公式スキル · AI 活用
AI 検索のための文書の準備
文書を検索する AI アシスタントのために文書をそろえる。棚卸し、担当者、古いコピーの削除、閲覧権限、チャンク向けのセクション、メタデータ、テスト質問。
Claude・ChatGPT・コーディング用の AI で使えます。TeamとBusiness では、Pod に入れた公式スキルが改善のたびに自動で最新版になります。
使う場面
- チャットボット、カスタム GPT、Claude のプロジェクトに文書を入れるとき
- アシスタントが古い文書や間違った文書から答えるとき
AI に渡すもの
- 担当者と日付つきの文書の一覧
- アシスタントの目的
- だれが何を見てよいか
- 実際に聞かれる質問
できあがるもの
残す・外す・直すの対応つきの棚卸し、解決する食い違い、組み直しの一覧、メタデータの項目、正しい出典つきのテスト質問。
手順
- 棚卸しする 文書1つにつき1行。タイトル、担当者（個人）、最終更新日、読み手、状態（最新、下書き、アーカイブ）。担当者のいない文書は、入れる前に担当者を決めるか、入れない。
- 重複と古い版を取り除く テーマごとに最新の版を1つだけ残す。下書き、「v2-最終-最終版」のようなコピー、12か月見直されていないものは、担当者がまだ正しいと確かめないかぎり外す（このスキルの既定のしきい値）。最新の文書同士が食い違うときは、担当者が解決するまでどちらも入れない。
- 閲覧権限を確かめる 文書を、だれが見てよいかでグループに分ける。ツールが利用者ごとに絞り込めないなら、閲覧制限のある文書（給与テーブル、契約書、人事の案件、顧客データ）は、共有のアシスタントから完全に外す。AI に「これは明かさないで」と伝えることに頼らない。
- チャンク向けに組み直す 1セクションに1テーマ。テーマを示す見出しにする（「その他」ではなく「年額プランの返金」）。各セクションが単独で意味が通るようにする。「それ」「上記のとおり」ではなく、製品名や規程の名前をくり返す。ページをまたぐ表は、テーマごとの表に分ける。画像やスキャンした PDF の中の重要な事実は、テキストに移す。
- メタデータを足す 各文書の先頭か、ツールの項目に。タイトル、担当者、最終確認日、読み手、製品か領域、状態。検索ツールはこれで絞り込め、AI はこれで出典を示せる。
- 正しい出典つきのテスト質問を書く 10〜20問。それぞれに、答えるべき文書とセクション、1行の正しい答え。文書では答えられないはずの質問も2〜3問入れる（アシスタントは「わかりません」と答えるべき）。
- テストして、文書を直す 質問を1つずつ聞き、正しいセクションを出典に示したか、答えが正しかったかを記録する。失敗はまず文書の側で直し（見出し、抜けている事実、食い違うコピー）、もう一度テストする。文書を足したり変えたりするたびに、全部の質問をやり直す。
SKILL.md の全文
AI が読むファイルそのものです。 ダウンロード
---
name: rag-source-prep
description: 文書を検索して答える AI アシスタント（RAG）のために、社内文書をそろえる。担当者と最終更新日つきの棚卸し、重複と古い版の削除、だれが何を見てよいかの確認、1セクション1テーマとわかりやすい見出しへの組み直し、メタデータの項目の追加、正しい出典つきのテスト質問。チャットボット、カスタム GPT、Claude のプロジェクト、Copilot、社内の AI 検索のナレッジベースを準備するとき、AI が間違った文書や古い文書から答える理由を知りたいときに使う。
---
# RAG 用の文書の準備
文書を検索する AI アシスタントは、ファイル全体ではなく、文書の小さな断片（チャンク）から答える。だから断片に書いてあることをそのままくり返す。古い料金表、下書きの規程、ページのタイトルがないと意味の通らないセクション。悪い回答の多くは、AI ではなく文書の側で直る。この手順は、文書の集まりをきれいにし、だれかが頼る前にテスト質問でそれを確かめる。
## 使う場面
- チャットボット、カスタム GPT、Claude のプロジェクト、Copilot、社内の AI 検索に文書を入れる前。
- アシスタントが、古い回答、食い違う回答、別の部署向けの回答をするとき。
- 既存のナレッジベースに、新しい文書をまとめて足すとき。
- ヘルプ記事を一から書く作業には使わない。help-article-writer を使い、できたものにこの手順をかける。
## 用意するもの
- 文書の一覧（またはファイル名、担当者、更新日つきのフォルダーの書き出し）。
- アシスタントの目的と、だれが質問するか。
- だれがどの文書を見てよいか。わからなければ一度だけ聞く。答えが出るまでは、すべての文書を閲覧制限ありとして扱う。
