すべてのプロダクト
Search
ドキュメントセンター

Tablestore:Knowledge Storage の概要

最終更新日:Oct 22, 2026

Knowledge Storage サービスは、ビジネスドキュメントを、検索拡張生成 (RAG) アプリケーションが取得できるチャンクに変換します。このサービスは、ドキュメント解析、チャンキング、埋め込み、インデックス作成、検索を管理します。お客様のアプリケーションは、ドキュメントを管理し、取得した結果を大規模言語モデル (LLM) に渡すだけで済みます。

Knowledge Storage サービスとは

Knowledge Storage サービスは、Alibaba Cloud Tablestore 上に構築された、フルマネージドのサーバーレス RAG サービスです。物理サーバーやインフラストラクチャをデプロイまたはメンテナンスする必要はありません。

コンソール、ソフトウェア開発キット (SDK)、またはコマンドラインインターフェイス (CLI) を通じてドキュメントをインポートすると、システムは自動的にドキュメントを解析、チャンク化、ベクトル化し、インデックスを構築します。検索時、サービスはハイブリッド検索を実行し、関連するチャンクを返します。

すべてのデータは、お客様のアカウント内の Object Storage Service (OSS) と Tablestore のリソースに保存されます。このサービスは、お客様のデータを保持またはコピーしません。ストレージとコンピューティングは分離されており、独立して課金されます。一般的な AI アプリケーションのワークフローにおいて、Knowledge Storage サービスはナレッジ管理と検索を提供します。

Knowledge Storage サービスの課金情報については、製品の料金をご参照ください。Knowledge Storage サービスを素早く試すには、最初のナレッジベースの構築をご参照ください。

Knowledge Storage サービスは、中国 (北京)、中国 (上海)、中国 (杭州)、中国 (深セン)、中国 (香港)、シンガポールの各リージョンで利用可能です。アクセスには最寄りのリージョンを選択してください。

機能とメリット

  • サーバーレスと伸縮性 — フルマネージドのサーバーレスアーキテクチャは、最低料金なしの従量課金制を採用しています。ストレージとコンピューティングは独立して課金されます。1 つのナレッジベースで、デフォルトで最大 1,000 万件のドキュメントをサポートします。Tablestore の分散アーキテクチャ上に構築されているため、サービスはビジネス規模に応じてスケールします。具体的な制限については、クォータと制限をご参照ください。

  • フルマネージドのナレッジベースパイプライン — ドキュメントがアップロードされると、システムはドキュメント解析、チャンキング、埋め込み、インデックス構築など、すべての処理を自動的に完了します。このサービスは、PDF、Word (doc/docx)、Excel (xls/xlsx)、PowerPoint (ppt/pptx)、プレーンテキスト (txt)、Markdown (md) など、一般的なドキュメント形式に対応しています。ドキュメント処理パイプラインを構築したり、埋め込みモデルのデプロイと運用を管理したり、ベクトルインデックスを手動で構築・維持したりする必要はありません。このサービスは、ナレッジベースのライフサイクル全体を自動的に管理します。

  • データの所有権と完全な制御 — プロセス内のすべての生データ、中間データ、結果データは、お客様自身のクラウドサービスアカウント内の OSS バケットまたは Tablestore インスタンスに保存されます。このサービスは、お客様のデータを保持またはコピーしません。このアーキテクチャにより、お客様はデータの所有権とセキュリティを完全に制御でき、金融、政府、医療などの業界における厳格なデータコンプライアンス要件を満たすことが可能になります。

  • 柔軟なカスタマイズと高精度な検索 — このサービスは、ベクトル検索と全文検索 (意味的類似性 + 完全一致キーワードマッチング) を組み合わせたデュアルチャネルのハイブリッド検索に対応しています。シナリオに基づいて選択できる 3 つのリランキング戦略 (RRF、WEIGHT、MODEL) を提供します。API とパラメータを通じて、埋め込みモデルの選択 (組み込みの Model Studio またはカスタム)、検索戦略の設定、メタデータフィルタリング条件からチャンクレベルのコンテンツ管理まで、コアモジュールをきめ細かく制御できます。

