Skill · Anthropic Support - RAG for Projects
ClaudeのRAGでナレッジベースを10倍に拡張
写真: kenny cheng Unsplashより
アップロードした文書がコンテキストの上限を超えたときに、自動で容量を拡張する永続的なAIワークスペースを構築できる。Claudeのプロジェクトは現在、検索拡張生成(RAG)を用いて、契約書、ポリシー、コードベースといった企業のナレッジベースを、ファイルを再アップロードすることなく、また会話をまたいでコンテキストを失うことなく扱える。クライアント業務、調査、組織の知見を管理するチームに最適だ。
Claudeのプロジェクトでは、参照文書を一度アップロードすれば、そのプロジェクト内のすべての会話からアクセスできる永続的なナレッジベースを作成できる。クライアントの契約書、技術仕様書、スタイルガイド、研究論文などを追加してナレッジベースが大きくなり、コンテキストウィンドウの上限に近づくと、Claudeは自動的にRAG(検索拡張生成)モードに切り替わる。すべてのファイルを一度にメモリへ読み込む代わりに、Claudeは各クエリに関連する情報だけをインテリジェントに検索・取得し、回答の品質を保ちながら実効容量を最大10倍に拡張する。
設定方法は次のとおりだ。新規プロジェクトを作成し、関連する文書(PDF、DOCX、CSV、またはプレーンテキストで各30MBまで)をアップロードし、自分の役割とClaudeの振る舞いを説明するカスタム指示を設定する。例えばクライアントのプロジェクト業務を担当しているなら、クライアントの概要書、スタイルガイド、過去の提案書をアップロードする。そのプロジェクト内のすべてのチャットはこうした指示を引き継ぎ、アップロードされた資料をすべて自動的に参照できる。RAGが有効になったことは、インターフェースに「Indexing」の表示が出ることでわかる。これはナレッジベースがモデルのコンテキストウィンドウに収まらない量を超えたことを示し、検索モードがその拡張を担う。
業務上の最大の利点は検索性と構造だ。分かりにくい名前のPDFの40ページ目に埋もれた重要な詳細は、全文コンテキストモードでは偶然に頼って機能する。RAGモードでは取得可能でなければならないため、分かりやすいファイル名と説明的な内容がいっそう重要になる。ベストプラクティスは、本当に関連する資料だけをアップロードすることだ。焦点の絞られたナレッジベースの方が、大きくノイズの多いものより正確に取得できる。古くなった文書はアーカイブするか削除して、自信満々だが時代遅れの回答を防ごう。
有料プラン(Pro、Max、Team、Enterprise)では、RAGは自動かつ無料で利用できる。無料ユーザーは標準的なコンテキスト上限で最大5つのプロジェクトを利用でき、RAGは使えない。チームでは、プロジェクトは役割をまたいで活用できる。サポートチームはヘルプドキュメントや過去のチケットからナレッジベースを構築し、エンジニアリングチームはAPIドキュメントやコード標準をアップロードし、コンサルタントは過去のクライアント業務を土台にする。明確なタスクごとに1つのプロジェクトにすることで、取得の精度が保たれ、会話も整理される。
情報源とクレジット