【Dify RAG】社内文書をAIに学習させる完全ガイド！

「ChatGPTは便利だけど、自社の製品情報や社内ルールについては答えてくれない…」
「PDFやWebサイトの情報をAIに読み込ませて、賢いFAQチャットボットを作りたい！」

もしあなたがそう考えているなら、Difyの「RAG（ラグ）」機能がその悩みを解決します。

この記事では、AI初心者の方でも安心して取り組めるよう、「RAGとは何か？」という基本から、Difyでの具体的な設定手順、そしてAIの回答精度をさらに高めるためのコツまで、ステップバイステップで徹底的に解説します。

第1章：RAGとは何か？ – AIの「弱点」を克服する魔法の技術

まず、RAGがなぜ必要なのかを理解しましょう。一般的なAIは、インターネット上の膨大な情報を学習していますが、「あなたの会社の社内規定」や「昨日発売されたばかりの新製品情報」などの限定的な情報は知りません。

• 知らないことは答えられない：あなたの会社の社内規定や、昨日発売されたばかりの新製品情報など、限定公開の情報や最新すぎる情報は知りません。
• 嘘をつくことがある（ハルシネーション）：知らない情報について質問されると、もっともらしい嘘の情報を生成してしまうことがあります。  

RAG（Retrieval-Augmented Generation：検索拡張生成）は、この弱点を克服する技術です。

仕組みは非常にシンプルで、AIに「カンニングペーパー（自社の資料）」を渡して、それを見ながら回答させる技術だと考えてください。

するのが**RAG（Retrieval-Augmented Generation：検索拡張生成）**です 。難しく聞こえますが、仕組みは非常にシンプルです。   

1. Retrieval（検索）：ユーザーから質問が来たら、まずAIが学習していない外部のデータベース（あなたが用意した社内文書やWebサイトなど）から、関連性の高い情報を探し出します。
2. Augmented（拡張）：探し出した情報を「カンペ」として、ユーザーの質問と一緒にAIに渡します。
3. Generation（生成）：AIは、その「カンペ」の内容に基づいて、正確な回答を生成します。

つまりRAGとは、AIに「自社の資料を検索して、その内容だけを参考にして答えてね」とお願いする技術なのです。Difyでは、このRAGを実現するための機能を「ナレッジ」と呼んでいます 。

第2章：ステップ1 – AIの教科書を作る「ナレッジベースの作成」

それでは、実際にDifyでRAGを構築していきましょう。最初のステップは、AIに学習させたい情報を登録することです。

1. 「ナレッジ」を作成する

Difyの管理画面上部にあるメニューから「ナレッジ」を選択し、「ナレッジベースを作成」ボタンをクリックします。

2. ファイルをアップロードする

学習させたい資料（PDF、Word、Excel、テキストファイルなど）をアップロードします。

Difyはアップロードされた文書を自動的に「チャンク（小さな塊）」に分割し、「ベクトル化（数値化）」してAIが読める形に変換してくれます。

① チャンキング（情報の分割）

AIは一度に長すぎる文章を読むのが苦手です。そのため、Difyはアップロードされた文書を、意味のある小さな塊（チャンク）に自動で分割します 。この分割方法は、通常は「自動モード」で問題ありませんが、「カスタムモード」でチャンクのサイズなどを調整することも可能です 。   

② ベクトル化（情報の数値化）

AIは人間の言葉をそのまま理解できません。そのため、分割されたチャンクを「ベクトル」と呼ばれる数値の羅列に変換します 。これは、言葉の意味をAIが理解できる形式に「翻訳」する作業だと考えてください。この処理は「埋め込みモデル」という専門のAIが担当します。   

ナレッジベースは以下の内容から作成することが可能です。

• ファイルからインポート：PDF、Word、Excel(CSV)、テキストファイルなどを直接アップロードできます。最も手軽で一般的な方法です。
• Notionから同期：普段使っているNotionのページを、そのままナレッジとして連携できます。
• Webサイトから同期：会社のヘルプページや製品サイトのURLを指定すると、その内容を自動で読み込んでくれます。

第3章：ステップ2 – アプリケーションとナレッジを連携させる

教科書ができたので、次はこの教科書をAIチャットボットに持たせて、実際に使えるように連携させます。

1. 「知識検索」ノードを追加する

チャットフロー作成画面で、「開始」ノードと「LLM」ノードの間に「知識検索（Knowledge Retrieval）」ノードを追加します。

2. ナレッジを紐付ける

「知識検索」ノードの設定で、先ほど作成したナレッジベースを選択します。

3. プロンプトで指示を出す

LLMノードのプロンプト欄に、以下のように記述します。

{{knowledge}} という変数が重要です。ここに検索結果が自動的に挿入されます。

# 指示 提供された参考資料「{{knowledge}}」の内容だけを厳密に参照し、ユーザーからの質問「{user_input}」に回答してください。

制約
資料に書かれていないことは、絶対に推測で回答しないでください。

第4章：ステップ3 – RAGの精度をさらに高める応用テクニック

回答の精度を劇的に向上させるための「Rerank（リランク）」設定について解説します。

ハイブリッド検索 ＋ Rerankモデル

「知識検索」ノードの設定で、以下の組み合わせにするのが最強の構成です。

• 検索設定：「ハイブリッド検索」（キーワード一致と意味検索の両方を行う）
• Rerankモデル：「有効化」する

ウェイト設定

ウェイト設定のウェイトとは重みのことです。なぜか訳を「重み設定」とせずに「ウェイト設定」と訳しています。何のウェイトかといえば、ベクトル検索で使われる「セマンティック優先度」と、全文検索で使われる「キーワード優先度」のこととなります。単にベクトル検索と全文検索を行うだけでなく、ウェイトを考慮した上で検索した方が、精度をあげることができます。

セマンティック優先度とキーワード優先度の重みの付け方は諸刃の剣です。つまり、セマンティック優先度を高く設定すれば、キーワード優先度は低くなり、逆にセマンティック優先度を低く設定すれば、キーワード優先度は高くなります。

Rerank設定

精度をよくしたい場合は、「ウェイト設定」ではなく「Rerank設定」をすることになります。ウェイト設定よりもRerank設定の方が検索の精度が高くなります。Rerank設定にすれば、重みを付けたハイブリッド検索は行ってくれないが、その代わりに、再順位付けを行うようになります。

まとめ：あなただけの専門家AIを育てよう

DifyのRAG機能を使えば、プログラミング知識がなくても、自社のマニュアルやノウハウを完璧に理解したAIアシスタントを作成できます。

ぜひ、このガイドを参考に、業務効率化を実現する「最強のAIパートナー」を育ててみてください。