すべてのプロダクト
Search

このプロダクト

    Platform For AI:PAI-RAG Web UI の設定

    ドキュメントセンター

    Platform For AI:PAI-RAG Web UI の設定

    最終更新日:Jun 26, 2026

    PAI-RAG Web UI では、モデル、ナレッジベースのチャンキング、コードサンドボックス、検索サービス、および MCP ツールを設定できます。これらの設定により、RAG システムの検索と質問応答の動作を微調整できます。

    モデルの設定

    左下隅にある [Settings > Model] をクリックします。[LLM] タブでモデルを追加します。

    説明

    オールインワンデプロイメントは、モデル設定レコードを自動的に生成します。他のソースからモデルを追加することもできます。

    • Model ID：モデル設定を識別するための ID です。

    • Endpoint URL：モデルのサービスエンドポイントです。

      説明

      • Alibaba Cloud Model Studio のモデルは別途課金されます。詳細については、「Alibaba Cloud Model Studioの課金」をご参照ください。

      • EAS モデルサービスの場合、サービス詳細ページに移動し、Basic Information をクリックしてから View Endpoint Information をクリックします。エンドポイント URL の末尾に /v1 を追加します。

    • API Key：Alibaba Cloud Model Studio の場合は、「APIキーの取得」をご参照ください。EAS サービスの場合は、エンドポイント情報からトークンを入力します。

    • Model Name：値はデプロイメントによって異なります。LLM サービスが vLLM 推論エンジンを使用して EAS にデプロイされている場合は、/v1/models API を使用して取得できる特定のモデル名を入力します。他のすべてのデプロイメントモードでは、これを default に設定します。

    • Multimodal model：マルチモーダルモデルを使用している場合は、このオプションを選択します。デフォルトでは、このオプションは選択されていません。

    • Thinking model：思考モードと非思考モードの両方をサポートするモデルの場合、このオプションを使用して思考を有効または無効にします。デフォルトでは、このオプションは選択されていません。

    image

    モデルを設定した後、テストします。左側のナビゲーションペインで [New Chat] をクリックし、チャットページの上部でモデルを選択して、会話を開始します。

    image

    MCP の設定

    左下隅にある [Settings > MCP] をクリックして MCP を追加します。

    • MCP Link：MCP サービスのエンドポイント URL です。

    • MCP Type：SSE、STDIO、または Streamable HTTP です。

    • Bearer Token：(オプション) ベアラートークン認証用のアクセストークンです。

    image.png

    検索の設定

    ナレッジベースにユーザーの質問に答える情報がない場合、または回答にリアルタイムの情報が必要な場合は、検索サービス (Tavily) を有効にします。

    左下隅にある [Settings > Search] をクリックします。

    Tavily 検索

    Tavily の公式サイトで登録し、API キーを取得します。

    image.png

    コードサンドボックスの設定

    コードサンドボックスは、安全な Python コード実行環境を提供します。有効にすると、AI アシスタントは自動的にコードサンドボックスを使用してコードを実行します。

    シナリオ

    • データ分析：統計、集計、フィルタリング。例：「売上データを分析し、地域ごとの平均売上を計算してください。」

    • データ可視化：チャート生成とトレンドプロット。例：「過去1年間の売上トレンドをプロットしてください。」

    • 数学的演算：複雑な計算と方程式の求解。例：「このシーケンスの標準偏差を計算してください。」

    • ファイル処理：CSV、Excel、その他のファイルの解析、およびデータの抽出と変換。

    • コード実行を必要とするその他のタスク

    前提条件

    コードサンドボックスを設定する前に、次の手順を完了してください：

    1. Function Compute の有効化：Function Compute コンソールに移動し、プロンプトに従って有効化します。

    2. AgentRun インタープリターの作成：AgentRun コンソールに移動します。左側のナビゲーションペインで [Sandbox] を選択します。[Code Interpreter] タイプのサンドボックステンプレートを作成します。

      説明

      デフォルトのネットワークタイプは [Allow the default NIC to access the public network] で、RAG サービスでパブリックネットワークアクセスを設定する必要があります。

      または、[Allow access to VPC] を選択し、RAG サービスに同じ VPC を設定します。

    3. Alibaba Cloud アカウント ID と Sandbox ID を取得します。アクセス資格情報を設定した場合は、API キーも取得します。

    設定

    左下隅にある [Settings > Code Sandbox] をクリックし、次のパラメーターを設定します：

    • Enable Sandbox：サンドボックス機能をオンまたはオフにします。

    • Sandbox Type：Alibaba Cloud FC サンドボックスのみがサポートされています。

    • Alibaba Cloud ID：Alibaba Cloud アカウント ID です。

    • Interpreter ID：コードインタープリターのサンドボックス ID です。

    • Interpreter Name：コードインタープリターの名前です。

    • API Key：ID 検証に使用される AccessKey ペアです。

    • Default Timeout (s)：最大コード実行時間 (秒) です。デフォルトは 50 です。

    image

    ファイルチャンキングポリシーの設定

    チャンキング設定は、ナレッジベース内のドキュメントのチャンキングメソッドを定義します。これにより、ベクトル化と検索のためにドキュメントをチャンクに分割する方法が決まります。適切なチャンキング設定は、再現率と回答の品質を向上させることができます。

