定してください。