RAG（Retrieval Augmented Generation：検索拡張生成）機能でカスタムAppのデータをAIで参照

近年、大規模言語モデル（LLM）の進化は目覚ましく、ビジネスにおけるAI活用への期待が高まっています。しかし、一般的なLLMは公開情報で学習されており、特定の企業の内部情報や、専門的な業務に特化した振る舞いには対応できないという課題がありました。このような状況で、カスタムAppでのAI活用を劇的に加速させる新機能が、Clari FileMaker 2025 に搭載されました。それが「RAG（検索拡張生成）」と「ファインチューニング」です。

このブログでは、この「RAG（検索拡張生成）」機能がどのようなもので、そして Clari FileMaker 2025 でどのように活用できるのかを詳しくご紹介します。

RAGとは何か？ — 大規模言語モデルの「弱点」を克服する技術

RAGは、「Retrieval Augmented Generation：検索拡張生成」を意味し、AIに特定の知識を注入しながら正確な回答を生成させるための技術です。LLMが知らない情報や最新の情報を外部から取得し、より正確な応答を可能にします。

RAGの基本メカニズム

RAGの仕組みは以下のステップで動作します:

1. 質問受信: ユーザーから質問を受け取ります。
2. 情報検索: 質問に関連する情報を知識ドキュメント（外部データベースや社内規定集など）から検索・抽出します。この「検索（Retrieval）」のプロセスで、質問に回答できる可能性のある情報（例：本の中の特定のページ）を知識ドキュメントの中から抽出します。
3. プロンプト作成: 検索結果（「コンテキスト」と呼ばれます）とユーザーの質問を合わせて、LLMへの入力プロンプトを作成します。これにより、限られたLLMのコンテキストサイズ（一度に受け付けられる情報量）の中に必要な情報を効率的に収めます。
4. 回答生成: LLMが検索結果に基づいて正確な回答を生成します。この際、「必ずこの検索結果の内容だけから回答してください」といった指示を与えることで、LLMが外部情報に忠実な回答を生成するように制御されます。これにより、生成される答えを拡張・強化（Augment）することから「Augmented Generation」と呼ばれています。

Claris FileMaker 2025 におけるRAG機能

Clari FileMaker 2025 では、この強力なRAG機能をカスタムAppに組み込むための専用のスクリプトステップと関数が追加されました。

スクリプトステップ

1. RAGアカウント設定
   • RAGサービスへの接続設定を構成します。
     • RAGアカウント名: 「RAG処理を実行」スクリプトステップで参照するための名前を指定します。
     • エンドポイント: FileMaker Server のエンドポイントを指定します。
     • APIキー: RAGで使用するための認証キーです。FileMaker Serverに追加されたRAGアクションで使用するLLMキーを使用します。
     • SSL証明書を検証: サーバーのSSL証明書を検証するかどうかを設定します。
       
2. RAG処理を実行
   • RAGスペースに対して具体的な操作を実行します。
     • RAGアカウント名、スペースID。
     • アクション:
       • データの追加（Add Data）: PDFファイル（ファイルパスまたはコンテナデータから）またはテキスト文字列を指定してRAGスペースに追加します。
       • プロンプトを送信（Send Prompt）: データに関する質問を送信します。
       • データの削除（Remove Data）: RAGスペースのデータを削除します。
     • AIアカウント名:「AIアカウントを設定」で設定したアカウント名を指定します。
     • モデル: LLMモデルを指定します。
     • プロンプトテンプレート名: 「プロンプトテンプレートを構成」で定義されたテンプレートを指定します。
     • パラメータ: 最大トークン数や温度などをJSON形式で設定できます。
3. プロンプトテンプレートを構成
   • 「RAG処理を実行」スクリプトステップで参照されるRAGプロンプト用のテンプレートを作成します。
     • テンプレート名、テンプレートタイプ（RAGプロンプト）を指定します。
     • RAGプロンプトのデフォルト内容は以下のようになります:
       • “Provide a comprehensive and informative answer to the question based on the Context only。If you don’t know the answer, say ‘I don’t know’。Question: {:question:} Context: {:context:} Answer:”。
       • {:question:}にはユーザーの質問が、{:context:}にはRAGスペースに追加された知識やデータが置き換えられます。

関数

1. GetRAGSpaceInfo ( RAGアカウント名 {; スペース ID } )
   • この関数は、指定されたRAGスペースの詳細情報を含むJSONオブジェクトを返します。指定されたRAGスペース、またはスペースIDが指定されていない場合はすべてのRAGスペースに関する情報を返します。

RAG機能を利用する際の注意点

RAG機能を最大限に活用するためには、いくつかの注意点があります。

• FileMaker Serverの設定と管理: RAG機能の利用には、FileMaker Server上での適切な設定と管理が必要です。
• データ形式の制限: RAGスペースに追加できるデータ形式はPDFファイルまたはテキスト文字列に限定されるため、他の形式のデータを扱う場合は前処理が必要です。

まとめ

Claris FileMaker 2025 に搭載された RAG（Retrieval-Augmented Generation）機能は、カスタム App 内の PDF やテキストなどの情報を活用し、大規模言語モデル（LLM）が本来知らない企業内部の情報についても、正確に回答できるようにする機能です。

この機能により、誤情報（ハルシネーション）の発生を抑えつつ、モデルを再学習させることなく、最新かつ独自の情報を効率的に活用できるようになります。

ぜひ RAG 機能を活用して、より高度で信頼性の高い AI 統合型カスタム App の構築に挑戦してみてください！