主なアプリケーションシナリオ

シナリオ説明
エンタープライズナレッジ質問応答システム社内の製品ドキュメント、技術マニュアル、FAQ、ポリシー、その他の資料をナレッジベースにインポートし、LLM と組み合わせてインテリジェントな質問応答システムを構築します。従業員または顧客が質問すると、システムはナレッジベースから最も関連性の高いコンテンツチャンクを取得し、それを LLM に渡して正確で追跡可能な回答を生成します。これは、カスタマーサービス、人事、法務、IT 運用などの部門で利用できます。
インテリジェントドキュメント検索と要約従来のキーワード検索エンジンを、ユーザーの検索意図を理解し、意味的に最も関連性の高いドキュメントチャンクを返すベクトル検索に置き換えます。時間、カテゴリ、著者などのディメンションによるメタデータフィルタリングと組み合わせることで、高精度なドキュメント検索を提供します。
マルチテナント SaaS (Software as a Service) ナレッジベースサブスペースを使用して、同じナレッジベース内で、ユーザー、部門、顧客などの異なるテナントのデータを分離します。各テナントは自身のサブスペース内のドキュメントのみを取得でき、各テナントに個別のナレッジベースを必要とせずにデータ分離を実現します。これにより、管理の複雑さとコストが大幅に削減されます。
RAG パイプライン統合RAG アーキテクチャの検索レイヤーとして Knowledge Storage サービスを使用し、LangChain や LlamaIndex などの主流の AI フレームワークと統合します。ドキュメントをナレッジベースに取り込み、推論中に Retrieve API を呼び出して関連するコンテキストを取得し、それをプロンプトに追加して LLM に送信することで、ナレッジ強化生成を実現します。
コンプライアンスドキュメント管理と監査金融、医療、政府などの業界におけるコンプライアンスドキュメント管理にこのサービスを使用します。すべてのデータはお客様のクラウドアカウントに保存され、データレジデンシー コンプライアンス要件を満たします。metadata フィールドを使用して、カテゴリ、バージョン、有効期間などのドキュメント属性にラベルを付け、メタデータフィルタリングと組み合わせて、高精度なコンプライアンスドキュメント検索を提供します。
  • インポート後のドキュメント解析、チャンキング、インデックス構築は非同期であり、システムによって自動的に完了します。リアルタイム処理または厳密にカスタマイズされたチャンキング戦略を必要とするシナリオに Knowledge Storage サービスが適合するかどうかを慎重に評価してください。

  • 構造化データのみのクエリには、ワイドカラムモデルまたはリレーショナルデータベースを推奨します。リアルタイムストリーミングデータのインデックス作成には、Tablestore の多次元インデックスを直接使用することを推奨します。

用語集

ナレッジベース内のデータは、4 つのエンティティレベルで構成されます:

エンティティ説明
KnowledgeBaseナレッジベース。各ナレッジベースは、ドキュメント、チャンク、インデックスのデータに対応します。
DocumentOSS ファイルに関連付けられたレコードで、ドキュメントのステータスとメタデータを記録します。
Chunkベクトルデータと元のテキストを格納するドキュメントセグメント。最小の検索単位です。
Index候補チャンクを取得するために使用される、サービス管理のベクトルと全文のインデックス。

システムは、Tablestore 内に対応するデータテーブルを自動的に作成します。次のテーブル名では、プレースホルダーはナレッジベース名と ID を表します:

  • ドキュメントテーブル: {knowledge_base_name}_{knowledge_base_id}

  • チャンクテーブル: {knowledge_base_name}_{knowledge_base_id}_chunk

  • インデックステーブル: {knowledge_base_name}_{knowledge_base_id}_index

ナレッジベースのデータソース設定

ナレッジベースのデータソースは、Alibaba Cloud Object Storage Service (OSS) です。ドキュメントのアップロード方法に関係なく、その生データはお客様の OSS バケットに保存されます。

ナレッジベースは、解析とチャンキングのためにソースドキュメントを読み取り、中間解析結果を OSS に書き戻すため、OSS バケットへの読み取りと書き込みのアクセス権が必要です。

ナレッジベースにドキュメントをインポートするには、次の 3 つの方法があります:

  • ローカルファイルのアップロード — ローカルファイルまたはディレクトリを指定します。SDK は自動的にそれを OSS にアップロードし、ナレッジベースに追加します。ディレクトリを指定すると、SDK はすべてのファイルを再帰的にトラバースします。

  • OSS ファイルの追加 — ファイルがすでに OSS にある場合、その OSS パスを指定して、アップロードせずにナレッジベースに直接追加します。

  • OSS ディレクトリの一括インポート — OSS ディレクトリパスを指定します。システムは、ディレクトリ内のすべてのファイルを再帰的に自動的にスキャンします。inclusionFilters と exclusionFilters を使用して、名前パターンでファイルをフィルタリングできます。

各方法の詳細については、「ドキュメント管理」をご参照ください。

ナレッジベースの埋め込み設定

埋め込み設定は、ドキュメントチャンクをベクトル化する方法を決定するもので、ナレッジベースを作成するときに指定します。

ナレッジベースを作成した後、埋め込み設定を変更することはできません。モデルまたは次元を変更するには、ナレッジベースを削除して再作成する必要があります。ナレッジベースを作成する前に、モデルの選択を十分に評価してください。

