RAGパイプライン
文書から回答までの一連の流れ。取り込み（解析＋チャンク分割）→ 埋め込み → ベクトルDBへの保存、問い合わせ時は検索 → 必要ならリランク → 生成。
素朴なRAGは単純なtop-kコサイン検索にすぎない。現代のRAGには、チャンク分割戦略（意味単位、スライディングウィンドウ、再帰的、レイトチャンキング）、ハイブリッド検索（ベクトル＋BM25）、リランカー（Cohere Rerankなどのクロスエンコーダー）、クエリ拡張（HyDE、マルチクエリ）、コンテキスト圧縮、コンテキスチュアル・リトリーバル（Anthropicの手法）が加わる。LLMのコンテキスト長が伸びて「全部渡せばいい」という長文脈派が魅力的に見えるようになったが、精度は劣りコストも高い。