Azure OpenAI と AI Search で社内文書に答える RAG チャットを作る

このラボでは、「社内規程について社員の質問に答えるチャット」を RAG（Retrieval-Augmented Generation）で構築します。モデルに規程を丸暗記させるのではなく、質問のたびに関連する文書を検索して回答の根拠に使う構成で、生成 AI 導入案件の大半がこの形です。

学習目標:

• Storage Account を作成し、社内規程のサンプル文書（Markdown 3 本）を Blob コンテナーにアップロードする
• Azure OpenAI にチャット用（chat）と埋め込み用（embed）の 2 つのデプロイを作る
• Azure AI Search（Basic）を作成し、「データのインポートとベクター化」ウィザードで Blob からベクター インデックスを生成する
• Azure AI Foundry のチャット プレイグラウンドでインデックスを「自分のデータ」として接続し、出典つきの回答を得る
• 検索に無い質問に対して「分からない」と答える制約（データ内容に限定）を確認する

• Azure Portal と Cloud Shell の基本操作
• 「Azure OpenAI をデプロイしてチャット プレイグラウンドで挙動を確かめる」ラボ相当の経験

• Azure OpenAI リソースに chat（小型モデル）と embed（埋め込みモデル）のデプロイがあること
• Azure AI Search サービス（Basic）とベクター インデックスが作成されていること
• プレイグラウンドで社内規程に基づく回答が出典つきで返ること

1. Azure Portal にサインインしてラボ環境を確認する

• 学習者ポータルに表示されている URL / Username / Password で https://portal.azure.com にサインインする
• 「サインインの状態を維持しますか?」と表示されたら いいえ を選択する
• 本ラボ用のリソース グループ（名前が lab- で始まる）を開いて名前を控える

• 自分のデータに基づく Azure OpenAI（RAG）
• データのインポートとベクター化ウィザード
• Azure AI Search の統合ベクター化
• ハイブリッド検索の概要
• Azure AI Search の価格レベル