Cos'è RAG e perché è utile?
RAG è come un collega che apre una cartella prima di rispondere.
Cosa imparerai
- Spiegare: lo straccio accede alle prove, non si riqualifica
- Applica l'idea in un esempio: cos'è RAG e perché è utile?
- Riconoscere i limiti e verificare il risultato dell'esercizio
RAG è come un collega che apre una cartella prima di rispondere. Controlla che trovi la pagina giusta e ne conservi il significato.
Puoi seguire questo corso senza un account o una programmazione. Gli esempi utilizzano dati sintetici e i risultati dell’intelligenza artificiale devono essere verificati.
Come funziona, passo dopo passo
RAG accede alle prove, non riqualifica
RAG significa generazione aumentata dal recupero: il recupero fornisce passaggi rilevanti prima che il modello risponda. L'inserimento prepara i documenti, mentre l'esecuzione delle query ricerca nell'indice e crea il contesto. Un modello di incorporamento rappresenta il testo numericamente; il modello di risposta scrive la risposta. I modelli di riclassificazione, visione, grafico e router svolgono ruoli diversi quando necessario. RAG aiuta con informazioni private o mutevoli ma non garantisce la verità. Utilizzare un'API autorizzata per saldi, inventario esatto o autorizzazioni; un vecchio documento non è una fonte affidabile per lo stato attuale.
I buoni documenti vengono prima delle buone risposte
Prepara testo leggibile, titoli chiari, tabelle con intestazioni e fonti senza duplicati inutili. Il Chunking divide un documento in passaggi recuperabili separatamente; la sovrapposizione preserva la continuità tra i vicini. Un pezzo corto può perdere condizioni, mentre uno grande introduce rumore. I metadati preservano l'origine, la posizione e la versione, oltre all'ambito di accesso laddove imposto dall'implementazione. Il caricamento memorizza il file; l'indicizzazione lo rende ricercabile. Quando una fonte cambia, controlla che i vecchi blocchi scompaiano e che quelli nuovi vengano recuperati prima di dichiarare corrente la knowledge base.
La fluidità e la verità vengono verificate separatamente
Un'allucinazione è un contenuto non supportato o errato presentato come risposta. Può derivare da informazioni mancanti, ambiguità o modelli combinati in modo errato. Richiedi prove e controlla il documento originale, la data, le unità e le condizioni. Una vera citazione potrebbe comunque non supportare l'affermazione. Utilizza fonti attuali per fatti attuali, una calcolatrice per l'aritmetica e "non puoi determinare" quando mancano le prove. Non trattare la fiducia espressa in prosa come una probabilità calibrata.
Lo schema esplicativo
Seguire le frecce continue per il flusso principale. Le frecce blu tratteggiate forniscono dati o contesto; le frecce rosa tratteggiate mostrano feedback o risultati restituiti. Colori e forme distinguono modelli, negozi, decisioni e risultati. Il recupero restituisce prove. Se un modello di risposta è abilitato, compone anche una risposta; le prove recuperate devono ancora essere verificate. Su schermi piccoli, scorri in orizzontale per seguire l’intero schema.
Un esempio completo
Carica e indicizza la polizza fittizia, quindi chiedine la scadenza. Il recupero fornisce al modello il passaggio di 14 giorni. Una domanda di garanzia assente dalla fonte deve essere trattata come informazione mancante.
Provalo tu stesso
- Disegna l'importazione e l'esecuzione delle query separatamente per la policy di restituzione.
- Registrare l'input, la fonte e il risultato atteso prima di eseguire l'esperimento. Utilizzare solo i dati fittizi nell'esempio.
- Seguire le fasi del diagramma. Ad ogni passaggio registrare quali informazioni vengono ricevute e prodotte; non confondere il risultato intermedio con il risultato finale.
- Ripetere dopo aver rimosso le informazioni necessarie o reso ambiguo l'input. Controlla se il sistema chiarisce, ferma o inventa una risposta.
- Confrontare con la soluzione spiegata. Conserva la configurazione, la data, il risultato e una spiegazione delle differenze. Cambia una cosa e riprova.
Una soluzione spiegata
La risposta può essere verificata confrontando il passaggio; le domande non supportate non ricevono alcuna promessa inventata. Un esercizio riuscito ti consente di mostrare la connessione tra input, fasi e risultato. Quando mancano le informazioni, una risposta cauta è più utile dei dettagli inventati. Confrontare non solo stile: verificare anche condizioni, fonti e operazioni.
Quando è utile e quali sono i suoi limiti
L'indicizzazione e la risposta sono percorsi separati con diverse modalità di errore. Scegli questo approccio quando migliora un bisogno misurato. Mantieni una linea di base semplice e confronta i risultati utilizzando input identici. Un esempio di successo non stabilisce l’affidabilità in ogni situazione.
Verifica ciò che hai imparato
RAG modifica i parametri LLM?
No. Fornisce il contesto della richiesta-ora; le modifiche ai parametri appartengono all'addestramento.
Il caricamento completato significa che un documento è pronto per RAG?
No. Anche l'estrazione, la suddivisione in blocchi e l'indicizzazione devono essere completate correttamente.
Quale risultato dovrebbe produrre questo esercizio?
La risposta può essere verificata confrontando il passaggio; le domande non supportate non ricevono alcuna promessa inventata.
Termini da ricordare
- Recupero: trovare informazioni rilevanti in fonti accessibili.
- Pezzo: Un passaggio di documento che può essere recuperato separatamente.
- Messa a terra: Fondare una risposta su prove verificabili.
Fonti e il prossimo passo
Per preparare: F03 — Cos'è un LLM e come risponde? · P02 — Ingegneria del contesto: cosa arriva al modello? · P07 — Prompt, RAG o messa a punto?