あまやどり研究所

トップ / ベクトル検索

ベクトル検索 #7 2026-11-06 ・ ▶ 動画でも見られます

AIに何度も検索させると?

1回の検索では答えられない質問があります。そんなときに、AIに検索を何度も繰り返させる「エージェント検索」を試しました。

仕組みと実験の結果、得意なことと気をつけること、かかる時間を紹介し、通常の検索(RAG)との使い分けを考えます。シリーズ「ベクトル検索」の最終回です。

解説

RAGのどこの話?

RAGの流れ(黄色が今回の話) 準備: 文書を分ける → ベクトルにする → 保存する 質問: 質問をベクトルに → 近い文章を探す → LLMが答える 今回: LLMが、探す言葉を考えて、何度も探す

本題に入る前に、今回の話が、RAGのどの部分なのかを確認しておきます。

RAGは、AIに手元の資料を読ませて、質問に答えさせる仕組みです。

準備として、資料を小さく分けて、それぞれをベクトルにして、データベースに保存しておきます。

質問されたら、質問もベクトルにして、近い文章を探し、見つかった文章をLLMに渡して、答えを書かせます。

ふつうのRAGでは、この、探してから答えるまでが、1回きりの流れです。

今回取り上げるのは、この流れを変えて、LLM自身が、探す言葉を考えながら、何度も検索する方法です。

今回の内容

1. 1回では答えられない質問 2. エージェント検索の仕組み 3. 実験: 何度も検索させる 4. 引き換えになるもの 5. 得意なこと、気をつけること 6. 使い分け

今回の内容です。

1回の検索では答えられない質問を実験で見てから、エージェント検索の仕組みを説明して、同じ質問で試します。

最後に、かかる時間や、向いている場面を整理します。

1回では答えられない質問

質問: 「LE-7510の後継機の保証期間は何年ですか?」 文書の例 ・LE-7510の後継機は、PV-9490です。 ・PV-9490の保証期間は、購入日から4年間です。 ・LE-7510の保証期間は、購入日から1年間です。 ① 後継機を調べる → ② その保証期間を調べる

架空の家電60製品について、後継機と、保証期間の文書を用意しました。

質問は、たとえば「LE-7510の後継機の保証期間は何年ですか?」です。

答えるには、まず、LE-7510の後継機がPV-9490だと調べて、次に、PV-9490の保証期間を調べる必要があります。

(質問)1回の検索じゃだめなの?

2つ目の文書には、質問に出てくる「LE-7510」という言葉が、どこにも書かれていないんです。

後継機の名前が分かるまでは、何を探せばいいのかが、分からないわけですね。

実験 1回だけ検索すると

検索の上位5件をLLMに渡して答えさせる 上位5件の例 ・LE-7510の保証期間は、1年間です ・LE-7510の後継機は、PV-9490です ・ZK-7410の保証期間は… など 結果: 30問中 正解0問(全問「分かりません」) 必要な2件が両方そろった問題: 0問

まずは、普通のRAGと同じように、1回だけ検索して、上位5件をLLMに渡してみます。

30問試して、正解は0問でした。

上位5件には、「LE-7510の後継機はPV-9490」という文書は入っていましたが、PV-9490の保証期間の文書は、入っていませんでした。

必要な2つの文書が両方そろった問題は、1問もありません。

ちなみに、LLMは30問すべてで「分かりません」と答えていて、旧機種の保証期間を答えてしまうことはありませんでした。

分からないときに、ちゃんと分からないと言えるのは、えらいですね。

エージェント検索の仕組み

質問 → LLMが考える → 「検索」の道具を呼ぶ → 結果を読む → 足りなければ、もう一度検索する → 答える ・検索の方法(ベクトル検索・キーワード検索)は、道具として使われる

そこで使われるのが、エージェント検索です。

LLMに、「検索」という道具を渡しておきます。

LLMは、質問を読んで、何を検索するかを自分で決め、道具を呼び出して、結果を読みます。

足りなければ、検索する言葉を変えて、もう一度呼び出します。これを、答えられるまで繰り返すわけです。

(質問)ベクトル検索は、もう要らないの?

いいえ。道具として呼び出される検索の中身は、これまでと同じ、ベクトル検索やキーワード検索です。

エージェントは、検索の代わりではなく、検索を使いこなす側、と考えると分かりやすいと思います。

実験 何度も検索させると

結果: 30問中 正解30問(検索の回数: 全問2回) ・1回目: 「LE-7510 後継機 保証期間」→ PV-9490だと分かる ・2回目: 「PV-9490 保証期間」→ 4年間 ・答え: LE-7510の後継機はPV-9490で、保証期間は購入日から4年間です

では、同じ30問を、エージェント検索で試します。

検索の中身は、さっきと同じベクトル検索で、LLMは何回でも呼び出せるようにしました。

結果は、30問すべて正解でした!

