チャンク（セグメント）分割とインデックス設定
dify-docs-chunking-and-index-settings
ドキュメントをナレッジベースにアップロードした後、ドキュメントを検索可能な単位（チャンク）に分割し、インデックス化を行います。 適切な設定を行うことで、RAGの回答精度を大きく向上させることができます。
チャンクとは
チャンクは、ドキュメントを検索可能な小さな単位に分割したものです。 LLMには入力長の制限があるので、適切な単位で分割することで検索精度が向上します。 単位が大きすぎるとノイズが混じり、小さすぎると文脈が消失するおそれがあります。
1. チャンク設定 (Chunk Settings)
ドキュメントの特性に合わせて、以下の3つのモードから分割方法を選択します。
汎用（汎用テキスト分割モード）
一般的なほとんどのドキュメントで使用できる分割方法です。
例: マニュアル、議事録、記事など
Automatic: Difyが推奨するルールで自動的に分割およびクリーニングを行います。
Custom: チャンクの最大長（文字数）、区切り文字（デフォルトは \n（改行）で段落ごとに分割）、オーバーラップ（重複部分）の長さを手動で設定できます。正規表現を使い、分割ルールを変更できます。
親子（親子分割モード / 階層分割モード）
ドキュメントを「親（大きな文脈）」と「子（小さな断片）」の関係で管理するモードです。文脈を保持しつつ細かく検索できます。
例: 構造化データ、CSVファイル、FAQ、商品データベースなど
検索時は「子チャンク」で、マッチングを行います。LLMへの入力（コンテキスト提供）は「親チャンク」を使います。「検索のヒット率を高めつつ、回答に必要な前後の文脈も失わない」という両立が可能です。
Q&A（質問と回答モード）
テキストデータから「質問（Q）」と「回答（A）」のペアを抽出してチャンク化します。 テキストファイルから自動的にQ&A形式を学習・分割するほか、CSVファイル等の構造化データを取り込む際にも有効です。
例: FAQ、カスタマーサポートの履歴、規約集など
チャンク設定項目
チャンク長（Chunk Size）
設定値 | 用途 |
300〜500文字 | FAQ、短い情報 |
500〜1000文字 | 一般的な文書（推奨） |
1000〜2000文字 | 詳細な説明文書 |
オーバーラップ（Chunk Overlap） チャンク間で重複させる文字数
設定値 | 効果 |
0% | 完全に分離、コスト削減 |
10〜20% | 文脈の継続性を確保（推奨） |
30%以上 | 重複が多すぎ、非効率 |
2. インデックス方法 (Index Mode)
データの保存と検索のベースとなる仕組みを選択します。
- High Quality（高品質・推奨）
- Embeddingモデル（OpenAI text-embedding-3など）を使用してテキストをベクトル化します。
- 文脈や意味内容に基づいた検索が可能になります。
- トークン消費によるコストが発生します。
- Economical（経済的）
- 従来のキーワード検索（転置インデックス）のみを使用します。
- オフラインで動作し、トークンコストがかかりません。
- 意味検索（同義語や類似表現などで検索）はできません。
選択基準
用途 | 推奨インデックス |
本番環境・デジタルヒューマン | High-Quality |
開発・テスト環境 | Economical（コスト節約） |
専門用語が多い技術文書 | High-Quality + 適切な埋め込みモデル |
3. 検索設定 (Retrieval Settings)
「High Quality」インデックスを選択した場合、検索時にどの技術を使用するかを設定します。
- Vector Search（ベクトル検索）
- クエリとドキュメントの意味的な類似度（Cosine Similarityなど）で検索します。
- キーワードが完全に一致しなくても、意味が近い情報をヒットさせることができます。
- Full-text Search（全文検索）
- ドキュメント内のキーワードがクエリに含まれているかどうかで検索します。
- 固有名詞、型番、エラーコードなどの完全一致が必要な場合に有効です。
- Hybrid Search（ハイブリッド検索）
- 推奨設定: ベクトル検索と全文検索を同時に行い、結果を統合します。
- Rerank（再ランク付け）モデルの活用: Hybrid検索を使用する場合、Rerankモデルの設定が強く推奨されます。検索結果の候補に対して、質問との関連度を再評価して並べ替えることで、精度の高い情報をトップに持ってきます。
デジタルヒューマン・対話AI向け推奨設定
自然な対話を実現するための推奨設定です。
- インデックス: 必ず High Quality を使用する。
- チャンク: 文脈切れを防ぐため、親子分割モードの利用を検討するか、汎用モードで十分な オーバーラップを設定する。
- 検索方法: Hybrid Search + Rerankモデル を採用し、意味理解と固有名詞の正確さを両立させる。
- クリーニング: ヘッダー、フッター、無意味な記号などはアップロード前に可能な限り除去する。
参考情報
最終更新日 February 20, 2026