Baiyuan RAG Knowledge Platform Whitepaper

第 9 章 — 百原 GEO との統合

GEO は AI 回答中のブランド言及を実現する。RAG は AI が正しい事実を見ることを保証する。一体両面。

9.1 深い統合の理由

GEO Platform（姉妹ホワイトペーパー：https://github.com/baiyuan-tech/geo-whitepaper）は 7 次元 AI 引用率採点、AXP 影文書、閉ループ幻覚修復を担当。RAG は L1 Wiki + L2 検索、マルチテナントを担当。ブランド事実を共有する。

flowchart TB
    subgraph BRAND[ブランド事実単一源]
        ENT[brand_entities]
        FACTS[brand_facts]
    end
    subgraph RAG[RAG Platform]
        DOC[documents]
        WIKI[wiki_pages]
    end
    subgraph GEO[GEO Platform]
        AXP[AXP 影文書]
        GT[Ground Truth]
        SCAN[7 次元スキャン]
    end
    BRAND --> RAG
    BRAND --> GEO
    RAG -->|Wiki = GT| GT
    GEO -->|修復注入| RAG
    GEO -->|AXP 埋込| WIKI

Fig 9-1: 共有 + 双方向フロー

9.2 共有ブランド実体モデル

CREATE TABLE brand_entities (
    id UUID PRIMARY KEY, tenant_id UUID NOT NULL,
    entity_type TEXT,  -- Organization / Service / Person / LocalBusiness
    schema_id TEXT, name TEXT, description TEXT,
    properties JSONB, sameAs TEXT[],
    created_at TIMESTAMPTZ, updated_at TIMESTAMPTZ
);

CREATE TABLE brand_facts (
    id UUID PRIMARY KEY, tenant_id UUID, entity_id UUID,
    claim TEXT, evidence TEXT, evidence_url TEXT,
    verified_by TEXT, verified_at TIMESTAMPTZ, confidence REAL
);

brand_facts が権威源、RAG Wiki と GEO GT の両方が参照。

9.3 Ground Truth 閉ループ

sequenceDiagram
    autonumber
    participant GEO
    participant NLI
    participant CR as ClaimReview Gen
    participant RAG
    participant Scan

    GEO->>NLI: AI 主張 vs brand_facts
    NLI-->>GEO: contradiction (conf=0.92)
    GEO->>CR: ClaimReview (Schema.org) 生成
    CR-->>GEO: JSON-LD
    GEO->>RAG: wiki_pages に注入
    GEO->>GEO: AXP 影文書更新
    Note over Scan: 4 時間後
    Scan-->>GEO: AI 再スキャン
    Scan-->>GEO: 修復確認

Fig 9-2: 閉ループ修復

ポイント：NLI 三値（contradiction のみ修復トリガー）、ClaimReview は schema.org 型、RAG が注入点で自社 CS も一貫事実参照。

9.4 Schema.org @id 三層相互リンク

{
  "@graph": [
    {"@type": "Organization", "@id": "https://acme.example/#org",
     "hasOfferCatalog": {"@id": "https://acme.example/#catalog"},
     "employee": [{"@id": "https://acme.example/team/alice#person"}]},
    {"@type": "Service", "@id": "https://acme.example/#service-consulting",
     "provider": {"@id": "https://acme.example/#org"}},
    {"@type": "Person", "@id": "https://acme.example/team/alice#person",
     "worksFor": {"@id": "https://acme.example/#org"}}
  ]
}

AXP 影文書が HTML <head> に注入、RAG Wiki body が同じ @id を引用。AI クローラはこれを強い知識グラフ信号と認識。

9.5 幻覚検知 → RAG 自動修復

シナリオ：

顧客が chat.baiyuan.io で「CEO は？」
RAG Wiki company-overview に CEO 情報なし
L1 miss → L2 chunks にも情報なし → LLM 「Bob Smith」捏造
別路：GEO が ChatGPT スキャンでも「Bob Smith」検出
brand_facts は「Alice Wang」
GEO トリガー修復：CEO: Alice Wang を RAG の company-overview に追加
次の顧客問いは Wiki hit で「Alice Wang」✓

await rag.api.post('/api/v1/wiki/patch', {
  tenant_id, kb_id,
  slug: 'company-overview',
  patch: {section: 'leadership', content: 'CEO: Alice Wang（2020 年〜）',
          source_claim_id: claim.id, confidence: 0.98},
});

2026 Q2 本番投入。

9.6 共有メトリクス

指標	ソース	意味
AI 引用率 (GEO)	7 次元スキャン	AI プラットフォームでの言及率
事実正確率 (GEO)	NLI 検証	言及時の正しさ
Wiki カバー率 (RAG)	RAG コンパイル統計	brand_facts を Wiki 化した比率
CS 命中率 (RAG)	クエリログ	CS 問いに回答できた率
修復レイテンシ	注入→次スキャン検証	AI が言い直すまでの日数

5 軸で「ブランド AI 健康度」を定量化。

本章のポイント

GEO と RAG は brand_entities / brand_facts を単一権威源として共有
RAG L1 Wiki が GEO の Ground Truth を兼ねる
Schema.org @id 三層相互リンクが AXP + Wiki 共通のブランド知識グラフ信号
GEO が幻覚検知後に RAG Wiki を自動 patch（2026 Q2 投入）
5 軸ダッシュボードで「ブランド AI 健康度」を定量化

ナビゲーション：← 第 8 章 · 📖 目次 · 第 10 章 →

This site is open source. Improve this page.