Mapify： https://mapify.so/share-link/8Z2Kgs3TQB

Mapify構造化データ（Markdown）にしたもの【以下】

RAGの深掘り

RAGの基本コンポーネント

チャンク戦略

• 文章を意味のある簡潔な単位に分割する目的
• コンテキストを適切にモデルに与えるため
• レスポンス速度、検索・回答精度、開発難易度などを考慮
• チャンク戦略の種類
  • 固定チャンク：固定トークン/文字数で分割、実装が容易
  • セマンティックチャンク：意味に基づいて分割、コンテキストを考慮
  • 階層チャンク：親子関係を持たせ、検索と回答生成の精度を向上

Embeddingモデルの選択

• Knowledge Bases for Amazon Bedrockで利用可能なモデル
• Amazon Titan Text Embedding V2
• Cohere Embed Multilingual V3
• その他のAWS Marketplace等で提供されるモデル
• Embeddingモデルの比較ポイント
  • コンテキスト長
  • 出力のベクトル次元
  • コスト
  • 対応言語数
  • 精度（MTEBスコア）

ベクトルDBの選択