    チャンキングは、次の 2 つのレベルで設定できます：

    • ナレッジベースのチャンキング設定：ナレッジベースにアップロードされたファイルは、そのデフォルト設定を使用して解析されます。image

    • ファイルレベル：

      • ファイルをアップロードするときに、そのチャンキングパラメーターを個別に指定できます。image

      • 既存のファイルに対して [再解析] 操作を実行する場合、新しいチャンキング設定を指定して再処理をトリガーすることもできます。image

    前提条件

    チャンキング設定を行う前に、次の前提条件を満たしている必要があります：

    • ナレッジベース：システムにアクティブなナレッジベースが存在すること。

    • 埋め込み設定：少なくとも 1 つの埋め込みモデルが設定されていること。

    • (オプション) マルチモーダルモデル：画像理解に必要です。システムでビジョンモデルを設定してください。

    パラメーターの説明

    パラメーター

    説明

    Chunk Type

    ドキュメントの特性に基づいてチャンクタイプを選択します：

    • 構造化：構造 (タイトル、段落) に基づいて分割します。ほとんどの Markdown、PDF、Word ファイルに適しています。

    • トークンごと：トークン数に基づいて分割します。厳密な長さ要件に適しています。

    • テーブル：テーブル構造に基づいて分割します。Excel および CSV ファイルに適しています。[Max table header row index]、[Merge rows]、[Row delimiter]、[Format as JSON] を設定します。

    • 段落：\n\nなどのカスタム区切り文字で分割します。チャンクサイズとチャンクオーバーラップも設定できます。

    Chunk Size

    チャンクタイプに応じて、各チャンクの最大長を文字数またはトークン数で指定します。推奨値：1000。

    Chunk Overlap

    隣接するチャンク間の重複部分の長さです。これにより、コンテキストが維持され、意味的な分断が防がれます。推奨値：50。

    重要

    チャンクサイズはチャンクオーバーラップよりも大きい必要があります。

    Image Understanding Model

    • PDF や Markdown ファイルに埋め込まれた画像など、ドキュメント内の画像コンテンツを解釈します。

    • ドロップダウンリストから設定済みのビジョンモデルを選択するか、使用しないことを選択します。

    • 選択すると、解析中に画像が解釈され、チャンキングと検索に含まれます。

    Vector Model

    • チャンク化されたテキストと画像理解の結果を、検索用のベクトルに変換します。

    • BAAI/bge-m3 など、システムで設定された埋め込みモデルを選択します。
    説明

    チューニングの提案：まず、デフォルト設定でいくつかのドキュメントをアップロードします。評価モジュールで再現率と正解率を分析し、その結果に基づいてパラメーターを調整してください。

    使用方法の提案

    • 長いドキュメントの RAG：チャンクタイプを「構造化」、チャンクサイズを 1000、チャンクオーバーラップを 50 に設定します。これにより、コンテキストを維持しながらチャンクの長さを制御できます。

    • 区切り文字による厳密なチャンキング：カスタム区切り文字を指定して、段落チャンキングを使用します。

    • 表形式データ：[テーブル] チャンクタイプを選択し、ヘッダー行と行区切り文字を設定します。[Merge rows] を選択しない場合、システムは行ごとにデータをチャンク化します。[Merge rows] を選択した場合、システムはチャンクサイズの制限に基づいて行をブロックにマージします。

    • マルチモーダルドキュメント：[Image Understanding Model] を有効にして、PDF やその他のドキュメントの画像コンテンツを検索と回答生成に含めます。

    アプリケーション FAQ の設定

    FAQ 機能は、アプリケーションごとに質問と回答のナレッジベースを維持します。製品マニュアル、カスタマーサービススクリプト、よくある質問などに使用できます。

    FAQ が有効でエントリが設定されている場合、会話は次のフローに従います：

    1. AI アシスタントは、ユーザーの質問に最も類似した FAQ エントリを検索します。

    2. 一致が類似度のしきい値に達した場合、システムは設定に応じてFAQ の回答を直接返すか、FAQ の結果に基づいてモデルを使用して回答を生成します。

    3. 一致が見つからない場合、または直接回答オプションが有効になっていない場合、システムはナレッジベースや検索などの他の機能にフォールバックします。

    設定：

    1. システムにログオンし、ターゲットアプリケーションの設定ページに移動します。

    2. FAQ の有効化：アプリケーション設定で、[Enable FAQ] スイッチを有効にして変更を保存します。image

    3. FAQ 管理ページを開き、以下を実行します：

      • FAQ 返信設定：[Settings] をクリックします。類似度スコアのしきい値 (0.8～1.0 を推奨します)、埋め込みモデル、検索と表示に質問または回答を含めるかどうか、およびツール結果を直接返すかどうかを設定します。

        image.png

      • FAQ の管理：

        • 単一の FAQ エントリを追加、編集、または削除します。image

        • エントリを一括で削除します。image

        • 一括インポート：Excel ファイルをアップロードし、質問と回答の列をマッピングしてから、ワンクリックでエントリをインポートします。image.png

    4. 保存後、このアプリケーションでの会話は自動的に FAQ 検索を優先します。