1．基本を理解
読み方・用語解説- 読み方
- raag（アールエージージー）
- 英語名
- Retrieval-Augmented Generation（2020年、Meta AIが提唱）
- 提唱者・年代
- 2020年の論文。生成AI時代に入り実用化が加速
💡 豆知識——名前の“Augmented（増強）”——“検索（Retrieval）で生成（Generation）を増強する”という組み合わせ技。
【セットで覚えたい関連用語】
2．意味（定義）と例え話
外部の信頼できる知識を検索し、回答の根拠として提示させ、ハルシネーションを抑制する手法。
LLMの“知識は学習時点まで”という限界→2020年に“検索で補完する”発想（RAG）が提唱され、生成AI実務の標準構成に。
オープンブック試験——頭の中（パラメータ）だけじゃなく、資料室（DB）から関連ページを引き出して、それを根拠に答える。
企業データ・最新情報・社内文書にLLMを安全に接続する、生成AI実務の最重要構成要素。
「検索→根拠提示→ハルシネ抑制」の3点セット。ファインチューニング（学習し直す）との使い分けも頻出。
3．直前に理解（Q&A）
7問Q1. RAGとは？最頻出
外部の信頼できる知識を検索し、回答の根拠として提示させ、ハルシネーションを抑制する手法。
Q2. 名前の意味は？最頻出
Retrieval（検索）でGeneration（生成）をAugment（増強）する。
Q3. なぜ使われる？最頻出
①最新・社内情報を学習させずに使える ②根拠（出典）を示せる ③ハルシネーションを抑制できる。
Q4. 仕組みの流れは？頻出
質問→文書検索（ベクトル類似度）→文書＋質問をLLMへ→根拠付き回答。
Q5. ファインチューニングとの違いは？混同
RAG＝“外から資料を足す”、ファインチューニング＝“中身（重み）を再学習させる”。更新頻度・コストが異なる。
Q6. 使う場面は？頻出
社内FAQ・製品マニュアル・医療・法務など“出典が命”の領域。
Q7. 位置づけは？親と子
LLM活用手法 ⊃ RAG。
4. まとめ
RAG＝「外部知識を検索し、根拠付きで生成する」——LLMの知識の限界を資料室で補う、生成AI実務の定番構成。