ナレッジベース（RAG）

ナレッジベース機能を使うと、AI エージェントが実際のドキュメント （リリースノート、ヘルプ記事、ポリシーなど、テキストベースのものなら何でも）を使って質問に回答できます。

サポートされる形式

• PDF
• Markdown、プレーンテキスト
• Word（.docx）· CSV
• JSON（テキストとして抽出）

アップロードの流れ

1. ナレッジ → ドキュメントをアップロード に移動します
2. ファイルを選択します（最大 25 MB）。事前署名付き POST で直接 S3 にアップロードされます
3. worker がジョブを引き受けます：テキストを抽出 → 約 800 tokens でチャンク化 → OpenAI text-embedding-3-small で embeddings を生成 → pgvector に保存
4. 完了するとステータスが READY に変わります

トレーニングセンター

単一ファイルの手動アップロードは入り口の一つにすぎません。AI エージェント → トレーニングセンター を開くと、 複数の方法でナレッジベースにデータを追加できます：

• ウェブサイトをクロール：URL を指定すると、ページを取得し、テキストを抽出して、アップロードしたファイルと同じように取り込みます
• ファイルの一括アップロード：PDF、Word（.docx）などのテキスト文書を自動で解析してチャンク化します
• Q&A ペア：手入力するか、CSV から一括でインポートできます
• Playground：公開前にナレッジベースを使って AI エージェントを試せるサンドボックスのチャットです

検索の仕組み

訪問者からのメッセージごとに、worker はクエリの embeddings を生成し、テナントの チャンクに対してコサイン距離検索を実行します。類似度のしきい値を通過した Top-K（デフォルト 5）の チャンクがシステムプロンプトにインライン化されます。

プラットフォーム管理の AI、または独自の embeddings

デフォルトではプラットフォームが AI をホストするため、独自のキーは不要です：embeddings も応答も 管理キー上で動作し、実際の token 使用量に応じて課金され、クレジットから自動でチャージされ、 残高が少なくなると人間のエージェントに引き継がれます。自分でホストしたい場合は、AI エージェント → Embeddings でカスタムの embedding API endpoint を設定できます。 Azure OpenAI、ローカルの Ollama、または DuckLLM を使いたい場合に便利です。チャット 補完の endpoint は embedding の endpoint と異なっていても構いません。アグリゲーター サービスは embeddings をサポートしていないことが多いためです。

キャッシュ

まったく同じクエリテキストは 24 時間の Redis キャッシュにヒットするため、同じ FAQ で 毎回 embeddings を再生成することはありません。Anthropic のプロンプトキャッシュがシステムプロンプト + 取得した チャンクに適用され、さらにコストを削減します。

RAG をスキップすべき場合

AI エージェントがドキュメントを引用する必要のない、純粋な 雑談 / リード選別ボットである場合は、RAG enabled をオフにしてください。