読み方のヒント

矢印ボタン(または ← → キー)でページを移動できます。

第1節 RAGの流れと資料の用意

1.2 資料を見出しで区切る

練習ファイルは practice/vol2 にあります。店の資料は、docs フォルダのMarkdownのファイルです。

# こもれびベーカリー ご利用案内

## 営業時間と定休日

営業時間は7時から18時までです。毎週水曜日は定休日です。祝日が水曜日の場合も休みます。

## 予約の締め切り

予約は、受け取りの前日の20時まで受け付けます。……

資料を丸ごとLLMに渡すと、関係のない部分まで読ませることになり、答えが遅くなり、誤りも増えます。そこで、## の見出しごとに区切ります。

def split_markdown(text: str, source: str) -> list[Chunk]:
    """## の見出しごとに、資料を区切る。"""
    chunks: list[Chunk] = []
    heading = None
    lines: list[str] = []

    def flush():
        body = "\n".join(lines).strip()
        if heading and body:
            chunks.append(Chunk(f"{source}#{len(chunks) + 1}", source, heading, body))

    for line in text.splitlines():
        if line.startswith("## "):
            flush()
            heading = line[3:].strip()
            lines = []
        elif heading is not None:
            lines.append(line)
    flush()
    return chunks

shop_guide.md は7つ、allergy.md は2つの区切りになり、合わせて9件です。区切りのIDは shop_guide.md#1 のように、ファイル名と順番で作ります。最初の ## より前の行(# の書名など)と、本文のない見出しは区切りにしません。

解答

2つです(「営業時間」と「駐車場」)。前書きは最初の ## より前なので含まれず、「臨時休業」は本文がないため区切りになりません。

3 / 20