検索拡張生成（RAG）は、単純なベクトル検索をはるかに超えて進化しています。現在、開発者はそれぞれ異なる強みを持つ複数の高度なアーキテクチャから選択できます。Self-RAGは自己反省とトークンレベルの批評を導入し、回答品質を向上させます。CRAG（Corrective RAG）は検索評価器を追加し、ローカル検索が不十分な場合にウェブ検索をトリガーします。GraphRAGは知識グラフを活用して関係を捉え、多段階推論をサポートします。Agentic RAGはさらに進んで、RAGをエージェントループに組み込み、動的なツール使用と反復的な改善を可能にします。この比較は、複雑さ、レイテンシー、精度のトレードオフを理解するのに役立ちます。例えば、GraphRAGはグローバルな質問に優れ、Agentic RAGは複数のステップを必要とする複雑なワークフローに適しています。適切なアーキテクチャの選択は、データ構造、クエリパターン、パフォーマンス要件に依存します。このガイドは、その決定を行うための明確なフレームワークを提供します。
Self-RAG、CRAG、GraphRAG、Agentic RAGの違いを理解し、ユースケースに最適なアーキテクチャを選ぶための実践ガイド。