RAG管理

社内文書を取り込み、その内容を根拠に AI が回答する仕組み（RAG）です。サイドバーの「RAG」から、ナレッジを作成・利用します。

基本の流れ

1. ナレッジを作成 — 名前と用途を設定します。
2. ファイルを取り込み — PDF / Office（Word / Excel / PowerPoint）/ テキストなどをアップロード、または外部ストレージ・SQL から取り込みます。読み取り方式は Vision設定 でファイル処理（OCR+テキスト）/ ベクトル処理（AI 読取+検索）から選びます（詳細は画像・添付ファイルの扱い方を参照）。
3. チャットで利用 — ナレッジを選択して質問します。 → 回答に参照元が示されます。

取り込みの実行と進捗

• 「サーバー取り込み」やファイル管理からの「RAGに取込む」は、サーバー側で実行されます。画面を移動したりブラウザを閉じたりしても取り込みは継続します。
• 進捗は RAG 一覧上部の 「取込進捗」 に表示されます（ナレッジ名・処理中ファイル・進捗率）。✕ で中止でき、処理中のページ / チャンクの区切りで停止します。
• チャンクサイズ・埋め込みモデル・Vision などの取り込みパラメータは、指定しなければユーザー設定の RAG パラメータが使われます。

ソース（取り込んだ文書）の管理

ナレッジ詳細の一覧で、取り込み済みの文書を管理できます。

• ソース名 — クリックで変更できます。変更は検索結果の参照元表示（citation）にも反映されます。
• リンク先 — 取り込み元のファイルパスや URL です。クリックすると原本（ファイル管理の該当フォルダ、または Web ページ）が開きます。変更は行末の「⋮ → 詳細・メタデータ」からファイル選択で行います。
• メタデータ — 「⋮ → 詳細・メタデータ」で部署・版数などの属性を付けられます。付けた属性は AI の検索結果にも含まれます。
• ファイル管理側で原本をリネーム・移動するとリンク先は自動で追従し、原本を削除すると自分が所有するナレッジの該当ドキュメントも連動して削除されます。

埋め込みモデル

取り込み時に文書をベクトル化します。Ollama エディションでは、埋め込みモデル（例: nomic-embed-text）を事前に用意してください。

次元の注意点（重要）

埋め込みモデルごとに、生成されるベクトルの次元数が異なります。ナレッジは、最初に文書を取り込んだときの次元に固定されます（内部的にベクトル列がその次元でロックされ、検索用インデックス（HNSW）が作られます）。

• 検索（推論）時 — RAG パラメータの Embedding Model は、そのナレッジを取り込んだモデルと必ず同じものを指定してください（AIエージェント 参照）。質問文の埋め込みと文書の埋め込みの次元が揃って初めて検索できます。
• モデルを変えたいとき — そのナレッジの文書をすべて削除してから、新しい埋め込みモデルで取り込み直してください。全文書を削除すると次元のロックが解除され、次の取り込み時に新しい次元で作り直されます。
• エクスポート / インポート — 別環境へ移す場合も、次元が一致しないナレッジへはインポートできません。

共有

作成したナレッジはタグで共有範囲を制御できます（ユーザー・権限管理を参照）。共有先のタグは所有者が選べます（タグ自体の作成・ユーザーへの付与は ADMIN / SUPER が行います）。

RAG と SQL の使い分け

関連

• AIエージェント — ナレッジを使った対話・RAG パラメータ
• ファイル管理
• ワークフロー — ナレッジへの自動取り込み