Co to jest RAG i dlaczego jest przydatny?
RAG jest jak kolega otwierający teczkę przed udzieleniem odpowiedzi.
Czego się dowiesz
- Wyjaśnij: szmata uzyskuje dostęp do dowodów, nie przekwalifikowuje
- Zastosuj tę ideę na przykładzie: Co to jest RAG i dlaczego jest przydatny?
- Rozpoznaj ograniczenia i zweryfikuj rezultaty ćwiczeń
RAG jest jak kolega otwierający teczkę przed udzieleniem odpowiedzi. Sprawdź, czy znajduje właściwą stronę i zachowuje swoje znaczenie.
Możesz kontynuować ten kurs bez konta i programowania. W przykładach wykorzystano dane syntetyczne, a wyniki sztucznej inteligencji wymagają sprawdzenia.
Jak to działa, krok po kroku
RAG uzyskuje dostęp do dowodów, a nie przekwalifikowuje
RAG oznacza generowanie wspomagane wyszukiwaniem: wyszukiwanie dostarcza odpowiednich fragmentów, zanim model odpowie. Pozyskiwanie przygotowuje dokumenty, podczas gdy wykonanie zapytania przeszukuje indeks i buduje kontekst. Model osadzania reprezentuje tekst liczbowo; model odpowiedzi zapisuje odpowiedź. Rerankery, wizja, modele graficzne i routery pełnią w razie potrzeby różne role. RAG pomaga w przypadku prywatnych lub zmieniających się informacji, ale nie gwarantuje prawdy. Korzystaj z autoryzowanego API dla sald, dokładnych zapasów lub uprawnień; stary dokument nie jest wiarygodnym źródłem obecnego stanu.
Dobre dokumenty poprzedzają dobre odpowiedzi
Przygotuj czytelny tekst, jasne nagłówki, tabele z nagłówkami i źródłami bez zbędnych duplikatów. Dzielenie dokumentu na fragmenty, które można oddzielnie odzyskiwać; nakładanie się zapewnia ciągłość pomiędzy sąsiadami. Krótki kawałek może stracić warunki, podczas gdy duży wprowadza hałas. Metadane zachowują źródło, pozycję i wersję, a także zakres dostępu, jeśli jest to wymuszone przez implementację. Przesyłanie przechowuje plik; indeksowanie umożliwia przeszukiwanie. Gdy zmieni się źródło, przed zadeklarowaniem aktualnej bazy wiedzy sprawdź, czy stare fragmenty zniknęły i czy zostały pobrane nowe.
Płynność i prawdziwość sprawdzane są oddzielnie
Halucynacja to nieuzasadniona lub nieprawidłowa treść prezentowana jako odpowiedź. Może wynikać z brakujących informacji, niejednoznaczności lub nieprawidłowo połączonych wzorców. Poproś o dowód i sprawdź oryginalny dokument, datę, jednostki i warunki. Prawdziwy cytat może nadal nie potwierdzać tej tezy. Korzystaj z bieżących źródeł w celu uzyskania aktualnych faktów, kalkulatora do obliczeń arytmetycznych i „nie potrafię określić”, gdy brakuje dowodów. Nie traktuj pewności wyrażonej w prozie jako skalibrowanego prawdopodobieństwa.
Schemat objaśniający
Postępuj zgodnie ze strzałkami wskazującymi główny przepływ. Przerywane niebieskie strzałki przedstawiają dane lub kontekst; przerywane różowe strzałki pokazują opinie lub zwracane wyniki. Kolory i kształty wyróżniają modele, sklepy, decyzje i wyniki. Pobieranie zwraca dowód. Jeśli model odpowiedzi jest włączony, tworzy on również odpowiedź; odzyskane dowody nadal wymagają sprawdzenia. Na małym ekranie przewijaj w poziomie, aby zobaczyć cały schemat.
Kompletny przykład
Prześlij i zindeksuj fikcyjną politykę, a następnie zapytaj o termin. Pobieranie zapewnia 14-dniowe przejście do modelu. Pytanie gwarancyjne nieobecne u źródła należy traktować jako brakującą informację.
Spróbuj sam
- Narysuj pozyskiwanie i wykonywanie zapytań oddzielnie dla zasad zwrotów.
- Przed rozpoczęciem eksperymentu zapisz dane wejściowe, źródło i oczekiwany wynik. W przykładzie użyj wyłącznie fikcyjnych danych.
- Postępuj zgodnie z etapami diagramu. Na każdym etapie zapisuj, jakie informacje zostały otrzymane i wyprodukowane; nie myl produktu pośredniego z efektem końcowym.
- Powtórz po usunięciu niezbędnych informacji lub wprowadzeniu niejednoznaczności. Sprawdź, czy system wyjaśnia, zatrzymuje lub wymyśla odpowiedź.
- Porównaj z objaśnionym rozwiązaniem. Zachowaj konfigurację, datę, wynik i wyjaśnienie różnic. Zmień jedną rzecz i przetestuj ponownie.
Wyjaśnione rozwiązanie
Odpowiedź można sprawdzić w odniesieniu do fragmentu; pytania nieobsługiwane nie otrzymują żadnej wymyślonej obietnicy. Pomyślne ćwiczenie pozwala pokazać związek między danymi wejściowymi, etapami i wynikiem. Gdy brakuje informacji, bardziej użyteczna jest ostrożna odpowiedź niż wymyślane szczegóły. Porównaj więcej niż styl: sprawdź także warunki, źródła i operacje.
Kiedy to podejście pomaga i jakie ma ograniczenia
Indeksowanie i odpowiadanie to oddzielne ścieżki o różnych trybach awarii. Wybierz to podejście, jeśli poprawia ono zmierzoną potrzebę. Zachowaj prostą linię bazową i porównaj wyniki, korzystając z identycznych danych wejściowych. Jeden udany przykład nie gwarantuje niezawodności w każdej sytuacji.
Sprawdź swoją wiedzę
Czy RAG zmienia parametry LLM?
Nie. Dostarcza kontekst w czasie żądania; zmiany parametrów należą do szkolenia.
Czy ukończenie przesyłania oznacza, że dokument jest gotowy do RAG?
Nie. Wyodrębnianie, fragmentowanie i indeksowanie również musi zakończyć się pomyślnie.
Jaki wynik powinno dać to ćwiczenie?
Odpowiedź można sprawdzić w odniesieniu do fragmentu; pytania nieobsługiwane nie otrzymują żadnej wymyślonej obietnicy.
Pojęcia do zapamiętania
- Wyszukiwanie: Znajdowanie odpowiednich informacji w dostępnych źródłach.
- Kawałek: Fragment dokumentu, który można pobrać osobno.
- Grunt: Oparcie odpowiedzi na weryfikowalnych dowodach.
Źródła i następny krok
Aby przygotować: F03 — Co to jest LLM i jak odpowiada? · P02 — Inżynieria kontekstu: co dociera do modelu? · P07 — Podpowiedź, RAG czy dostrajanie?