Amazon Bedrock Knowledge Basesチャンキング解説！

Transcript

1. Amazon Bedrock Knowledge Basesチャンキング解説！ 標準戦略の使い分けとLambdaカスタムの境界線 発表者: 野口 碧生
2. 豊洲会（1月） 自己紹介 2026/1/22 • AWS歴： 2年 • 好きなAWSサービス: Amazon Bedrock、 CDK • 最近の関心事: 野口 碧生 2025 Japan All Certifications Engineer • RAGの検索精度改善 • Advanced RAGの構築 1
3. 豊洲会（1月） 本日のLTで伝えたいこと 2026/1/22 １． ２． ３． RAGにおける チャンキングの重要性 ４． Bedrock KBの 全5つの戦略 戦略比較マトリクス （精度 vs コスト） Lambdaを使った カスタム実装 2
4. 豊洲会（1月） 本日のLTで伝えたいこと 2026/1/22 １． ２． ３． RAGにおける チャンキングの重要性 ４． Bedrock KBの 全5つの戦略 戦略比較マトリクス （精度 vs コスト） Lambdaを使った カスタム実装 3
5. 豊洲会（1月） RAGの全体像とチャンキングの位置付け 2026/1/22 Documents Chunking Embedding Vector DB Retrieval LLM （Generation） チャンキングは 「検索の質」 を決定づける最上流工程 不適切なチャンク = Garbage In, Garbage Out 4
6. 豊洲会（1月） チャンキングが影響を与える4つの要素 2026/1/22 コスト（Cost） トークン数への影響 品質/精度（Quality） 文脈の維持 vs ノイズ レイテンシ（Latency） 検索・生成速度 UX 回答の的確さ Trade-Offs 5
7. 豊洲会（1月） 本日のLTで伝えたいこと 2026/1/22 １． ２． ３． RAGにおける チャンキングの重要性 ４． Bedrock KBの 全5つの戦略 戦略比較マトリクス （精度 vs コスト） Lambdaを使った カスタム実装 6
8. 豊洲会（1月） Amazon Bedrock Knowledge Bases 2026/1/22 基盤モデルと自社データソースを組み合わせた RAG（検索拡張生成）をフルマネージドに実現 https://pages.awscloud.com/rs/112-TZM-766/images/AWS-Black-Belt_2024_Amazon-Bedrock-Knowledge-Bases_0920_v1.pdf 7
9. 豊洲会（1月） 戦略①デフォルト & ②固定サイズ（Fixed-size) 2026/1/22 ①デフォルト（約300トークン/文境界） ②固定サイズ（Fixed-size) 固定サイズの特徴：計算コスト◎ / 挙動予測◎ / 文脈分断リスク△ 8
10. 豊洲会（1月） 戦略③階層的チャンキング（Hierarchical） 2026/1/22 Parent Chunk（Large） Child Chunks (Small) Child Chunks (Small) Child Chunks (Small) Child Chunks (Small) Child Chunks (Small) LLM 検索は 「子」 で行い、LLMには 「親」 を渡すことで文脈を維持 9
11. 豊洲会（1月） 戦略④セマンティック & ⑤チャンキングなし 2026/1/22 ④セマンティック（意味の類似度で分割） ⑤チャンキングなし（1ファイル=1チャンク） 高精度だが推論コスト増 前処理済みデータ/FAQ向け 10
12. 豊洲会（1月） 本日のLTで伝えたいこと 2026/1/22 １． ２． ３． RAGにおける チャンキングの重要性 ４． Bedrock KBの 全5つの戦略 戦略比較マトリクス （精度 vs コスト） Lambdaを使った カスタム実装 11
13. 豊洲会（1月） Bedrock KB チャンキング戦略比較マトリクス 2026/1/22 戦略 コスト 精度 複雑さ 推奨ユースケース デフォルト ◦ ◦ 低 汎用的なスタート地点 固定サイズ ◎ △ 低 一般文書 / PoC / 速度優先 階層的 ◦ ◎ 中 文脈が必要な文書 セマンティック △ ◎ 中 複雑な論文 / 契約書 なし ◎ - 低 加工済みデータ / FAQ 12
14. 豊洲会（1月） 本日のLTで伝えたいこと 2026/1/22 １． ２． ３． RAGにおける チャンキングの重要性 ４． Bedrock KBの 全5つの戦略 戦略比較マトリクス （精度 vs コスト） Lambdaを使った カスタム実装 13
15. 豊洲会（1月） カスタムチャンキング（Lambda関数） 2026/1/22 Source S3 ・標準戦略で対応できない特殊要件向け ・任意のロジック（正規表現、外部API等）を実装可能 Bedrock Knoｗledge Bases Lambda （Custom Logic） Vector Database 14
16. 豊洲会（1月） カスタムチャンキングの活用ユースケース 2026/1/22 コード （ ） 特殊フォーマット （特定 のみ ） （ ルール） タデータ付与 （ファイル ） Lambda 15
17. 豊洲会（1月） どの戦略を選ぶべきか？ 2026/1/22 Start 独自の前処理済み？ No chunking 特殊フォーマット （Code / Markdown）？ コスト・速度最優先？ Custom （Lambda） Fixed-size 複雑な文脈理解 必要？ Hierarchical / Semantic Default ★Recommended Starting Point Yes Yes Yes Yes No No No No 16
18. 豊洲会（1月） まとめ 2026/1/22 チャンキングは RAG の 「検索精度」 と 「コスト」 を左右する Bedrock KB は5つの戦略を提供（デフォルト、固定、階層、意味的、なし） カスタムチャンキングにより、特殊要件にも対応可能 まずは デフォルト でベースラインを作り、評価（Evaluation）しながら 最適化する 17