定義
RAPTORとは、文書チャンクを再帰的にクラスタリング・要約して階層木を構築し、複数の抽象度から検索できるRAG手法のこと。
RAPTOR (階層的要約検索)とは（詳しく解説）
RAPTOR(Recursive Abstractive Processing for Tree-Organized Retrieval)は、通常のRAGが文書を均一なチャンクに分割して埋め込むのに対し、チャンクをクラスタリングして要約し、それをさらに上位階層で要約するという処理を再帰的に繰り返して木構造のインデックスを作る手法とされる。検索時は末端の詳細チャンクだけでなく上位の要約ノードも対象にできるため、複数箇所にまたがる情報を統合する必要がある質問(マルチホップQA)に強いとされる。2026年時点の実運用では、木構築時に要約を生成するLLM呼び出しがドキュメント量に比例して増えるため、インデックス構築コストと更新頻度がボトルネックになりやすい。文書が頻繁に更新される現場では、差分再構築の仕組みを組み込まないと古い要約ノードが残り、精度低下につながる。相場感としては、通常のチャンク分割RAGより索引作成の計算コストが数倍かかる一方、検索精度の改善幅は文書構造やクエリの性質に強く依存するため、まずは限られたドキュメント集合で効果を検証してから本番導入を判断する運用が現実的とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「RAPTOR (階層的要約検索)とは」 https://aipicks.jp/glossary/raptor
RAPTOR (階層的要約検索)の使用例
- 社内マニュアルPDFをRAPTORで階層要約インデックス化し、詳細手順と全体方針のどちらの質問にも同じ検索窓で答える設計。
- 四半期レポート10年分を対象に、要約ノードから経年トレンドを、末端チャンクから個別数値を検索するハイブリッド構成にする。