- 実際に聞かれた質問を10〜20個（Slack、問い合わせ、メールから）。なければ下書きし、「[下書き]」と印をつける。
## 手順
1. **棚卸しする。** 文書1つにつき1行。タイトル、担当者（個人）、最終更新日、読み手、状態（最新、下書き、アーカイブ）。担当者のいない文書は、入れる前に担当者を決めるか、入れない。
2. **重複と古い版を取り除く。** テーマごとに最新の版を1つだけ残す。下書き、「v2-最終-最終版」のようなコピー、12か月見直されていないものは、担当者がまだ正しいと確かめないかぎり外す（このスキルの既定のしきい値）。最新の文書同士が食い違うときは、担当者が解決するまでどちらも入れない。
3. **閲覧権限を確かめる。** 文書を、だれが見てよいかでグループに分ける。ツールが利用者ごとに絞り込めないなら、閲覧制限のある文書（給与テーブル、契約書、人事の案件、顧客データ）は、共有のアシスタントから完全に外す。AI に「これは明かさないで」と伝えることに頼らない。
4. **チャンク向けに組み直す。** 1セクションに1テーマ。テーマを示す見出しにする（「その他」ではなく「年額プランの返金」）。各セクションが単独で意味が通るようにする。「それ」「上記のとおり」ではなく、製品名や規程の名前をくり返す。ページをまたぐ表は、テーマごとの表に分ける。画像やスキャンした PDF の中の重要な事実は、テキストに移す。
5. **メタデータを足す。** 各文書の先頭か、ツールの項目に。タイトル、担当者、最終確認日、読み手、製品か領域、状態。検索ツールはこれで絞り込め、AI はこれで出典を示せる。
6. **正しい出典つきのテスト質問を書く。** 10〜20問。それぞれに、答えるべき文書とセクション、1行の正しい答え。文書では答えられないはずの質問も2〜3問入れる（アシスタントは「わかりません」と答えるべき）。
7. **テストして、文書を直す。** 質問を1つずつ聞き、正しいセクションを出典に示したか、答えが正しかったかを記録する。失敗はまず文書の側で直し（見出し、抜けている事実、食い違うコピー）、もう一度テストする。文書を足したり変えたりするたびに、全部の質問をやり直す。
## 出力の形式
```markdown
# RAG 用の文書の準備 — [アシスタント名 / 目的]
## 棚卸し
| 文書 | 担当者 | 最終更新日 | 読み手 | 状態 | 対応 |
|---|---|---|---|---|---|
| [タイトル] | [個人] | [日付] | [グループ] | 最新/下書き/アーカイブ | 残す / 外す / [x]にまとめる / 直す |
## 入れる前に解決する食い違い
- [文書A]は[x]、[文書B]は[y] — 担当者: [個人]
## 閲覧権限のグループ
| グループ | 文書 | 共有のアシスタントに入れるか |
|---|---|---|
## 組み直しの一覧
- [文書]: [変更。例: 「その他」セクションを「返金」と「解約」に分ける]
## メタデータの項目
title · owner · last_reviewed · audience · area · status
## テスト質問
| # | 質問 | 正しい出典（文書、セクション） | 正しい答え | 結果 |
|---|---|---|---|---|
| 1 | [質問] | [文書、セクション] | [1行] | 合格 / 不合格: [理由] |
| [n] | [範囲外の質問] | なし | 「わかりません」 | |
```
## 例
**入力:** 「カスタマーサクセスチーム向けのサポートアシスタントを準備している。文書: 料金表2024.pdf（営業、2024年1月）、料金表2025（営業、2025年3月）、返金規程（経理、2023年）、返金規程 下書き v3（経理、先週）、エンタープライズ契約書のひな形（法務）、オンボーディングガイド（CS、2025年、セクション:『はじめに』『その他いろいろ』）。よくある質問:『年額契約の顧客は、30日を過ぎても返金を受けられる？』」
**出力:**
```markdown
# RAG 用の文書の準備 — CS サポートアシスタント
## 棚卸し
| 文書 | 担当者 | 最終更新日 | 読み手 | 状態 | 対応 |
|---|---|---|---|---|---|
| 料金表2024.pdf | 営業 [要確認: 個人] | 2024年1月 | CS | アーカイブ | 外す |
| 料金表2025 | 営業 [要確認: 個人] | 2025年3月 | CS | 最新 | 残す |
| 返金規程 | 経理 [要確認: 個人] | 2023年 | CS | 最新？ | 直す: 下書きと照らして確認 |
| 返金規程 下書き v3 | 経理 [要確認: 個人] | 先週 | 経理 | 下書き | 承認されるまで外す |
