RAG
Retrieval-Augmented Generation
Vor dem Antworten durchsucht das System eure Dokumente und gibt dem Modell die relevanten Passagen mit. So stützen sich Antworten auf eure Daten, ohne dass neu trainiert wird.
01Kurz gesagt
Vor dem Antworten durchsucht das System eure Dokumente und gibt dem Modell die relevanten Passagen mit. So stützen sich Antworten auf eure Daten, ohne dass neu trainiert wird.
In ProduktionDie meisten RAG-Probleme sind Suchprobleme: Chunking, Ranking, veraltete Dokumente, Berechtigungen.
02Video
Platzhalter · VideoRAG in 90 Sekundenergänzen: GUIDES['rag'].video
03Anleitung
Platzhalter · Anleitung
Hier kommt eine Schritt-für-Schritt-Anleitung zu „RAG“ hin. Vorgeschlagene Gliederung:
- Was es ist — in einem Absatz
- Warum es in Produktion zählt
- So geht es — 3 bis 7 Schritte
- Stolperfallen, die wir in der Praxis sehen
04Checkliste
Platzhalter · Checkliste
Vier bis acht Punkte, die ein Team vor dem Go-live abhaken kann.
05FAQ
Platzhalter · FAQ
Die drei Fragen, die Kunden zu „RAG“ wirklich stellen.
06Verwandte Begriffe
Daten & RetrievalVektordatenbankEine Datenbank, die dafür gebaut ist, Embeddings zu speichern und die nächstgelegenen schnell zu finden. Die Retrieval-Engine hinter den meisten RAG-Systemen.Daten & RetrievalChunkingDokumente in Stücke zerlegen, bevor sie eingebettet werden. Zu groß, und die Antwort geht unter; zu klein, und der Kontext geht verloren.Daten & RetrievalRerankingEin zweiter Durchgang, der Suchergebnisse nach Relevanz neu sortiert, bevor sie beim Modell ankommen.
Hier helfen wir · Build