オペレーション — Query（検索と回答）
オペレーション — Query（検索と回答）
LLM Wiki の Query に相当する工程です。iknow ではチャットがユーザーの質問に答えるとき、ナレッジを index から辿って深掘り します。ページを「検索されやすく・回答に使われやすく」書くための設計指針です。
以下の流れは 概念的なモデル です。実際のチャットでは keyword / semantic 検索が先に走り、目次（No.0）を毎回読むわけではありません。ただし 目次・タグ・見出しを整えておく と、どの経路でも関連ページに辿り着きやすくなります。
Query の流れ（iknow）
flowchart LR
Q[ユーザーの質問] --> S[search-knowledge / list-knowledge]
S --> I["index 相当: 目次・タグ・タイトル"]
I --> P[関連ナレッジを特定]
P --> D[見出し単位で本文を深掘り]
D --> A[回答を統合]
| 段階 | iknow での対応 |
|---|---|
| index を読む | No.0 目次・一覧・タグ絞り込み・search-knowledge |
| 関連ページを特定 | タイトル・タグ・関連リンク・検索スニペット |
| 深掘り | 見出し（##）単位の本文チャンク |
| 回答統合 | チャットが複数ナレッジを組み合わせて回答 |
検索精度を上げる書き方
| 原則 | 理由 |
|---|---|
| 見出しにキーワードを入れる | 見出し単位でチャンク分割されるため |
| 1 見出し = 1 つの問い | 部分ヒットで的確な節が返る |
| タイトルは一覧で一目瞭然 | index の 1 行要約相当 |
| タグはカテゴリ 2〜5 個 | index のカテゴリ分類相当 |
| 関連リンクで前提・詳細を接続 | index からの深掘り経路を作る |
RAG との違い（Query の観点）
| RAG | LLM Wiki / iknow | |
|---|---|---|
| 検索対象 | 未編集の元資料 | 編集済みのナレッジページ |
| 粒度 | ドキュメントごとにばらつき | 見出し・テーマで揃えたページ |
| 答えの性質 | 「元資料に何と書いてあるか」 | 「複数ページを踏まえて何が言えるか」 |
価値ある回答は新しいページに
LLM Wiki では Query の結果として価値ある知見が 新しい Wiki ページ として保存されます。iknow でも同様に:
- チャットで繰り返し聞かれる内容 → 専用ナレッジとして Ingest
- 複数ページに散らばった知識 → 統合ページ を新規作成
- FAQ が増えた → 1 テーマ 1 ページに整理して追記
Query で不足が見つかったら、Ingest（No.13.1）でナレッジを追加・統合し、Lint（No.13.3）で整合性を保つサイクルを回してください。