■ 概要（1行） 大規模言語モデル（LLM）を企業の独自データや外部ソースに接続し、信頼性の高い回答（RAG: Retrieval-Augmented Generation）を生成するための主要なフレームワーク。 ■ 特徴・用途（2〜3行） 多様なデータローダー（PDF、データベース、APIなど）を介してデータを抽象化し、独自の「インデックス」構造を通じて検索効率を最大化します。単なるベクトル検索に留まらず、親子関係や時系列を含む複雑なデータモデルを扱うための高度なインデックス（グラフ、階層構造など）をサポートします。複雑な質問応答や意思決定支援など、知識ベースを必要とするエンタープライズアプリケーションの基盤構築に必須です。 ■ 結論（1行） LLMの「知識」を外部データに接地させるための、最も成熟し、広く採用されているアーキテクチャの骨格（ボーンフレーム）を提供する。