セントラルキッチンのレシピ・製造指図・変更記録から、店舗や工場の質問に該当する手順と分量を、改訂の版と根拠付きで返す

処理の起点を決める

店舗やラインの担当が、社内のチャットのボットに質問を書いたときに動かします。 質問の受け付けをボットに一本化し、担当者の個人あてのチャットには送らない運用にします。

もう1つの起点は、レシピの承認です。 品質管理が新しい版を承認し、変更記録の一覧表に行を足したときに、その版を取り込みます。取り込みの時点で、新しい版に施行日を、前の版に有効の終わりの日を入れます。 施行日が先の日付なら、その日が来るまで新しい版は検索に出ません。

施行日の切り替えは、検索の条件で行います。 毎晩に文書の印を付け替える処理を作ると、その処理が止まった日に旧版が出続けます。有効の始まりと終わりの日付を文書に持たせ、検索のたびに今日の日付と比べます。

入力データを集める

質を決めるのは、手順の単位で分けることです。 レシピの文書を丸ごと1件にすると、「温め直しは何分か」という質問に、仕込みから盛り付けまでの全文が返ります。工程ごとに1件にし、品目と版の情報をすべての件に付けます。

品目の別名の一覧も欠かせません。 店舗では「デミ」「ハンバーグソース」と呼び、レシピの正式名は「デミグラスソース（店舗仕上げ用）」です。別名の一覧から品目の識別子を引いてから検索します。

データの取得方法を決める

検索の形は、次のようになります。

POST /recipe-steps/_search?search_pipeline=recipe-hybrid
{
  "size": 10,
  "_source": ["step_id", "item_id", "item_name", "version", "target",
              "process", "body", "effective_from"],
  "query": {
    "hybrid": {
      "queries": [
        { "match": { "body": "デミグラス 温め直し 時間" } },
        { "knn": { "body_vector": { "vector": [0.0], "k": 30 } } }
      ],
      "filter": {
        "bool": {
          "filter": [
            { "term": { "target": "store" } },
            { "range": { "effective_from": { "lte": "now/d" } } },
            { "bool": { "should": [
                { "range": { "effective_to": { "gt": "now/d" } } },
                { "bool": { "must_not": { "exists": { "field": "effective_to" } } } }
            ] } }
          ]
        }
      }
    }
  },
  "collapse": { "field": "item_id" }
}

ハイブリッドクエリの filter は1つの検索の形で書き、複数の条件は bool にまとめます。 有効の終わりの日が無い文書（いまの最新の版）も拾うように、should で2つの条件を並べています。

collapse には注意が1つあります。 ハイブリッドクエリでは、上位 size 件を取ってから品目でまとめるので、同じ品目が上位に重なると、返る品目の数が size より少なくなります。 品目の数をそろえる設定は 3.10 からで、Amazon OpenSearch Service の版では使えません。size を多めに取り、返った品目の数で足りるかを確かめます。

該当の語句は、上位の手順の識別子で絞った通常の検索で取ります。highlight は、検索に同義語を使っていても元の語を強調して返します。 回答の画面では、この語句を手がかりに手順の原文の該当箇所を示します。

AIへ渡す前に整形する

1. 承認された版だけを取り込む … 変更記録の一覧表に行がある版だけを対象にし、_最終・_修正 のような作業中のファイルは取り込みません
2. 手順の単位への分割 … 見出し（仕込み・加熱・冷却・保存・店舗での仕上げ）で分け、材料表は工程ごとに付けます
3. 分量の表記をそろえる … 「1.2kg」「1200g」「1,200g」を、元の表記を残したまま、計算用の数値と単位の項目にも入れます
4. 版の情報の付与 … 品目の識別子、版番号、対象、有効の始まりと終わりの日を、すべての手順に付けます
5. 日本語の解析 … kuromoji_tokenizer の search の方式で、「デミグラスソース」のような複合語を分けた語と元の語の両方で索引します。社内の略語は user_dictionary_rules に書きます
6. 埋め込み … 工程の名前と本文をつないだ文を Titan Text Embeddings V2 で埋め込みます

手順の索引の設定と1件の形は、次のようにします。

PUT /recipe-steps
{
  "settings": {
    "index.knn": true,
    "analysis": {
      "tokenizer": {
        "ja_search": {
          "type": "kuromoji_tokenizer",
          "mode": "search",
          "user_dictionary_rules": ["デミ,デミ,デミ,カスタム名詞"]
        }
      },
      "analyzer": { "ja": { "type": "custom", "tokenizer": "ja_search" } }
    }
  },
  "mappings": {
    "properties": {
      "step_id": { "type": "keyword" },
      "item_id": { "type": "keyword" },
      "version": { "type": "keyword" },
      "target": { "type": "keyword" },
      "process": { "type": "keyword" },
      "body": { "type": "text", "analyzer": "ja" },
      "quantities": { "type": "nested" },
      "effective_from": { "type": "date" },
      "effective_to": { "type": "date" },
      "body_vector": { "type": "knn_vector", "dimension": 1024 }
    }
  }
}

quantities には、材料ごとに {"material": "玉ねぎ", "raw": "1.2kg", "value": 1200, "unit": "g"} のような形で、元の表記と計算用の数値を並べて入れます。倍率の計算はこの value から行い、回答には raw と計算した値を並べて出します。 計算した値には「計算値」と明記し、原文の分量と見分けられるようにします。

