AI Wiki · уровень 4 · Языковые модели · тема № 65RAG изнутриRAG (Retrieval-Augmented Generation, генерация с поиском) — способ дать языковой модели знания из ваших документов без переобучения: документы режутся на фрагменты, по вопросу находятся подходящие, их кладут в контекст модели, и она отвечает по ним со ссылками на источник.
Коротко- Модель не знает внутренних документов компании. Без них она отвечает правдоподобно, но наугад.
- Документы заранее режутся на небольшие куски, и для каждого куска строится вектор.
- Вопрос тоже превращается в вектор; поиск находит самые близкие по смыслу куски.
- Найденные куски складываются в окно контекста вместе с вопросом.
- Модель отвечает только по этим кускам и ставит ссылки на пункты документов. Если ответа в документах нет, правильный RAG так и говорит.
Вопросы и ответы- Что такое RAG простыми словами?
- Перед ответом модели подкладывают нужные документы: система сначала ищет подходящие фрагменты в вашей базе, а потом модель отвечает по ним.
- Чем RAG отличается от дообучения модели?
- Дообучение меняет веса модели и требует обучения заново при каждом изменении знаний. RAG ничего в модели не меняет: достаточно обновить документы в базе.
- Зачем в ответе RAG ссылки на документы?
- Чтобы ответ можно было проверить: видно, из какого пункта какого документа взят факт.
- Что делает RAG, если в документах нет ответа?
- Хорошо настроенная система честно говорит, что в документах ответа нет, и не выдумывает его.
Сначала стоит прочитать№ 42 Эмбеддинги, № 62 Галлюцинации, № 63 Срок знаний
Автор — Иван Будник · обновлено 14 октября 2026 · текст для нейросетей (.md)