用語比較
クエリの書き換えとクエリの分解の違い｜RAG（生成AIパスポート）
クエリの書き換えとクエリの分解の違いは、質問に何をするかです。書き換えは、質問を検索しやすい1つの形に直します。分解は、複雑な質問を複数の小さな質問に分けて、それぞれ検索します。
1つの質問の言い方を直すなら書き換え、複数の情報源が要る質問を分けるなら分解と覚えると、RAGの検索前の工夫を整理できます。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。
クエリの書き換えとクエリの分解の要点
クエリの書き換え
言語モデルで、あいまいさ、足りないキーワード、不要な語、不明確な意味合いを直し、検索しやすい形にする。元の意味と意図は保つ。
クエリの分解
複雑なクエリを複数の小さなサブクエリに分け、各サブクエリを独立に検索して結果を集め、元のクエリに文脈として添えて渡す。
位置づけ
どちらも、RAGの情報検索の段階にある任意の工程であるクエリの変換の方法。ほかに拡張とHyDEが挙がる。
違いを表で確認
| 比較軸 | クエリの書き換え | クエリの分解 |
|---|---|---|
| 変える対象 | 書き換え：質問の言い方（語や表現） | 分解：質問の数（1つを複数に分ける） |
| 直す問題 | 書き換え：あいまいさ、足りないキーワード、不要な語、不明確な意味合い | 分解：1つの検索では足りない、複数の情報源が要る複雑な質問 |
| 検索の回数 | 書き換え：直した1つのクエリで検索する | 分解：サブクエリごとに独立に検索し、そのあと元のクエリでも実行する |
| 元のクエリの扱い | 書き換え：元の意味と意図を保ったまま、言い方を直す | 分解：サブクエリの上位結果を蓄え、元のクエリに文脈として添えて実行する |
| 文書の指示文の中身 | 書き換え：同義語や関連語、言い換えを含め、あいまいで不要な語を除くよう求める | 分解：まず質問が単純か複雑かを分類させる。単純な事実の質問は、分けても益が小さい例とされる |
生成AIパスポートの学習に使う書籍（Amazon）
PR
どこで迷っているかを切り分ける
クエリの変換を、全部「質問を言い換えること」と思っている人
Microsoftの文書は、クエリの変換の方法として、拡張、分解、書き換え、HyDEを挙げています。言い方を直すのは書き換え、質問を分けるのは分解、元の質問に文脈を足すのは拡張です。
拡張と書き換えの違いが分からない人
拡張は、元のクエリを残したまま文脈を足す方法で、元のクエリを取り除いたり変えたりしません。書き換えは、言い方そのものを直して検索しやすい形にします。
Agentic RAGとの違いを聞かれる人
文書の分解は、オーケストレーターに定めた固定の流れで、検索を始める前に分けるかどうかを判断します。検索の途中結果を見て実行時に決めるのは、Agentic RAGの役割と書かれています。
シラバスの語の定義文を探している人
2027年2月適用の公式シラバスは、クエリの書き換えを詳細キーワードとして載せるだけで、定義文は載せていません。このページでは、Microsoftの公式文書で確認できる説明を使っています。
具体例で使い分ける
例 1
言い方があいまいな質問（架空の場面）
社内の資料を検索する仕組みに、「あの申請のやり方」と入力されます。
- どの申請かが分からず、検索に使えるキーワードも足りません。
- 言語モデルで、元の意図を保ちつつ、検索に使える語を含む形に直します。
- 検索は、直した1つのクエリで行います。
結論: 質問の言い方を直す話なので、書き換えの場面です。この例は説明用の架空のものです。
例 2
複数の情報源が要る質問（Microsoftの文書の例）
「電気自動車はどう動き、内燃機関の車とどう比べられるか」と質問されます。
- 1つは電気自動車の仕組み、もう1つは内燃機関の車との比較と、別々の情報源が要る質問です。
- サブクエリに分け、それぞれを独立に検索します。
- 上位結果を集めて文脈として蓄え、元のクエリと一緒に言語モデルへ渡します。
結論: 質問を複数に分けて検索する話なので、分解の場面です。
例 3
単純な質問の場合（Microsoftの文書の例）
「フランスの首都は？」と質問されます。
- 1つの文書の1か所に、答えが直接書かれていそうな質問です。
- Microsoftの文書は、このような単純な事実の質問を、分けても益が小さい例にしています。
結論: 分けても益は小さいとされるので、分解を使わない場面です。分解は、複雑な質問に向く工程です。
問題文から答えを選ぶ手順
- 1
質問の問題を見る
言い方があいまいなのか、そもそも複数の情報源が要る質問なのかを分けます。
- 2
言い方の問題なら書き換えを考える
