# Amazon Nova を使用した RAG システムの構築 **注記** このドキュメントは Amazon Nova バージョン 1 を対象としています。Amazon Nova 2 が新しいモデルと拡張機能で利用可能になりました。新機能とドキュメントの更新は、「Amazon Nova 2 ユーザーガイド」で公開されています。詳細については、「[Amazon Nova 2 の最新情報](https://docs.aws.amazon.com/nova/latest/nova2-userguide/whats-new.html)」を参照してください。 検索拡張生成 (RAG) は、レスポンスを生成する前に、トレーニングデータソースの外部にある信頼できるナレッジベースを参照することで、大規模言語モデル (LLM) の出力を最適化します。このアプローチは、モデルに最新の情報を提供し、ドメイン固有のデータまたは所有データに基づいて構築するのに役立ちます。また、特定のコンテンツへのアクセスコントロールを設定し、レスポンスの問題をトラブルシューティングするために使用できる、制御可能な情報源も提供します。 RAG は、*リトリーバー*を介して*ジェネレーター* (多くの場合 LLM) をコンテンツデータベース (ナレッジストアなど) に接続することで機能します。リトリーバーは関連情報を見つける役割があります。ほとんどのエンタープライズアプリケーションでは、コンテンツデータベースはベクトルストア、リトリーバーは埋め込みモデル、ジェネレーターは LLM です。詳細については、「[検索拡張生成](https://aws.amazon.com/what-is/retrieval-augmented-generation/)」と「[Bedrock ナレッジベース](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)」を参照してください。 RAG システムには複数のコンポーネントがあります。このガイドでは、あらゆる RAG システムで Amazon Nova を LLM として使用する方法に焦点を当てています。 Amazon Nova モデルを Text RAG システム内の LLM として使用できます。Amazon Nova モデルを使用すると、Amazon Bedrock ナレッジベースで RAG システムを構築するのも、独自の RAG システムを構築するのも柔軟に行えます。また、ナレッジベースを Amazon Bedrock エージェント内の エージェントに関連付けて、エージェントに RAG 機能を追加することもできます。詳細については、[「会話エージェントを使用してアプリケーションのタスクを自動化する](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)」を参照してください。 **Topics** + [Amazon Bedrock ナレッジベースの使用](rag-br-knowledge.md) + [Amazon Nova を使用したカスタム RAG システムの構築](rag-building.md) + [マルチモーダル RAG での Amazon Nova の使用](rag-multimodal.md)