# R-Bot [[@2025__arXiv__A Survey of LLM × DATA - Chapter 3.3 LLM for Data System Optimization]] §3.3.2(LLM for Query Optimization)が RAG Based Optimization Experience Enrichment の代表例として2つの方法にわたって引用するシステム。 ## 手法概要 - **LLM Based Optimization Experience Preparation**: ルールコードの階層構造要約と構造化ドキュメントからの情報抽出により書き換えルール仕様を生成し、適用条件と詳細な書き換え変換を明示する形へLLMで標準化するオフライン準備パイプラインを持つ。 - **Hybrid Optimization Experience Retrieval**: 構造的特徴(書き換えルール説明等)と意味表現(クエリテンプレート構造等)を連結した埋め込みによる類似度検索を行い、検索した経験に基づき自己内省(self-reflection)機構で強化された段階的なLLM駆動書き換えを実行する。 Optimization-Aware Prompt Engineering の文脈でも、書き換えルール適用順序をLLMに決定させる手法の例として挙げられる(§3.3.2 Optimization Task Instruction)。 ## 関連 - [[@2025__arXiv__A Survey of LLM × DATA - Chapter 3.3 LLM for Data System Optimization]] — 本entityの唯一の出典。 - [[クエリオプティマイザ]] — LLMベースのクエリ最適化手法として横断的知見に記載。 ## 出典 - [[@2025__arXiv__A Survey of LLM × DATA - Chapter 3.3 LLM for Data System Optimization]](§3.3.2)