正解は、要件が Azure AI Search のエージェント取得パイプラインを説明しているため、エージェント取得拡張生成 (RAG) です。エージェント取得は、ユーザーのリクエストが複雑で会話的であり、以前のターンに依存する可能性があるチャットやコパイロットのシナリオ向けに設計されています。Azure AI Search のエージェント取得では、LLM 支援の計画ステージを使用して複雑なリクエストを焦点を絞ったサブクエリに分割し、単一のクエリパスに依存するのではなく、複数のチャンクから基本情報を取得できるようにします。
MicrosoftのAzure AI Searchのガイダンスでは、エージェントによる検索は、チャットやエージェントのワークフローにおける複雑な質問に対応するためのマルチクエリパイプラインであり、サブクエリには追加のコンテキストとしてチャット履歴を含めることができると説明されています。
エージェントによる検索では、生成されたサブクエリを並列で実行し、生成モデルで使用するために最適な結果をマージして再ランク付けするため、レイテンシの要件も満たされます。従来の RAG はよりシンプルで、通常は単一のクエリを検索に送信するため、マルチホップまたは会話型の検索計画にはあまり適していません。Chain of thought は推論手法であり、Azure AI Search の検索アプローチではありません。また、反復型検索では、ここで説明する組み込みのクエリ計画、会話対応の検索、並列実行は提供されません。参照トピック: Azure AI Search エージェントによる検索、Azure AI Search を使用した RAG、知識ベース、クエリ計画、生成型 AI の基盤。