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
- Vyhledání. Systém převede otázku na jeden nebo více dotazů a najde k nim dokumenty, na webu nebo ve vlastní databázi.
- Výběr pasáží. Z nalezených dokumentů vybere úryvky, které se otázky týkají nejvíc.
- 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.