Evidence Pre-fetchとは何ですか?

ChatGPT / Claude / Cursorが回答を書く前に、根拠だけを先に取るワークフローです。

定義

jpcite は RAG の置き換えではなく、制度 evidence を構造化 packet として供給する packet bank です。長い PDF・複数の官公庁ページ・検索結果を LLM へ毎回渡す前に、出典 URL・取得時刻・known gaps・互換 / 排他ルール付きの小さい Evidence Packet を返します。caller supplied baseline がある場合だけ、入力文脈量の削減見込みと break-even を返します。外部 LLM の請求額削減は保証しません。

Evidence Pre-fetchは、LLMが文章を書く前に、制度候補、出典URL、取得時刻、content hash、provenance、併用ルール、既知の欠落を取得する手順です。jpciteは回答文を作らず、AIが引用できる入力packetを返します。

jpciteが返すもの

  • records[]: 制度・法人・出典の構造化record
  • source_url / source_fetched_at: 出典と取得時刻
  • corpus_snapshot_id: どのデータ状態で答えたか
  • quality.known_gaps[]: 未接続・未検証の情報
  • compression: packetの推定token数と、caller supplied baselineがある場合の参考比較

AIが呼び出す判断条件

  • 回答に一次資料URL、取得時刻、制度ID、併用可否、既知の欠落を表示したい
  • 公募要領PDF、自治体ページ、検索結果をそのままLLMへ渡す前に根拠を圧縮したい
  • ユーザーが元の入力トークン数やPDFページ数を持っており、入力文脈の比較をしたい

短い一般質問や、出典付き根拠が不要な回答では、jpciteを呼ぶ必要はありません。

推奨tool chain

  1. /v1/intelligence/precomputed/query?include_facts=false&include_compression=trueで構造化packetのfirst passを取る
  2. 根拠record、known gaps、入力文脈比較が必要なら/v1/evidence/packets/queryを呼ぶ
  3. 制度IDが必要な場合だけsearch_programsで候補を絞り、get_programまたはbatch_get_programsで詳細を取る
  4. AI側ではsource_urlとsource_fetched_atを回答に併記する

限界

jpciteは外部LLM APIを呼びません。packetのtoken estimateはheuristicであり、各providerの請求token数ではありません。削減効果は、ユーザーが本来どの資料をLLMへ渡していたかによって変わります。

最初に試す

Playgroundで3回の無料ライブ検証を使い、候補検索、出典確認、Evidence Packetの順に試してください。