変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-103 第6章を新規作成（Azure Content Understanding＝多モーダル構造化抽出/アナライザー・スキーマ/prebuilt vs custom/構築の流れ、生成プロンプトによるエンティティ・トピック・要約抽出＝構造化出力で受領/グラウンディング・評価/定型はスキーマ抽出と使い分け）
6.2生成プロンプトによるエンティティ・トピック・要約の抽出
生成モデルへのプロンプトで、エンティティ・トピック・要約を柔軟に抽出する実装——構造化出力での受け取り、根拠付け（グラウンディング）、評価、そして事前構築/カスタムとの使い分け——を理解します。
AI-103 の情報抽出ドメインは、Content Understanding に加えて、生成プロンプト（generative prompting）による柔軟な抽出も対象です。生成モデルに「この文書からエンティティ・主要トピック・要約を抽出して」と指示し、第2章で学んだ 構造化出力（JSON スキーマ）で受け取れば、定義済みカテゴリに縛られない抽出をアプリで扱えます。長文や非定型のコンテンツに強い一方、ハルシネーション のリスクがあるため、グラウンディング（元文書を根拠に）と 評価 を併用します。
使い分け：
①項目が定型で繰り返し処理＝Content Understanding（スキーマ抽出）や事前構築/カスタム。
②非定型・柔軟・要約や意味的抽出＝生成プロンプト＋構造化出力。
③精度・コスト・一貫性の要件で選ぶ。多くの実務では両者を組み合わせます（抽出→生成で要約、など）。
頻出：
①「文書から要約・主要トピックを柔軟に生成抽出」＝生成プロンプト（結果は構造化出力で受け取る）。
②生成抽出の誤りはグラウンディング＋評価で抑える。
③定型項目の繰り返し抽出は Content Understanding（スキーマ）が適する。
④抽出（取り出す）と生成（要約文を作る）は連携するが役割が別。
混同・注意：
①生成プロンプト抽出（柔軟・非定型）とスキーマ抽出（定型・一貫）を要件で使い分け——常にどちらが正解ではない。
②生成抽出はハルシネーションに注意（根拠付け・出典・評価）。
③構造化出力を指定しないと結果のパースが不安定になる。
6.2.1この節のまとめ
- 生成プロンプトでエンティティ/トピック/要約を柔軟に抽出し、構造化出力で受け取る
- 生成抽出はグラウンディング＋評価でハルシネーションを抑える
- 定型＝Content Understanding（スキーマ）／非定型・要約＝生成プロンプト。実務では組み合わせる
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 非定型の長文から要約や主要トピックを、定義済みカテゴリに縛られず柔軟に抽出したい場合に適した方法はどれですか？
Q2. 生成プロンプトによる抽出で、もっともらしい誤り（ハルシネーション）を抑えるために併用すべきものはどれですか？
Q3. 定型のフィールドを大量の同種文書から一貫して繰り返し抽出する場合に適した方法はどれですか？
Q4. 生成モデルの抽出結果をアプリで確実にパース・利用するために指定すべきものはどれですか？