設定項目説明
providerモデルプロバイダー: bailian (組み込み Model Studio) または custom (カスタム)。
modelモデル名。Model Studio は text-embedding-v3 と text-embedding-v4 に対応しています。
dimensionベクトル次元。たとえば、text-embedding-v4 は 1,024 次元です。
urlcustom モードでのみ必要です。有効な URL を登録するには、事前に Tablestore にお問い合わせください。
apiKeycustom モードでのみ必要です。

embeddingConfiguration が指定されていない場合、システムはデフォルトで組み込み Model Studio の text-embedding-v4 モデル (1,024 次元) を使用します。これはほとんどのシナリオに適しています。

選択の推奨事項

  • 一般的な中国語と英語のシナリオには、1,024 次元の text-embedding-v4 を推奨します。意味的理解とパフォーマンスの適切なバランスを提供します。

  • 既存の自社開発またはサードパーティの埋め込みサービスを統合するには、custom モードを使用して、テクノロジースタックの一貫性を保ちます。

  • 次元が高いほど、より豊かな意味表現が可能になりますが、ストレージとコンピューティングのコストも増加します。ほとんどのシナリオには、1,024 次元を推奨します。

ナレッジベースの検索戦略設定

Retrieve API を呼び出すとき、検索設定 (retrievalConfiguration) は次の優先順位で決定されます:

優先度ソース説明
1 (最高)Retrieve API パラメータ現在のリクエストで渡された設定は、そのリクエストに対してのみ有効です。
2ナレッジベースレベルの設定ナレッジベースの作成時に設定され、UpdateKnowledgeBase を使用して変更できます。
3 (最低)システムデフォルトWEIGHT 加重融合 (ベクトル 0.7 : 全文 0.3) を使用した、ベクトルと全文のハイブリッド検索。

検索タイプ

タイプ説明適用シナリオ
DENSE_VECTOR意味的類似性に基づくベクトル検索。意味的な理解が必要で、自然言語で要件を記述する場合。
FULL_TEXT完全一致キーワードマッチングに基づく全文検索。正確なキーワード、固有名詞、または ID を入力する場合。

両方の検索タイプを有効にし、リランキングメカニズムを通じてそれらの結果を組み合わせることを推奨します。

リランキング戦略

タイプ説明適用シナリオ
RRF追加のモデル呼び出しなしで、逆順位融合を行います。低レイテンシが求められる一般的なシナリオ。
WEIGHT指定された比率でベクトルと全文検索のスコアに重みを付けます。2 つの検索チャネルの貢献度をきめ細かく制御する必要がある場合。
MODELRerank モデルを呼び出して、候補結果を並べ替えます。高いランキング品質が必要で、追加のレイテンシが許容される場合。

詳細な検索戦略の設定とチューニング方法については、「検索とランキング」をご参照ください。

マルチテナント管理

サブスペースは、ナレッジベース内のデータ分離パーティションです。これを使用して、同じナレッジベース内でユーザー、部門、またはテナントごとにデータを分離します。ナレッジベースを作成するときに "subspace": true を設定して有効にします。

主なルール:

  • ナレッジベースを作成した後、サブスペースの有効/無効を切り替えることはできません。

  • サブスペースを有効にした後、すべてのドキュメント操作 (追加、クエリ、削除、リスト) と検索操作では subspace フィールドを指定する必要があります。指定しない場合、エラーが返されます。

  • Retrieve では、最大 32 個のサブスペースのリストを渡すことで、複数のサブスペースを同時にクエリできます。

  • サブスペース名は最大 128 バイトです。

企業環境において、同じ部門の各従業員が個別のドキュメントを持っているとします。部門管理者は、サブスペースを有効にしたナレッジベースを作成し、各従業員に employee_tanaka や employee_suzuki などの独立したサブスペースを割り当てます。各従業員のドキュメントは他の従業員には参照できませんが、管理者はナレッジベース設定を一元管理します。従業員間でデータを取得するには、複数のサブスペースを Retrieve に渡して共同検索を行います。

サブスペースと複数のナレッジベースの比較

ディメンションサブスペース複数のナレッジベース
分離の粒度同じナレッジベース内の論理パーティション完全に独立したナレッジベース
埋め込み設定共有設定各ナレッジベースで独立した設定
検索範囲サブスペース間の共同検索に対応検索は単一のナレッジベースに制限される
管理コスト低: 1 つのナレッジベースですべてのテナントを管理高: 複数のナレッジベースを管理する必要がある
適用シナリオ同質データのマルチテナントデータ分離異なるビジネスドメインと埋め込み要件