> For the complete documentation index, see [llms.txt](https://docs.cherryai.com.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cherryai.com.cn/docs/jp/advanced-basic/knowledge-content/knowledge-base.md).

# ナレッジベースの構築と検索テスト

ナレッジベースは、ファイル、Webページ、ノートを検索可能な断片に処理します。これは「資料にはどう書かれているか」に答えるのに適しており、モデルに文書全体を永久記憶させるものではありません。

## 資料を新規作成してインポート

{% stepper %}
{% step %}

### 1. 【ナレッジベース】→【ナレッジベースを新規作成】を開く

わかりやすい名前を入力し、利用可能な埋め込みモデルを選択します。埋め込みモデルは資料を検索可能な表現に変換する役割であり、会話に使うメインモデルとは別物です。
{% endstep %}

{% step %}

### 2. 資料ソースを選択する

ファイル、フォルダ、ノート、またはURLを追加できます。一般的な文書形式には PDF、DOCX、Markdown、Excel、TXT、CSV が含まれます。スキャン文書は、文字を取得するためにOCRが必要な場合があります。
{% endstep %}

{% step %}

### 3. 処理完了を待つ

ファイル詳細を開いてプレビューと分割を確認します。タイトルの欠落、文字化け、表の構造の欠損がある場合は、まず元ファイルを整理してから再処理してください。
{% endstep %}

{% step %}

### 4. リコールテストを行う

実際のユーザーが聞くような質問でテストし、ファイル名だけを入力しないでください。返された断片が関連しているか、完全な文脈を含んでいるかを確認してから、Agentに紐付けるか判断します。
{% endstep %}
{% endstepper %}

<figure><img src="/files/6cd73c187ee86f2e1ec999794062dd6fc8756b4e" alt="新建知识库时的名称、嵌入模型和保存入口"><figcaption><p>ナレッジベースを新規作成する際は、まず名前を入力し、利用可能な埋め込みモデルを選択します。</p></figcaption></figure>

<figure><img src="https://3562065924-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2Fgit-blob-9b55e8bfc279019611a137d7667c91533e6684eb%2Fcherry-v2-guide-knowledge-sources.png?alt=media" alt="员工差旅制度知识库中已就绪的笔记来源与召回测试入口"><figcaption><p>① 3つの出張資料はすべて準備完了；② 上部の【リコールテスト】をクリックして実際の質問を検証。</p></figcaption></figure>

<figure><img src="https://3562065924-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F0Ut5BptC3t8CtSU1UWpM%2Fuploads%2Fgit-blob-413972fdce3631aee8d1619db3a9936b2dfc3774%2Fcherry-v2-guide-knowledge-recall.png?alt=media" alt="知识库对海外租车能否报销的召回测试结果"><figcaption><p>① 実際の業務で本当に聞かれる質問を入力する；② ヒットした資料、断片の内容、関連度を確認する。</p></figcaption></figure>

### 実際の質問でリコール結果を検証する

資料が【準備完了】と表示されたら、実務で実際に起こりうる質問でテストします。たとえば規程ライブラリなら「海外で借りた車は精算できる？」と聞き、返ってきた内容が正しい資料に基づいているか、十分な文脈を含んでいるかを確認します。

| 表示される結果                  | 次の手順                          |
| ------------------------ | ----------------------------- |
| 正しい資料にヒットし、断片で質問に十分答えられる | Agent に紐付けて使用できる              |
| 資料にはヒットしたが、断片が途中で切れている   | まず元文書の構造を確認し、その後分割長を調整する      |
| 古い規程や無関係な資料にヒットする        | 古い資料を整理し、より明確なタイトルと内容を補う      |
| まったく結果がない                | 資料の状態と質問の表現を確認し、むやみに返却数を増やさない |

{% hint style="info" %}
リコールテストに合格した後、Agentで完全なQAを検証します。こうすることで、「資料が見つからない」のか、「資料は見つかったが回答がよくない」のかを切り分けられます。
{% endhint %}

## RAG設定の理解方法

RAGとは「先に資料を検索し、それからモデルに回答させる」ことを指します。一般的な設定では、分割長、重なり範囲、返却数、関連度の閾値を制御します。

| 設定       | 役割                     | 推奨の開始値        | いつ調整するか                            |
| -------- | ---------------------- | ------------- | ---------------------------------- |
| 分割長      | 各検索断片にどれだけの内容を含めるかを決める | まずはページの初期値を使う | 断片がしばしば文を途中で切ったり、多くのテーマを混在させたりする場合 |
| 分割の重なり   | 隣接する断片のつながりを保持する       | 少し重なりを持たせる    | 条項が段をまたぎ、文脈がよく途切れる場合               |
| 返却数      | 一度にいくつの候補断片を提供するか      | 少量の結果から始める    | 重要な資料を取りこぼすときは増やし、ノイズが多すぎるときは減らす   |
| 関連度のしきい値 | 無関係な内容を除外する            | リコールテストで判断する  | 無関係な結果が多いときは引き上げ、正しい断片が除外されるときは下げる |

<figure><img src="/files/d79a322590aeb377fbbf5ee9b260ecbca4456c35" alt="知识库 RAG 的分段、返回和过滤设置"><figcaption><p>リコール結果が不安定な場合に限り、資料構造に応じてRAG設定を調整します。</p></figcaption></figure>

### 応用例：社内規程Q\&Aライブラリの構築

現行規程を部門ごとに整理し、ファイル名にテーマと適用範囲を含めます。インポート後は「出張時の宿泊費が上限超過したらどう扱うか」「試用期間中の休暇は誰の承認が必要か」など、実際の質問でリコールテストを行います。断片が正確であることを確認したら、このナレッジベースだけを「規程Q\&A」Agentに紐付け、回答時には資料名を明示するよう求めます。内容が不足している場合は、見つからなかったと明確に伝えます。

{% hint style="warning" %}
ナレッジベースは、ファイルが期限切れかどうかを自動で判断しません。規程、価格、プロセスが変わったら、古い資料を更新または削除し、再度リコールテストを行う必要があります。
{% endhint %}

<details>

<summary>なぜインポート後にずっと結果が出ないのですか？</summary>

ファイルの処理状態、埋め込みモデルの接続、文書プレビューを確認してください。スキャン版PDFに抽出可能な文字がない場合は、先にOCRを設定するか、検索可能な版に置き換える必要があります。

</details>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.cherryai.com.cn/docs/jp/advanced-basic/knowledge-content/knowledge-base.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.