Co je RAG (Retrieval-Augmented Generation)

Autor: Jan Rychlý · Aktualizováno

Definice

RAG (Retrieval-Augmented Generation, generování rozšířené o vyhledávání) je postup, při kterém si jazykový model před odpovědí vyhledá relevantní dokumenty a odpověď sestaví z nich, místo aby spoléhal jen na to, co se naučil při tréninku.

Jak RAG funguje

  1. Vyhledání. Systém převede otázku na jeden nebo více dotazů a najde k nim dokumenty, na webu nebo ve vlastní databázi.
  2. Výběr pasáží. Z nalezených dokumentů vybere úryvky, které se otázky týkají nejvíc.
  3. Generování. Model dostane otázku spolu s úryvky a napíše odpověď, často s odkazy na použité zdroje.

Příklad

Zeptáte se AI asistenta s přístupem na web: „Jaký hosting se hodí pro malý e-shop?“ Asistent vyhledá několik aktuálních stránek, vytáhne z nich pasáže o cenách a parametrech a shrne je do odpovědi. Weby, ze kterých čerpal, uvede jako zdroje.

Proč na tom záleží pro GEO

RAG je důvod, proč může AI citovat i obsah, který vznikl až po jejím tréninku. Kdo chce být zdrojem, musí projít všemi třemi kroky:

  • stránka musí být dohledatelná a přístupná pro roboty,
  • musí obsahovat pasáž, která na otázku odpovídá přímo a dává smysl sama o sobě,
  • tvrzení v ní musí být konkrétní, aby je model mohl převzát.

Širší souvislosti popisuje průvodce Co je GEO.

Lidé také hledají