Corpus2Skill、ベクトルDBなしのRAGで社内文書を探す仕組みと向く資料

要点

対象：社内文書にAIで答えさせたい担当者

1. ベクトルDBを使わない
2. 分類がはっきりした文書に向く
3. 質問ごとにAIが動き、費用は上がる

Corpus2Skillは、ベクトルDB（文書を数値に変えて、似たものを探すデータベース）を使わないRAGです。文書を先に話題ごとの目次にしておき、質問のときはAIが目次をたどって答えの文書を探します。¹²

この記事の目次（6節）

1. Corpus2Skillとは
2. 動かすのに必要なもの
3. 質問すると、どう答えるのか
4. 第三者の簡易な検証（Zenn）
5. 論文の結果と、向く資料
6. 試す前に確かめること

質問のたびにAIが何度か動くので、費用は上がります。話題の分類がはっきりした1つの分野の文書に向きます。社内のFAQ集や製品マニュアルは、これに当てはまりやすいと考えます。²

Corpus2Skillとは

米国の研究者らが公開した手法で、論文はEMNLP 2026のFindingsに採択されました。コードはMITライセンスで、公開されている版はv0.1だけです。¹²

ふつうのRAG（以下、従来型）は、質問に近い文章を探してAIに渡します。

Corpus2Skillは、先に文書を話題ごとの階層に分けて目次にします。質問のときは、AIが目次を上から順にたどり、文書ごとの番号（文書ID）を手がかりに全文を取り出します。¹²

目次は、SKILL.md と INDEX.md のファイルとして、Claudeのスキルと同じ .claude/skills/ の下に書き出されます。全文は documents.json に保存されます。¹

動かすのに必要なもの

手順

1. pip install -e . で入れる
2. .env.example を .env にコピーして、APIキーを書く
3. 文書をフォルダに用意する
4. python -m corpus2skill --input ... --output ... --p 10 で目次をつくる
5. Pythonから answer_query を呼んで質問する

--p は、1つのグループを何個の下位グループに分けるか（分岐数）で、既定は10です。¹

質問すると、どう答えるのか

AIはまず最上位の目次を読んで、関係のありそうな枝を選びます。枝を下へたどり、最下層の近くで文書の番号に行き着いたら、get_document で全文を取り出して答えます。¹

最上位の目次を読むと、文書全体の構成が分かります。従来型では、検索で拾った断片しか見えません。²

第三者の簡易な検証（Zenn）

Zennの検証記事は、論文の実装を簡略にした自作版を、従来型と比べています。グループの数を減らし、一部の機能を省いているので、Corpus2Skill本体の結果ではありません。³

対象はAWS Bedrockのユーザーガイド28件です。質問は20問で、各3回実行しています。³

採点を見直すと、正答数は同じでした。文書を見つける力は、従来型のほうが上でした。³

AIによる採点は、120件中19件が再採点の結果と食い違いました。採点の食い違いが、方式の違いによる差と同じ程度あるため、正答数の差だけで優劣は決められません。³

この検証は28件だけです。数千件での結果は、見ていません。³

論文の結果と、向く資料

企業のサポート向けのベンチマークでは、単発の検索、ハイブリッド検索、階層型の検索、AIが探すタイプの検索の4つより、答えの質が上がりました。費用は中程度に増えました。²

論文は11のデータセットで比べています。²

結果は次の表のとおりです。

向き不向きは、資料の種類で次のように分かれました。²

試す前に確かめること

開発を頼む相手と、次のことを話し合ってください。

社内の文書をもとにAIに答えさせる方法の全体は、院内マニュアルをAIに扱わせる方法の記事にまとめました。医療以外の会社にも当てはまる考え方です。

ClaudeでAI秘書を作る手順は、別の記事にあります。日本語の文書の探しやすさを測った例は、EmbeddingGemma 2の記事にあります。

まずは1つの分野に絞ったFAQを数十件と質問を20問ほど用意して、従来型と同じ質問で答えを比べてみてください。

出典

1. dukesun99/Corpus2Skill（GitHub・MITライセンス）（参照 2026-10-19）
2. Corpus2Skill: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG（arXiv）（参照 2026-10-19）
3. ベクトルDBを使わない「階層ナビゲーション型RAG」を作って、ベクトルDB版RAGと比較してみた（Zenn）（参照 2026-10-19）