Copilot Studio AI Searchと繋いでNaive RAGを組んでみる｜基本的なRAGの構築

1. ユーザーのクエリに基づき、外部データベースやドキュメントから関連する情報を取得
2. 検索で得られた情報をもとに、生成モデル（例: GPTなど）が回答を生成

SharePoint データとチャットするためにカスタム Copilot/RAG (取得拡張生成) アプリケーションを作成する必要がある場合は、このプレビュー機能ではなく Microsoft Copilot Studio を使用することをお勧めします。
公式から抜粋。

1. トピックの作成 → 検索ワードの生成
2. 検索（AI Search呼び出し）
3. 回答生成 → メッセージの送信
4. 任意：Conversational boostingから呼び出し

Here are examples of user questions and their corresponding search queries. Use these examples to guide your transformation of the input question."
Example Input 1: "Pythonでデータベースに接続する方法は？"
Example Output: "Python データベース 雪像方法"
Example Input 2: "気候変動が生態系に与える影響は？"
Example Output: "気候変動 生態系 影響"
Example Input 3: "AIの倫理的課題は何か？"
Example Output: "AI 倫理 課題"
Now, based on these examples, transform the following user question into an effective search query.

Input :  {input}

// 以下のURLにPOST
https://【AI Searchリソース名】.search.windows.net/indexes/【インデックス名】/docs/search?api-version=2024-11-01-preview

JSON({
    search:Topic.queryOutput.structuredOutput.query,
    count:true,
    top:Topic.Top // 変数「Top」に3を代入済み
})

kind: Record
properties:
  @odata.context: String
  @odata.count: Number
  value:
    type:
      kind: Table
      properties:
        @search.score: Number
        content: String
        id: String
        metadata_spo_item_content_type: String
        metadata_spo_item_last_modified: String
        metadata_spo_item_name: String
        metadata_spo_item_path: String
        metadata_spo_item_size: Number

// 今回は検索結果として「ファイル名」と「ファイルの中身」を渡す。
JSON(ForAll(
    Topic.search_result.value,
    {fileName:metadata_spo_item_name,content:content}
))

If the query cannot be answered based on the provided context, respond with '提供された情報ではこの質問に答えることができません。' .
Otherwise, generate a complete and accurate answer, and as an annotation, output the name of the referenced files at the end.

# query
{query}

# information
{information}