Kotozna 株式会社（总公司：东京都港区，代表董事 CEO：后藤玄利）作为一家提供利用生成式 AI 的多语言通信平台之 B2B SaaS 企业，已发布独家 RAG（Retrieval-Augmented Generation）架构「TocDex RAG（目录＋索引 RAG）」，旨在提高生成式 AI 聊天机器人的回答精准度。 通过实施此架构，生成式 AI 聊天机器人的回答精准度、多语言支持能力和扩展性将大幅提升。 TocDex RAG 采用结合了类别搜索（目录）和索引搜索（索引）的两层结构搜索方式，并已搭载于企业级生成式 AI 平台「Kotozna TPG」中。这是一个全新的 RAG 架构，重新审视了搜索结构本身，以应对传统 RAG 在语境理解和多语言搜索方面所面临的挑战。 TocDex RAG 的运作机制 近年来，许多企业利用大型语言模型（LLM）导入了搜索和回答内部知识及客户信息的系统。然而，传统 RAG 在语境理解的精准度、多语言查找的应对以及大规模数据处理等方面存在课题。 为了解决这些课题，TocDex RAG 采用了结合类别搜索和索引搜索的两层结构搜索架构。通过按类别整理和筛选信息，同时像索引一样以单词为单位进行搜索，生成式 AI 在生成回答之前，能够更有效率地获取更符合语境的信息。 TocDex RAG 与传统 RAG 的差异 比较传统 RAG 与 TocDex RAG 传统 RAG 通常的做法是将通过搜索获取的文本片段（chunk）直接传递给 LLM 以生成回答。然而，这些片段在分割时往往没有考虑语义上的区隔，导致 LLM 在某些情况下无法获得足够的语境信息。 另一方面，TocDex RAG 不仅将获取的片段，还将包含其周边的语义上连贯的文本（passage）传递给 LLM。这使得 LLM 能够理解前后语境，从而生成更精确、更自然的回答。 Kotozna 株式会社代表董事 CEO 后藤玄利表示： 「RAG 的性能在很大程度上取决于片段的品质。由有意义的单位组成的片段才能实现高精准度的回答，但在传统 RAG 中，这一点往往没有得到充分考虑。」 TocDex RAG 的主要优势 与传统 RAG 相比，TocDex RAG 具有以下特点： ・通过强化语境理解来提高回答精准度 ・强化多语言查找的应对能力 ・在成本效益高地处理大规模数据的同时，抑制对回应速度的影响 ・无需额外的维护负担 支持扩展性和灵活性的功能 考虑到企业的营运，还实施了以下功能： ・数据更新时自动同步矢量数据库 ・可按机器人单位切换功能的打开／关闭 ・支持关键字搜索设置的客制化 预期应用领域 TocDex RAG 在特别需要精确术语理解和多语言支持的领域中，将发挥高效作用。例如，在观光和酒店业中，需要精确处理店铺名称、设施名称、商品名称等具有独特性的信息。此外，它也适用于处理包含专业术语的文档，如产品手册和技术文档。 未来，作为支持企业知识利用和客户服务的生成式 AI 基础，预计将在各行各业中得到广泛应用。 体验新功能 TocDex RAG TocDex RAG 已实施于 Kotozna 的生成式 AI 平台「Kotozna TPG 2.0」。「Kotozna TPG 2.0」是一个无需代码、即使没有专业知识也能轻松创建生成式 AI 聊天机器人的平台。目前，我们为企业和个人用户提供了免费方案，因此您可以实际体验 TocDex RAG 带来的舒适机器人体验。 Kotozna TPG 2.0 注册（使用注册） https://www.kotozna.com/ja/tpg Kotozna TPG 2.0 使用手册 https://prompt-engineering.kotozna.com/manuals/ Kotozna CEO 关于 AI 技术和特性的解说视频（系列超过 30 集。每集约 3 分钟） https://www.youtube.com/@kotoznaofficial9548 解说设计者应注意的「分割思维」 AI 精准度，取决于如何划分。 在这段视频中，Kotozna 代表后藤玄利将解说在使用 RAG 和 KAG 进行 AI 设计时常被忽略的重点「有意义的片段」。 https://youtu.be/btxqQlOddEA 关于 Kotozna 株式会社 官方网站：https://www.kotozna.com/ja/about 代表者：代表董事 CEO 后藤 玄利 设立：2016 年 10 月 资本金：70,000,000 日圆 ※截至 2025 年 12 月 31 日 所在地：东京都港区赤坂 2-5-8 HULIC JP 赤坂大楼 3F 事业内容：提供利用生成式 AI 的多语言通信支持服务 联系方式：sales@kotozna.com 公司