{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreicvxp4znaaz4turzhvj4em3atwizrnfj5qqvsxftqtr3hqpriuygm",
    "uri": "at://did:plc:hzgu7qyp34ofph3btawzwyw4/app.bsky.feed.post/3mmjxlt3pu3y2"
  },
  "coverImage": {
    "$type": "blob",
    "ref": {
      "$link": "bafkreie4d7kwgjz2dxfy3xiyzys3z4pneobufs5hzd3hgyiori42sdccky"
    },
    "mimeType": "image/png",
    "size": 59408
  },
  "path": "/retrieva_tech/articles/f4386f6b246b34",
  "publishedAt": "2026-05-22T01:23:16.000Z",
  "site": "https://zenn.dev",
  "textContent": "AAAI 2026に採択されたAmazonの研究チームの論文 Keyword search is all you need（arXiv:2602.23368）は、「LLMエージェントにシェルコマンドを持たせたキーワード検索によって、管理にコストがかかるベクトルDBを代替しつつも、ベクトルDB RAGの90%程度の精度を出すことが可能」と主張しています。\n論文の評価は英語テキストPDF・Anthropic Claude 3 Sonnet（Amazon Bedrock）で行われています。\n本稿は、この手法を日本語PDF・claude-sonnet-4-6（2026年5月時点）で個人的に試した...",
  "title": "日本語PDFで「Keyword search is all you need」を試す：Agent RAGとVector RAGの精度・コスト"
}