| エンタープライズ契約書のひな形 | 法務 | [要確認] | 法務 | 最新 | 入れない（閲覧制限あり） |
| オンボーディングガイド | CS [要確認: 個人] | 2025年 | CS | 最新 | 直す: 「その他いろいろ」を分ける |
## 入れる前に解決する食い違い
- 返金規程（2023年）と下書き v3: 下書きで返金の条件が変わるなら、2023年版はまもなく誤りになる — 担当者: 経理の責任者
## 閲覧権限のグループ
| グループ | 文書 | 共有のアシスタントに入れるか |
|---|---|---|
| CS 全員 | 料金表2025、返金規程、オンボーディングガイド | 入れる |
| 法務のみ | エンタープライズ契約書のひな形 | 入れない |
## 組み直しの一覧
- オンボーディングガイド: 「その他いろいろ」を、テーマごとに見出しのついたセクションに分ける。
- 返金規程: 「年額プランの返金」というセクションを足し、ルールを省略せずに書く。
## メタデータの項目
title · owner · last_reviewed · audience · area · status
## テスト質問
| # | 質問 | 正しい出典（文書、セクション） | 正しい答え | 結果 |
|---|---|---|---|---|
| 1 | 年額契約の顧客は、30日を過ぎても返金を受けられる？ | 返金規程、「年額プランの返金」 | [要確認: 経理が確定する] | |
| 2 | [下書き] いまの料金はいくら？ | 料金表2025、[要確認: セクション] | [要確認: 文書から] | |
| 3 | [下書き] 2024年の料金はまだ有効？ | 料金表2025、[要確認: セクション] | [要確認: 文書から] | |
| 4 | [下書き] 年額契約の顧客は、30日以内なら返金を受けられる？ | 返金規程、「年額プランの返金」 | [要確認: 経理が確定する] | |
| 5 | [下書き] 顧客は返金をどう申し込む？ | 返金規程、[要確認: セクション] | [要確認: 文書から] | |
| 6 | [下書き] 新しい顧客は何から始める？ | オンボーディングガイド、「はじめに」 | [要確認: 文書から] | |
| 7 | [下書き] [「その他いろいろ」から分けたテーマごとに1問] | オンボーディングガイド、[新しいセクション] | [要確認: 文書から] | |
| 8 | [下書き] 社長の給与はいくら？ | なし | 「わかりません」 | |
| 9 | [下書き] エンタープライズ契約書では、損害賠償の責任はどうなっている？ | なし（法務のみ） | 「わかりません」 | |
| 10 | [下書き] 新しい返金規程には何と書かれる？ | なし（下書きは入れていない） | 「わかりません」 | |
```
## 送る前のチェック
- [ ] 「残す」文書のすべてに、担当者の名前と最終更新日がある。
- [ ] 残す文書のうち、同じ質問に違う答えをするものが2つない。
- [ ] 閲覧制限のある文書は、それを見てはいけない利用者のいるアシスタントから外してある。
- [ ] すべてのセクションの見出しがテーマを示している。「その他」「雑記」「メモ」の見出しは残っていない。
- [ ] 正しい出典つきのテスト質問が10問以上あり、「わかりません」と答えるべきものが2問以上ある。
## よくある失敗
- 「AI に全部渡しておこう」と共有ドライブを丸ごと入れる。古いコピーが増えるほど、間違った回答が増える。
- 間違った回答を、文書を直さずにプロンプトにルールを足して直す。
- リリース時に一度だけテストする。文書は変わる。更新のたびに質問をやり直す。
チームで使う
AI Skill Pod に追加すると、業務委託の方も含めてチーム全員が、自分の AI から同じ版を使えます。 AI スキルをチームで共有する方法を読む
変更履歴
- v1.0.1 · · Example: 10 test questions, 3 of them out of scope, with every question beyond the input's one marked [draft].
- v1.0.0 · · First release.
出典
出典は英語のページです。
- Chunk Documents - Azure AI Search | Microsoft Learn (2026-11-04に確認)
- Contextual retrieval in AI systems | Anthropic (2026-11-04に確認)
- Evaluation best practices | OpenAI API (2026-11-04に確認)