あいまいさ、足りないキーワード、不要な語を直し、元の意味と意図は保ちます。
- 3
質問が複雑なら分解を考える
サブクエリごとに独立に検索し、上位結果を蓄えて、元のクエリと一緒に渡します。
- 4
判断のタイミングを見る
検索の前に固定の流れで決めるなら分解、途中結果を見て実行時に決めるならAgentic RAGの領域です。
試験での見分け方
- 1クエリの書き換えは、言語モデルで質問の言い方を直し、検索しやすい形にする方法である。
- 2クエリの分解は、複雑な質問を複数のサブクエリに分け、各サブクエリを独立に検索する方法である。
- 3分解では、サブクエリの上位結果を蓄え、元のクエリを、蓄えた文脈とともに実行する。
- 4分解するかどうかは、検索の前に、固定の流れで判断する。
- 5クエリの変換は、RAGの情報検索の段階の任意の工程で、方法に拡張、分解、書き換え、HyDEが挙がる。
誤答しやすい選択肢
書き換えで、質問の意味を変えてよいと考える
修正: 書き換えの指示文は、元の意味と意図を保つことを求めています。直すのは言い方で、聞きたい内容ではありません。
分解を、どんな質問にも使う工程と考える
修正: 単純な事実の質問は、分けても益が小さいとされます。複数の情報源が要る複雑な質問に向く工程です。
分解した結果だけを言語モデルに渡すと考える
修正: 文書では、各サブクエリの上位結果を文脈として蓄えたあと、元のクエリを、蓄えた文脈とともに実行します。
分解とAgentic RAGを同じものと考える
修正: 文書の分解は、検索の前に固定の流れで判断します。途中結果を見て実行時に決める点で、Agentic RAGとは判断のタイミングが違います。
確認問題
Q1言語モデルで質問の言い方を直し、検索しやすい形にする工程は？
答え: クエリの書き換え
あいまいさ、足りないキーワード、不要な語、不明確な意味合いに対処します。
Q2複雑なクエリを複数の小さなサブクエリに分け、それぞれ検索する工程は？
答え: クエリの分解
各サブクエリの上位結果を文脈として蓄え、元のクエリと一緒に実行します。
Q3元のクエリを残したまま、文脈を足す方法は？
答え: クエリの拡張
元のクエリを取り除いたり、変えたりしません。
Q4検索の途中結果を見て、実行時に分解するかを決めるのは、どの仕組みの役割？
答え: Agentic RAG
文書の分解は、検索の前に固定の流れで判断します。
到達チェック
- クエリの変換の方法を4つ挙げられる
- 書き換えが直す問題を説明できる
- 分解の流れを、サブクエリの検索から元のクエリの実行まで言える
- 分解とAgentic RAGの判断のタイミングの違いを説明できる
関連ページで確認する
同じ資格で次に知りたいこと
- 文単位と固定サイズのチャンク分割の違い｜RAG（生成AIパスポート）
RAGのチャンク分割で、文単位の分割と固定サイズ（重複あり）の分割の違いを、切る基準・文脈の保たれ方・重複量の決め方・向く文書で整理。長所と短所の多くを共有する2つの方法を、Microsoft Learnの文書で照合します。
- A2AとMCPの違い｜エージェント同士をつなぐか、エージェントとツールをつなぐか（生成AIパスポート）
A2A（Agent2Agent）とMCP（Model Context Protocol）の違いを、つなぐ相手、相手の性質、扱うやり取りで整理。A2Aはエージェント同士の協力、MCPはエージェントとツールの接続で、両方を併用する構成も、公式文書の例で比べます。
- オプトインとオプトアウトの違い｜個人データの第三者提供と生成AIへの入力（生成AIパスポート）
オプトインとオプトアウトの違いを、個人情報保護法第27条の原則と例外、要配慮個人情報の扱い、生成AIに入力したデータの学習利用との関係、確認問題で整理します。
よくある質問
Qクエリの書き換えとクエリの分解の違いは？
書き換えは、質問の言い方を直して検索しやすい1つの形にします。分解は、複雑な質問を複数のサブクエリに分け、それぞれ検索します。
Qクエリの変換にはどんな方法がありますか？
Microsoftの文書は、拡張、分解、書き換え、Hypothetical Document Embeddings（HyDE）を挙げています。
Qクエリの書き換えは生成AIパスポートで問われますか？
2027年2月試験から適用される公式シラバスで、RAGの詳細キーワードにクエリの書き換えが載っています。定義文は載っていません。
Q分解するかどうかは、いつ判断しますか？
Microsoftの文書の分解では、検索を始める前に、オーケストレーターに定めた固定の流れで判断します。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: AI資格ドリル編集部（運営者情報を見る）