検索の様子を見ると、1回目に「LE-7510 後継機 保証期間」で探して、後継機がPV-9490だと分かると、2回目に「PV-9490 保証期間」で探していました。

30問とも、同じように2回の検索で答えにたどり着いています。

人が調べるときと、同じ手順ですね。

ただ、今回は全問が同じ形の、単純なデータです。そこで、質問の形を変えても試してみました。

実験 質問の形を変えると

質問の形(各10問)1回だけ検索エージェント検索の回数
後継機は何?10101回
後継機は保証期間が何年長い?0102回
さらに後継機の保証期間は?073回
保証期間の文書が無い機種1010—

・保証期間の文書が無い機種は、どちらも「分かりません」と答えられた ・失敗の例: 検索結果の1位は正しい「UH-6160の後継機は、GW-9000」→ LLMは同じ結果の中の、別の製品のつながり(HL-6350 → HL-1060)を読み違えて「6年」と答えた

架空の家電40組で、「後継機の、さらに後継機」までつながったデータを作り、4種類の質問を10問ずつ用意しました。

後継機との保証期間の差のように、2つを比べる質問は、エージェントが10問すべてに答えました。1回だけの検索では、1問も答えられません。

保証期間の文書が無い機種については、どちらの方法も、きちんと「分かりません」と答えました。

ところが、3回たどる必要がある質問では、10問中3問を間違えました。

(質問)検索で見つからなかったの?

いいえ、正しい文書は、検索結果の1位に入っていました。LLMが、同じ結果の中にあった、別の製品のつながりを読み違えて、そのまま答えてしまったんです。

しかも、そのうち2問は、間違った年数を、自信を持って答えていました。途中で1回読み違えると、その先も全部ずれてしまうんですね。

引き換えになるもの

1問あたりの時間
1回だけ検索約0.9秒
エージェント約5.7秒
エージェント(3回たどる質問)約7.7秒

・LLMを何度も呼ぶ → 時間と費用が増える ・簡単な方法で足りるなら、簡単な方法で

その代わり、時間がかかります。

1問あたり、1回だけ検索する方法は約0.9秒、エージェント検索は約5.7秒でした。3回たどる質問では、約7.7秒かかっています。

LLMを何度も呼び出すので、ネット経由のサービスを使う場合は、そのぶん費用も増えます。

Anthropicの資料でも、エージェントは、時間と費用を引き換えにして、性能を上げるものだとされています。

そして、多くの用途では、検索を付けたLLMを1回呼ぶだけで足りるので、足りないときにだけ、何段階もの仕組みを足すように勧められています。

数えたり、集計したりもできる?

・普通の検索: 近い文書を上位何件か返すだけ → 「全部で何件?」には答えられない ・エージェント: SQLやプログラムを書いて実行する道具があれば、数えられる ・ただし、元のデータが表になっていることが前提

エージェントには、検索以外の道具を持たせることもできます。

普通の検索は、近い文書を上位何件か返すだけなので、「全部で何件あるか」のような質問には答えられません。

エージェントに、データベースへの問い合わせや、プログラムを実行する道具を渡しておけば、数えたり、集計したりもできます。

(質問)文章を全部読ませて数えさせればいいのでは?

大量の文章をLLMに読ませて数えさせると、見落としや、数え間違いが起きやすいと言われています。

正確に数えたいなら、元のデータを表の形にしておいて、それを道具で数えさせる方が確実です。

プログラムのソースを探すとき

・コーディング用のエージェント: 文字列の検索(grepなど)、ファイルの一覧、定義や呼び出し元をたどる ・関数名・エラーコード → 一文字の違いが大事 → 文字列の検索が確実 ・ベクトル検索も、道具の1つとして使われることがある

エージェント検索がよく使われている場面に、プログラムのソースを探す作業があります。

コーディング用のエージェントは、文字列の検索や、ファイルの一覧を見ながら、関数の定義や、それを呼び出している場所を、順にたどっていく、と説明されています。

関数の名前やエラーコードは、型番と同じで、一文字の違いが大事なので、文字列でそのまま探すのが確実なんですね。

一方で、意味の近さで探すベクトル検索を、道具の1つとして併用しているものもあるようです。

使い分け

質問の例向いている方理由
出張の日当は1日いくら?通常の検索答えが1か所に書いてある
新幹線が遅れて後泊した。宿泊費と払い戻しはどう申請する?エージェント複数の規定を突き合わせる
製品Aと製品Bを比べて表にしてエージェント別々に調べてまとめる
エラーコードの原因はどこ?エージェント定義から順にたどる

では、どう使い分ければいいのでしょうか。

「出張の日当は1日いくら?」のように、答えが1か所に書いてある質問なら、1回の検索で十分です。速くて、費用もかかりません。

一方で、複数の規定を突き合わせる質問や、2つの製品を別々に調べて比べる質問、原因を順にたどる質問は、エージェントが向いています。

目安としては、人が調べるときに、何回も検索し直すような質問かどうか、で考えると分かりやすいと思います。

おわりに

まとめ ・1回の検索では、答えに必要な文書がそろわない質問がある ・エージェント: LLMが検索を何度も呼び出す(今回: 0問 → 30問) ・3回たどる質問では、途中の読み違いで10問中3問を間違えた ・その代わり、時間と費用が増える(約0.9秒 → 約5.7秒) ・答えが1か所にあるなら、1回の検索で十分

では、まとめです。

1回の検索では、答えに必要な文書がそろわない質問がありました。

エージェント検索では、LLMが自分で検索を繰り返して、そうした質問にも答えられました。

ただ、たどる回数が増えると、途中で読み違えて、自信を持って間違えることもありました。

その代わり、時間と費用がかかるので、答えが1か所にある質問なら、1回の検索で十分です。

エージェントの中で使われる検索も、これまでの動画で見てきた、ベクトル検索やキーワード検索です。検索そのものの質も、大事なままですね。

今回は「AIに何度も検索させると?」について解説しました。最後まで見ていただき、ありがとうございました。

良ければ高評価・チャンネル登録もよろしくお願いします。

それでは、また次の動画でお会いしましょう。

動画版

この解説は動画にもなっています。

YouTubeで見る ↗

シリーズ「ベクトル検索」