【正しい順序】ユース ケースとデータ ソースを定義し、参照ドキュメントを特定する → ドキュメントを chunk 化し embedding を生成して vector index に登録する → Prompt template を設計し RAG パイプラインを実装する → evaluation framework で groundedness / relevance を計測しチューニングを反復する の流れです。最初にユース ケースを定義してデータ範囲を確定し、次にデータ層 (indexing) を構築、続いてアプリ層 (prompt + pipeline) を実装、最後に評価ループで本番品質を保証します。順序を入れ替えると評価対象が不明瞭になったり、データ準備不足で実装が空回りするため、Azure AI Foundry の RAG 公式ガイダンスでもこの順番が推奨されています。