1. なぜエンタープライズにRAGが必要なのか？
ChatGPTなどの汎用LLMは、社内の非公開ドキュメントや最新の業務規程を知りません。RAG（Retrieval-Augmented Generation）は、ユーザーの質問に関連する社内文書をベクトル検索で抽出し、それをプロンプトに注入して高精度な回答を生成させます。
2. PostgreSQLのpgvector拡張で手軽にベクトル検索
高額な専用ベクトルデータベースを導入しなくても、使い慣れたPostgreSQLにpgvector拡張を追加するだけで、Embedding（ベクトル埋め込み）データの保存とコサイン類似度検索が可能です。
// Spring AIによるベクトルの保存と検索
List documents = List.of(
new Document("マニッシュ・クマールはJavaとAWSの認定ソリューションアーキテクトです。")
);
vectorStore.add(documents);
List results = vectorStore.similaritySearch(
SearchRequest.query("マニッシュの専門技術は何ですか？").withTopK(3)
);