選択肢Aは誤りです。ユーザーのクエリは通常埋め込まれます (たとえば、Cortex Search Service に対して類似性検索を実行するために使用します)。取得されたドキュメント (コンテキスト) は、埋め込み関数自体ではなく、AI COMPLETE 関数に渡されます。オプション B が正しいのは、状態のある会話型エクスペリエンスを提供するために、以前のすべてのユーザープロンプトとモデルの応答を配列で COMPLETE または関数に渡す必要があるためです。オプション C は間違っています。連結はメソッドですが、精度と制御を向上させるには、取得したコンテキストを、生の連結ではなく、タグや特定の指示を使用して LLM の応答をガイドする、適切に設計されたプロンプトに統合する必要があります。オプション D が正しいのは、「AI_COMPLETE 構造化出力」を使用すると、完了応答が従う必要がある JSON スキーマを提供できるため、後処理の必要性が減り、決定論的な応答を必要とするシステムとのシームレスな統合が可能になるためです。オプション E は間違っています。Snowflake 内で処理を維持することはデータ ガバナンスには適していますが、複雑な RAG パイプラインには、多くの場合、複数の個別のステップ (クエリの埋め込み、検索、取得、LLM完了）などの処理は、単一の巨大なSQLステートメントではなく、段階的なアプローチによってメリットが得られる場合があります。最適なアプローチは、特定の複雑さとパフォーマンス要件によって異なり、RAGフロー全体に対して単一の「SELECT」を使用することが、常に最も効率的または実用的な解決策であるとは限りません。