【Dify】Lesson5-1：RAGアプリ入門｜社内FAQチャットボットを作ろう

社内のルール、手順書、福利厚生、申請フローなど、「会社の中にしかない情報」をチャットで答えられたら便利ですよね。

けれど、ChatGPTにそのまま質問しても、社内資料を読んでくれるわけではありません。

そこで登場するのが RAG です。

この記事では、Difyのナレッジ（データセット）を使って、社内資料を根拠に回答する「社内FAQチャットボット」を作ります。

最初にRAGまわりで頻出する用語を整理してから、実際のアプリ開発に入ります。

焦らず、まずは「RAGは何を解決する仕組みなのか」を押さえて進めていきましょう。

<<前のページ

Difyの記事一覧

次のページ>>

DifyのRAGとは：ナレッジ検索で根拠付き回答を作る仕組み

RAG（Retrieval Augmented Generation）は、質問に関連する情報をナレッジ（社内FAQや規程など）から検索し、その検索結果を “根拠テキスト” としてLLMに渡したうえで回答を生成する手法です。

つまり、LLMが記憶や推測だけで答えるのではなく、「検索で得た根拠に基づいて答える」状態を作れます。

RAGの基本フロー：検索（Retrieval）→生成（Generation）

RAGの動きはシンプルで、基本は次の3ステップです。

ポイントはLLMがいきなり答えを作るのではなく、先にナレッジ（社内FAQや規程など）から関連部分を取り出して、それを材料に答えることです。

この「検索結果＝コンテキスト」があることで、回答がふわっとしにくくなり、「それどこに書いてあるの？」に強いアプリになります。

検索結果（コンテキスト）をLLMプロンプトで参照する

DifyのRAGは、ナレッジ検索で見つかった文章が「コンテキスト」としてLLMに渡る仕組みになっています。

今回開発する社内FAQチャットボットも、ワークフローは次の流れです。

LLM側では、プロンプト内に「ナレッジ検索結果（コンテキスト）」を差し込む枠があり、そこに検索結果が入ります。

つまり、LLMは “検索で拾えた文章” を見ながら答えることになります。

実務向け設計：根拠がない場合は「不明」と返すルール

社内向けのFAQで怖いのは、知ったかぶりの回答です。

Difyではプロンプトでルールを明確にできるので、次のような実務向けの動きを作れます。

たとえば今回開発するアプリでは、以下のように設定します。

この1文が入るだけで、RAGアプリは一気に “使える道具” に寄ります。

正答率を上げるというより、誤答で信用を落とさない設計ができるのが大きいです。

精度が出ない原因：ナレッジ不足／検索ミス／要約ミス

RAGがうまくいかない原因は、だいたい次のどれかです。

今回は細かい設定の解説はせず、まず「動く社内FAQチャットボット」を完成させます。

そのうえで Lesson5-2、5-3 で、ナレッジの詳細設定やクエリ変換、メモリ活用などを使いながら、検索の当て方と回答の安定感を段階的に上げていきます。

あわせて読みたい

Dify学習館｜生成AIアプリ開発の基礎から実践まで

あわせて読みたい

【Dify学習館 会員版】16個の実践アプリを作りながら、生成AIアプリ開発を身につけよう