3番目が、数字の照合を支えます。 元の表記と計算用の数値の両方を持っていれば、回答の数字が原文にあるかを、表記のゆれに関係なく照らせます。

Titan Text Embeddings V2 は英語に最適化されたモデルで、日本語は多言語の対応（プレビュー）に入っています。 自社のレシピの質問で、埋め込みだけでどこまで当たるかを最初に確かめます。単語の一致の検索を並べているのは、品目名や工程名の一致を取りこぼさないためです。

AIに処理させる

させるのは2つです。質問から検索に使う項目を取り出すことと、検索で見つかった手順の原文を引用して回答を書くことです。

4行目は見落としやすい失敗です。 生成AIは、読みやすさのために数字を言葉に丸めることがあります。加熱の条件は食品の安全に関わるので、原文の文字列のまま引用させます。

指示内容を固定する

あなたはセントラルキッチンの生産管理の担当として、店舗とラインからの
レシピの質問に答える立場です。
答えは、渡された手順の原文と変更記録だけから作ってください。

【やること】
1. 質問に該当する手順を、渡された検索結果から選んでください。
2. 分量・加熱の条件・保存の条件は、原文の文字列をそのまま引用してください。
3. 回答の最後に、根拠の手順の識別子、版番号、施行日を書いてください。
4. 直近の変更記録があり、質問に関係する箇所が変わっている場合は、
   何が変わったかを1〜2文で添えてください。
5. 倍率の計算結果が渡されている場合は、原文の分量と並べて書いてください。

【厳守事項】
- 分量を自分で計算しないでください。計算結果が無ければ原文の分量だけを書いてください。
- 検索結果に無い分量・温度・時間を書かないでください。
- 加熱の条件を言い換えたり、丸めたりしないでください。
- 代替の食材を使ってよいかを答えないでください。
  聞かれた場合は「品質管理の確認が要る」とだけ書いてください。
- 検索結果に該当する手順が無い場合は、無いと答えてください。
  似た品目の手順で代わりに答えないでください。
- 版番号の違う手順が混ざっている場合は、施行日が今日以前で最も新しい版だけを使ってください。

【今日の日付】{today}
【質問】{question}
【取り出した項目】{parsed}
【検索結果（手順の原文）】{steps}
【変更記録】{changes}
【倍率の計算結果】{scaled}

「似た品目の手順で代わりに答えない」を書かないと、店舗用の手順が無い品目に、ライン用の製造指図で答えます。 量も手順も違うので、店舗ではそのまま使えません。無いときは無いと返し、担当に回します。

版の条件を指示にも書いているのは、二重の守りです。 検索の側で絞っていても、施行日の当日に取り込みが遅れた文書が混ざることがあります。

出力形式を固定する

Claude API の構造化出力で、次の形のJSONを受け取ります。

{
  "answer": "",
  "quotes": [
    { "step_id": "DG-STORE-v8-03", "text": "" }
  ],
  "basis": { "item_id": "DG-STORE", "version": "8", "effective_from": "2026-10-01" },
  "change_note": "",
  "scaled_values_used": true,
  "topic": "quantity | heating | storage | procedure | change | substitution",
  "needs_qa_approval": false,
  "not_found": false
}

1つ目の理由は、quotes の文字列を原文と照らせることです。 引用の文字列が、その step_id の手順の本文に含まれているかを、プログラムで確かめます。含まれていなければ、その回答は返さず担当に回します。 回答の本文に出る分量と温度も、quotes の中にあるかを照らします。

2つ目は、topic で承認の要否を機械的に決められることです。 heating・substitution と、アレルゲンの情報を持つ品目の quantity は、needs_qa_approval を AIの判断に関係なく true にします。承認の要否は規則で決め、AIの申告に頼りません。

3つ目は、not_found で「無い」を正直に返せることです。 無いときに何かを返そうとする回答より、無いと返して担当に回すほうが、店舗の作り間違いを防げます。

システムへ連携する

共有フォルダと変更記録には、この構成から書き込みません。 原本の管理は今まで通り品質管理が行います。

人が確認する

1. 承認待ちを確かめる … アレルゲン・加熱の条件・代替の食材に関わる回答を、品質管理の担当が引用と原文で確かめます
2. not_found を引き取る … 該当の手順が無かった質問は、担当が答え、必要なら手順書を作ります
3. 照合で止まった回答を確かめる … 引用の文字列が原文に無かった回答を、担当が見直します
4. 返した回答を週に一度見直す … そのまま返した回答から抜き出して、引用と版が正しいかを確かめます

1番目の承認は、引用が原文と合っているかを見るだけです。 回答を書き直す必要はほとんどなく、数十秒で終わる見込みです。 承認の対象を絞っているので、担当の時間は答えを探すことから確かめることに移ります。

目標は、600件をならして1件3分です。 そのまま返す回答は担当の手を通らず、承認待ちと not_found に時間を使います。

例外に対処する

最後の行を入れておくのは、ボットが現場の窓口になるからです。 「異物が入っていた」のような報告がボットに届いたとき、レシピの検索で答えてはいけません。 質問の項目を取り出す段階で区分し、人に回します。

記録を残す

• 質問（日時、店舗、投稿者）と、取り出した項目
• 検索の条件（filter、今日の日付）と、上位の手順の識別子と版
• Claude API の出力と、そのとき使った指示の版
• 照合の結果（引用が原文にあったか）
• 承認の記録（承認者、承認・差し戻し）
• not_found の質問と、担当がどう答えたか

2つ目で検索の条件と版を残すのは、後から「その日にどの版で答えたか」を説明するためです。 店舗で作り間違いが起きたとき、ボットの回答が旧版だったのか、店舗が読み違えたのかを分けられます。