CAG (キャッシュ拡張生成)読み: きゃっしゅかくちょうせいせい

CAG (キャッシュ拡張生成)とは（詳しく解説）

CAG (Cache-Augmented Generation) とは、RAGのように毎回外部データベースを検索するのではなく、参照させたい知識をあらかじめLLMのコンテキストキャッシュ(KVキャッシュ)に読み込んで保持しておき、検索ステップを省いて回答を生成させる手法とされる。対象となる知識量が長大なコンテキストウィンドウに収まる範囲であれば、検索のレイテンシや検索精度の揺れを避けられる点がRAGとの違いとして語られる。一方で2026年時点の実運用では、知識ベースが頻繁に更新されるケース(価格表や在庫情報など)ではキャッシュの再生成コストが継続的にかかり、更新頻度が高いほどRAGより運用コストが割高になりやすい落とし穴が指摘されている。また対象データ量がコンテキストウィンドウの上限に近づくほど推論コストも比例して増えるため、現場での選び方としては「知識が静的で参照範囲が絞れるか」を基準にRAGと使い分けるのが実務上の目安とされる。相場感としては、長大なコンテキストを毎回投入する分、短いプロンプトのRAG構成よりAPIコストが高くなりやすい点も考慮が必要とされる。

CAG (キャッシュ拡張生成)の使用例

• FAQやマニュアルなど更新頻度の低い社内文書を丸ごとキャッシュし、検索なしで即答するチャットボットに用いる。
• 法令集のように内容が固定された長文をキャッシュしておき、都度の検索処理を省いて低遅延で条文を参照させる。

CAG (キャッシュ拡張生成)に関連するAIツール