Глосарій · Визначення
RAG (retrieval-augmented generation)
RAG — підхід, за якого AI-система спершу шукає релевантні фрагменти у ваших документах чи даних, а потім мовна модель відповідає на їх основі з посиланнями.
Автор: Nythrex EngineeringОновлено 1 хв читання
Простими словами
Замість покладатися на те, що модель «запам'ятала» під час навчання, RAG для кожного питання знаходить потрібні сторінки у вашій базі знань і передає їх моделі як контекст. Модель відповідає з цих сторінок і може на них послатися.
Коли це важливо для вас
- Відповіді залежать від приватної, свіжої чи змінюваної інформації
- Користувачам чи аудиторам треба бачити джерела
- Різні користувачі бачать різні дані
Типові помилки
- Звинувачувати модель, коли проблема в пошуку
- Немає тестового набору для оцінки пошуку
- Забути про права доступу в пошуковому індексі
Читайте також
ПослугаРозробка RAGРозробка RAG: AI-асистенти, що відповідають з ваших документів і даних — з посиланнями, правами доступу й виміряною точністю, у вашій хмарі.ГайдRAG vs fine-tuning vs промптингRAG додає знання, fine-tuning змінює поведінку, промптинг — точка старту. Практичний гайд із вибору: дерево рішень, вартість, пастки й реальні приклади.ГлосарійЕмбединги (embeddings)Ембединги — це набори чисел, що представляють зміст тексту, щоб комп'ютер міг знаходити фрагменти зі схожим змістом, навіть якщо в них різні слова.ГлосарійВекторна база данихВекторна БД зберігає ембединги й швидко знаходить найсхожіші — так RAG-системи знаходять потрібні фрагменти серед мільйонів.
Потрібен другий погляд на ваш проєкт?
Розкажіть, що ви будуєте і де застрягли. Протягом одного робочого дня відповімо з найпрактичнішим наступним кроком — навіть якщо цей крок не з нами.